基于IOWA算子的不完備信息系統(tǒng)空值估算方法及其應(yīng)用.pdf

1、當(dāng)今社會(huì)，在數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)技術(shù)飛速發(fā)展的同時(shí)，不完備或不準(zhǔn)確的數(shù)據(jù)也在日益劇增。這種不完備的數(shù)據(jù)給信息處理帶來(lái)了不可靠的結(jié)果，甚至?xí)?yán)重影響處理的結(jié)果。因此，有效、科學(xué)、合理地處理這些不完備的數(shù)據(jù)變得越來(lái)越重要。
　　IOWA算子是美國(guó)著名學(xué)者RR.Yager和Filev于1999年在OWA算子的基礎(chǔ)上提出來(lái)一種新的聚合算子。在很多領(lǐng)域得到的廣泛的應(yīng)用，包括決策、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)系統(tǒng)、模糊邏輯控制器、專(zhuān)家系統(tǒng)、市場(chǎng)調(diào)研、數(shù)學(xué)規(guī)劃等。

2、但是，將IOWA算子應(yīng)用于不完備信息系統(tǒng)還沒(méi)有先例，本文基于IOWA算子提出了一種新的不完備信息系統(tǒng)空值估算方法，并將其應(yīng)用于C波段無(wú)線(xiàn)電信號(hào)識(shí)別領(lǐng)域。本文的主要研究工作如下：
　　1、研究了目前常用的不完備信息系統(tǒng)空值估算方法：Mean Completer估算法、Combinatorial Completer估算法、K-Nearest Neighbor估算法、K-means Clustering估算法、Fuzzy K-means

3、 Clustering估算法、Expectation-Maximization估算法、ROUSTIDA估算法，分析這7種估算方法的優(yōu)缺點(diǎn)。
　　2、提出了一種基于IOWA算子的不完備信息系統(tǒng)空值估算方法，新方法用IOWA算子的聚合結(jié)果作為空值的填補(bǔ)值，本文也給出了具體的實(shí)現(xiàn)算法，這里簡(jiǎn)稱(chēng)BIOWAE算法。新的估算方法不僅考慮了對(duì)象之間的相關(guān)信息，也考慮到屬性之間的相關(guān)信息。該方法主要有兩個(gè)難點(diǎn)：
　　1）相關(guān)屬性的選擇。目前

4、很難找到求不同背景的信息系統(tǒng)中的相關(guān)屬性的統(tǒng)一公式；
　　2）IOWA算子中權(quán)重向量的確定。權(quán)重向量的選擇會(huì)直接影響聚合結(jié)果，要得到好的估算結(jié)果，必須找到適合該信息系統(tǒng)的權(quán)重向量。
　　接著用實(shí)例將新方法與Mean Completer估算法、K-Nearest Neighbor估算法、K-means Clustering估算法、Fuzzy K-means Clustering估算法、Expectation-Maximizat

5、ion估算法、ROUSTIDA估算法進(jìn)行了對(duì)比分析，得出的結(jié)論是該方法是一種較好的空值估算方法。
　　3、將新的估算方法應(yīng)用于C波段無(wú)線(xiàn)電信號(hào)識(shí)別。在原有C波段信號(hào)識(shí)別方法的此基礎(chǔ)上提出了一種改進(jìn)的信號(hào)識(shí)別方法，主要是將待識(shí)別信號(hào)與已知信號(hào)類(lèi)型進(jìn)行分區(qū)處理，對(duì)已知的每種類(lèi)型信號(hào)分成三個(gè)區(qū)：
　　1）確定區(qū)：待識(shí)別信號(hào)在某類(lèi)信號(hào)的確定區(qū)，則認(rèn)為待識(shí)別信號(hào)為該類(lèi)信號(hào)；
　　2）估算區(qū)：待識(shí)別信號(hào)在某類(lèi)信號(hào)的估算區(qū)，則需要用