2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、在多粒度粗糙集模型的基礎(chǔ)上,通過引入泛系算子將任意二元關(guān)系轉(zhuǎn)化為等價關(guān)系,提出泛系并聯(lián)粗糙集模型。然而在決策時,泛系并聯(lián)粗糙集模型存在以下三個缺陷:泛系析取并聯(lián)粗糙集模型的下近似條件過于寬松,泛系合取并聯(lián)粗糙集模型的下近似條件過于嚴(yán)格;沒有考慮各粒度空間的不平等性;容易受到噪聲數(shù)據(jù)的影響。針對上述三個問題,將對泛系并聯(lián)粗糙集模型做進(jìn)一步的擴(kuò)展研究。從粒度數(shù)量、粒度質(zhì)量、容錯性三個角度結(jié)合可變精度、泛權(quán)、概率縱向地對泛系并聯(lián)粗糙集模型進(jìn)行

2、擴(kuò)展,并將擴(kuò)展模型與模糊聚類算法相結(jié)合,用以解決聚類結(jié)果的邊界模糊問題。
  首先,基于粒度數(shù)量上的考慮,引入可變精度的概念,利用參數(shù)β調(diào)控滿足下近似集合的粒結(jié)構(gòu)數(shù)目,提出了可變精度泛系并聯(lián)粗糙集模型。其次,基于粒度空間之間的不平等性考慮,在可變精度泛系并聯(lián)粗糙集模型的基礎(chǔ)上引入泛權(quán)的概念,提出泛權(quán)可變精度泛系并聯(lián)粗糙集模型。該模型客觀地評估量化各粒度空間的重要度,計(jì)算其泛權(quán)值。然后,基于對容錯性的考慮,在泛權(quán)可變精度泛系并聯(lián)粗糙

3、集模型的基礎(chǔ)上引入統(tǒng)計(jì)概率的思想,利用條件概率來定義上、下近似集合,提出了泛權(quán)可變精度泛系并聯(lián)概率粗糙集模型。最后,將泛權(quán)可變精度泛系并聯(lián)概率粗糙集模型與模糊聚類算法相結(jié)合,給出了一種改進(jìn)算法,該算法借助上、下近似集合來表示聚類結(jié)果,用來解決聚類結(jié)果邊界模糊問題。通過將該算法與K均值算法和模糊C均值算法進(jìn)行對比,驗(yàn)證了該算法可以有效提高聚類結(jié)果的正確率。
  針對模型中的參數(shù),將結(jié)合貝葉斯決策、損失函數(shù)等方法客觀合理地獲取;針對粒

4、度約簡算法,將結(jié)合啟發(fā)式算法得到更加高效的粒度約簡算法。
  通過對泛系并聯(lián)粗糙集模型的擴(kuò)展,可以使其更好的適應(yīng)分布式信息系統(tǒng)以及復(fù)雜系統(tǒng),有效、合理地從多個角度對問題進(jìn)行決策分析及規(guī)則提取。
  引入?yún)?shù)β來控制滿足下近似條件的粒度空間數(shù)目;引入信息熵和泛系相關(guān)理論客觀地評估各粒度空間的重要度;結(jié)合統(tǒng)計(jì)概率的思想,使各個粒度空間具有對噪聲數(shù)據(jù)的容錯性;利用泛權(quán)可變精度泛系并聯(lián)概率粗糙集來改進(jìn)模糊聚類算法,通過引入上下近似的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論