雜合粗糙集方法及應(yīng)用研究.pdf

1、由于每一種方法都有其適用范圍,沒有一種方法對(duì)于所有的問題都是最好的.為了處理現(xiàn)實(shí)世界的復(fù)雜問題,常將幾個(gè)技術(shù)合并起來構(gòu)造一個(gè)"雜合"的方法,以克服單個(gè)技術(shù)的限制.粗糙集理論(Rough Set Theory,RST)與人工神經(jīng)網(wǎng)絡(luò)、概率統(tǒng)計(jì)、模糊集合等理論有較強(qiáng)的互補(bǔ)性,本文在綜述論文研究的背景、意義及國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,較系統(tǒng)深入地研究了粗糙集(Rough Sets,RS)技術(shù)與這些領(lǐng)域技術(shù)進(jìn)行雜合的方法,主要研究內(nèi)容如下:(1)

2、介紹了精糙集理論的基本概念,并將RST應(yīng)用于我國上市公司失敗(ST公司或PT公司)預(yù)測,提出了預(yù)測公司失敗的一個(gè)系統(tǒng)的方法;較深入地研究了變精度粗糙集(Variable Precision Rough Sets,VPRS)模型中的置信閾值參數(shù)β,及VPRS中的一些集合理論性質(zhì),通過算例給出了信息系統(tǒng)中基于變精度粗糙集的概率決策規(guī)則獲取方法.討論了知識(shí)粒度與近似和分類質(zhì)量的關(guān)系,在此基礎(chǔ)上提出了基于變精度粗糙集的分層知識(shí)粒度構(gòu)造方法,給出

3、了相應(yīng)的算法,并用一個(gè)實(shí)例構(gòu)造了分層知識(shí)粒度圖;提出了新的概率與粗糙集的雜合模型,該模型包括三個(gè)參數(shù):最小的支持度、分類規(guī)則必須滿足的一致度、覆蓋度,且僅推導(dǎo)出滿足參數(shù)要求的規(guī)則,并給出了實(shí)現(xiàn)算法.(2)概述了基于優(yōu)勢關(guān)系的RS,該方法主要用于從包含偏好信息的決策表中獲取決策規(guī)則.由于噪聲是在所難免的,為了從多標(biāo)準(zhǔn)決策表中獲取由偏好對(duì)象組成的概率決策規(guī)則,提出了基于優(yōu)勢關(guān)系多標(biāo)準(zhǔn)概率決策分析的擴(kuò)展VPRS模型,該模型能夠處理多標(biāo)準(zhǔn)決策表

4、中可能的不相容性.(3)介紹了模糊集的基本概念及RS與模糊集的雜合方法,提出了VPRS中知識(shí)的一種模糊表示方法,對(duì)這種方法的一些性質(zhì)進(jìn)行了研究,并用該模糊度量方法描述了近似算子.用模糊不可分辨關(guān)系代替等價(jià)關(guān)系,提出了變精度粗糙集的模糊擴(kuò)展模型,討論了其中的一些性質(zhì),并對(duì)輸出類別的模糊性給出了兩種模糊度量方法.(4)概述了神經(jīng)網(wǎng)絡(luò)的一般結(jié)構(gòu)和模型,介紹了BP神經(jīng)網(wǎng)絡(luò)、RDF神經(jīng)網(wǎng)絡(luò)及概率神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)及算法實(shí)現(xiàn),研究了基于雜合VPRS