基于粒計算的數(shù)據(jù)?；垲惙椒ㄑ芯?pdf

1、粒計算是信息科學和計算機科學中的一個非常活躍的研究主題，其主要目的是在不同粒層結構上對問題進行求解。粒計算對問題求解具有多層次、多角度的特點。其基本思想是在問題求解過程中使用信息粒，從不用角度、不同層次上對問題進行描述、推理與求解，在很大程度上能夠體現(xiàn)問題求解中的智能。粗糙集方法是一種很高效的?；惴ǎ窃趯傩灾禐檫B續(xù)值時往往無法處理。雖然可以離散化之后處理，可是也存在著離散化后使信息丟失的問題，所以本文提出用模糊粗糙集來代替粗糙集來

2、進行?；Ｓ捎谀：植诩牧；惴ㄊ且环N全監(jiān)督的粒化，同時又是一種硬的劃分，所以接下來考慮無監(jiān)督的粒化。超盒?；且环N很好的粒化方式，它存在著參數(shù)選擇影響?；Y果的問題，所以針對這一問題，我們將超盒的結果作為數(shù)據(jù)粒進行聚類，提出一種基于超盒的模糊聚類算法。
　　首先，提出不一致粒層的模糊粗糙集的粒化方法。由于傳統(tǒng)的?；椒ㄔ谝恢碌牧由线M行粒化，粒層過粗或者過細可能會導致問題求解失敗。本文利用屬性重要度信息生成一個遞增的屬性子集序

3、列，進而誘導出一系列相應的模糊關系，進而在多個模糊二元關系下分別考慮決策類的模糊粗糙集。由于模糊下近似中對象蘊含著某種相似性，本文認為下近似隸屬度大于某個閾值的對象可生成一個信息粒。利用每一個模糊二元關系生成的信息粒來更新論域，進而誘導出一系列的信息粒。接下來，加入粒信息對數(shù)據(jù)進行聚類并通過聚類結果證明了我們提出的粒化算法的有效性。
　　其次，針對超盒存在著參數(shù)選擇影響?；Y果的問題，提出了一種基于超盒的模糊聚類算法（簡稱BFCM