基于廣義粗糙集的不完備信息系統(tǒng)決策融合方法研究.pdf

1、決策是管理科學(xué)的核心。隨著計(jì)算機(jī)軟件與硬件技術(shù)的迅速發(fā)展以及數(shù)據(jù)庫技術(shù)的廣泛應(yīng)用，人類能夠獲取和需要處理的數(shù)據(jù)日趨龐大，所面臨的決策問題日趨復(fù)雜。這些大數(shù)據(jù)時(shí)代的新問題對(duì)智能信息處理的能力和方法提出了更高的要求。如何從體積龐大、雜亂無章并存在干擾的數(shù)據(jù)中挖掘潛在的、有利用價(jià)值的信息，實(shí)現(xiàn)評(píng)價(jià)事物、制定決策、和預(yù)測(cè)未來的目標(biāo)，成為了一個(gè)熱門的研究領(lǐng)域。人類不斷尋找新的數(shù)據(jù)分析手段，對(duì)信息系統(tǒng)進(jìn)行有效的挖掘，發(fā)揮其應(yīng)用潛能，完成了從數(shù)據(jù)到信

2、息再到?jīng)Q策的進(jìn)化過程，從而構(gòu)成了決策融合的概念。研究決策融合的相關(guān)理論和方法，不僅可以結(jié)合信息融合、數(shù)據(jù)挖掘和數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)等學(xué)科的自身特點(diǎn)，并發(fā)揮它們?cè)谥悄苄畔⑻幚碇械膬?yōu)勢(shì)，還能針對(duì)不完備信息系統(tǒng)等復(fù)雜的研究對(duì)象，圍繞“決策信息提取”這一特定的目標(biāo)，系統(tǒng)化的提出一系列完整且可行的技術(shù)方案。
　　本文從“決策”和“融合”的角度出發(fā)，結(jié)合廣義粗糙集理論與信息融合的思想，在系統(tǒng)評(píng)估、決策輔助和故障分析等應(yīng)用背景下，深入研究了支撐決策融

3、合的相關(guān)理論和方法。主要內(nèi)容包括：
　?。?）廣義粗糙集理論的演化和屬性約簡(jiǎn)算法的研究。
　　本文首先證明了一些重要的算子和集合在經(jīng)典粗糙集和廣義粗糙集中具有一致性，將研究領(lǐng)域從經(jīng)典粗糙集理論延伸到了廣義粗糙集理論，并建立了統(tǒng)一的廣義粗糙集研究框架，以此作為全文的研究基礎(chǔ)。然后，從信息觀點(diǎn)出發(fā)，比較了多種信息熵和條件熵的區(qū)別，并證明了它們?cè)谛畔⑾到y(tǒng)中的性質(zhì)，更好的量化了信息系統(tǒng)的不確定性。通過研究不同條件屬性組合相對(duì)決策屬性

4、的條件熵大小，改進(jìn)了一種適用于廣義粗糙集的基于E條件熵的啟發(fā)式屬性約簡(jiǎn)算法，構(gòu)成了本文決策融合方法中的核心算法，具有廣泛的實(shí)用性。
　?。?）基于模型的不完備信息系統(tǒng)決策融合方法的研究。
　　由于數(shù)據(jù)缺失和不確定導(dǎo)致的信息系統(tǒng)的不完備性給決策規(guī)則的有效提取增添了難度，制約了高質(zhì)量決策融合工作的開展。本文以不完備信息系統(tǒng)為主要研究對(duì)象，在統(tǒng)一的廣義粗糙集研究框架下，確立兩種不完備信息系統(tǒng)決策融合問題的解決方案——基于模型的技術(shù)

5、和信息填充技術(shù)。首先從基于模型的技術(shù)出發(fā)，本文對(duì)比了容差關(guān)系、非對(duì)稱相似關(guān)系、限制容差關(guān)系和聯(lián)系度容差關(guān)系等數(shù)據(jù)分類模型在不完備信息系統(tǒng)中的分類性能，并形成了一種直接對(duì)不完備信息系統(tǒng)進(jìn)行決策融合的方法。然后，在聯(lián)系度容差關(guān)系下提出了α近似分類質(zhì)量的指標(biāo)，量化了缺失數(shù)據(jù)數(shù)量對(duì)決策融合質(zhì)量的影響程度，并制定了相應(yīng)的評(píng)估方法。
　?。?）區(qū)間值信息系統(tǒng)與信息填充技術(shù)的研究。
　　區(qū)間值信息系統(tǒng)的建立為研究缺失數(shù)據(jù)的信息填充技術(shù)提供

6、了一個(gè)新的平臺(tái)。本文在統(tǒng)一的廣義粗糙集研究框架下，將區(qū)間相似度的大小引入信息熵中，定義了一種廣義信息熵——H'信息熵，建立了區(qū)間長(zhǎng)度和系統(tǒng)不確定性之間的關(guān)系，并提出了一種全新的信息填充技術(shù)。用合理的估計(jì)值或估計(jì)區(qū)間替換缺失數(shù)據(jù)，從而將不完備信息系統(tǒng)轉(zhuǎn)化為一些傳統(tǒng)的決策融合方法可以處理的完備信息系統(tǒng)，間接的解決了信息系統(tǒng)的不完備性。
　?。?）數(shù)據(jù)分類模型的改進(jìn)與決策融合方法魯棒性的研究。
　　數(shù)據(jù)分類模型的改進(jìn)是決策融合性能

7、提升的一個(gè)重要方法。本文在數(shù)據(jù)預(yù)處理的基礎(chǔ)上，利用了統(tǒng)計(jì)學(xué)的知識(shí)，計(jì)算實(shí)值數(shù)據(jù)的相關(guān)統(tǒng)計(jì)量。將t檢驗(yàn)的方法引入數(shù)據(jù)分類模型中，提出了基于假設(shè)檢驗(yàn)的數(shù)據(jù)分類模型，提高了數(shù)據(jù)分類模型的適用范圍、精確度和對(duì)噪聲的適應(yīng)能力，最終提升了基于廣義粗糙集的決策融合方法在大數(shù)據(jù)信息系統(tǒng)中的魯棒性，同時(shí)也為大數(shù)據(jù)環(huán)境下不完備信息系統(tǒng)的決策融合問題提供了更好解決方案。
　?。?）基于廣義粗糙集的決策融合流程設(shè)計(jì)和軟件實(shí)現(xiàn)。
　　本文還設(shè)計(jì)了基于