不確定性信息處理的優(yōu)勢關系粗糙集方法研究.pdf

1、由于客觀世界本身所具有的復雜性、不穩(wěn)定性和人們對其認識存在不完全性，在數(shù)據(jù)采集、錄入、表述、編輯、處理、分析等過程中存在著各種誤差.此外，在概念的定性與定量轉換過程中會導致隨機、模糊、未確知等不確定性數(shù)據(jù)產(chǎn)生，這些現(xiàn)象普遍存在于金融、軍事、經(jīng)濟、商業(yè)、工業(yè)控制、電信等諸多實際領域.數(shù)據(jù)的不確定性往往會使得數(shù)據(jù)挖掘的結果不可靠，甚至出現(xiàn)錯誤的結果.因此，對不確定性數(shù)據(jù)處理的理論和應用研究受到了越來越廣泛的重視，并已成為智能信息處理的重要研

2、究內容.
　　粗糙集理論具有以確定的方法處理具有不一致、不精確和不完備等不確定性信息的能力，近年來已成為備受關注的新型智能信息處理方法.為了處理具有連續(xù)屬性和優(yōu)勢關系的信息系統(tǒng)，Salvatore Greco和Roman Slowinski等學者提出了優(yōu)勢關系粗糙集理論.優(yōu)勢關系粗糙集理論以優(yōu)勢關系代替了經(jīng)典粗糙集的不可分辨關系，更好地滿足了描述實際問題中某些屬性具有偏序關系和連續(xù)屬性的需要.由于優(yōu)勢關系粗糙集可以有效處理等價關系

3、和具有偏序關系的決策信息系統(tǒng)，現(xiàn)已成為經(jīng)典粗糙集的一個很重要的擴展理論模型.它在投資風險評估、客戶關系管理、地震震級評價、軍事目標威脅評估、動車舒適度評價等方面已得到了成功應用.目前，優(yōu)勢關系粗糙集對不確定性信息的處理主要采用變精度模型，科學合理的變精度模型和變精度閾值的獲取是其關鍵，且對其他不確定性信息處理方法的研究和在實際領域的應用研究也顯得非常急迫.
　　本文采用優(yōu)勢關系粗糙集研究不確定性信息處理問題，從變精度模型、不一致信

4、息系統(tǒng)的一致化轉換方法、數(shù)據(jù)驅動的自主式學習等角度進行理論研究，并將理論研究成果應用于解決電信客戶價值評價等實際問題.歸納起來，本文的主要內容和創(chuàng)新性研究成果包括以下幾個方面:
　　(1)提出了一種基于包含度和支持度的變精度優(yōu)勢關系粗糙集模型，克服了已有模型的不足，對信息系統(tǒng)中的原始信息利用更加充分.
　　通過對現(xiàn)有變精度優(yōu)勢關系粗糙集的兩個主要模型VC-DRSA和VP-DRSA的分析，發(fā)現(xiàn)由于決策信息系統(tǒng)中不一致對象的存在

5、，VC-DRSA模型在計算對象是否進入下近似時會出現(xiàn)矛盾的結果.而對于VP-DRSA模型，上并集或下并集邊緣上的對象很難進入下近似，從而影響了對信息的充分利用.在分析了以上兩種變精度模型對不一致信息處理不足的基礎上，提出了一種基于包含度和支持度的變精度優(yōu)勢關系粗糙集模型，分析了該模型所具有的數(shù)學性質，并證明了用該模型所得到的下近似是VC-DRSA和VP-DRSA下近似的并集，上近似是這兩種模型上近似的交集.這使得包含在下近似的對象更多和

6、包含在上近似的對象變少，不確定性區(qū)域減小，近似分類質量得到提高，從而在一定程度上降低了信息系統(tǒng)在處理過程中的不確定性.學生綜合評價的實例分析表明該模型能更加充分地利用信息系統(tǒng)所提供的有用信息，并通過在UCI等數(shù)據(jù)集上的實驗驗證了該模型有助于分類性能的提高.
　　(2)提出了一種將優(yōu)勢關系下的不一致信息系統(tǒng)進行一致化轉換的算法，實現(xiàn)了一種處理不一致信息系統(tǒng)的新方法.
　　對優(yōu)勢關系信息系統(tǒng)中對象的向下不一致性和向上不一致性進行

7、了度量，進而提出了對象整體不一致性概念，并給出了對象整體不一致性的三種度量準則，分別表示為(α)、(ε)和(μ).在此基礎上，提出了一種將優(yōu)勢關系下的不一致信息系統(tǒng)轉換為一致信息系統(tǒng)的算法TIPStoC.該算法根據(jù)對象整體不一致性的大小，采用迭代方法每次將最不一致對象刪除，直到信息系統(tǒng)變?yōu)橐恢?之后，在一致信息系統(tǒng)的基礎上提取確定的決策規(guī)則進行分類預測.這是一種處理不一致信息系統(tǒng)的新方法，與其他方法相比的突出特點是能有效地將優(yōu)勢關系信息

8、系統(tǒng)中的不一致信息識別出來.因此，該方法也可有效地處理軍事和信息安全等領域中的離群值或孤立點的檢測.（第3章）
　　(3)提出了一種數(shù)據(jù)驅動的優(yōu)勢關系粗糙集自主式學習方法，有效地避免了知識獲取過程中對先驗知識的依賴，增強了優(yōu)勢關系粗糙集對不一致信息處理的適應性.
　　在對優(yōu)勢關系決策信息系統(tǒng)的整體確定性、最大整體確定性、整體不確定性、最小整體不確定性特征進行度量的基礎上，提出了度量各決策類集的最大確定性的準則和計算算法.并以

9、各決策類集的最大確定性作為該決策類集的變精度閾值提出了一種數(shù)據(jù)驅動的自主式學習方法SL-DRSA.該方法以各決策類集的最大確定性作為該類集的變精度閾值進行規(guī)則獲取，避免了其他變精度模型對閾值選取的隨意性問題和不斷嘗試而帶來的計算復雜性問題.通過在UCI等數(shù)據(jù)集上的實驗表明，該方法可實現(xiàn)根據(jù)數(shù)據(jù)集本身特性自主地確定各決策類集的變精度閾值，且表現(xiàn)出了較好的分類效果，特別是在不一致性較高的數(shù)據(jù)集中體現(xiàn)得比較突出.（第4章）
　　(4)提

10、出了一種面向領域的數(shù)據(jù)驅動的電信客戶價值評價方法，該方法將領域專家先驗知識和數(shù)據(jù)本身所具有的特征有效地結合起來，提高了電信行業(yè)客戶關系管理的能力.
　　首先借助領域專家的先驗知識分別從客戶當前價值和潛在價值兩方面進行特征數(shù)據(jù)的提取、學習數(shù)據(jù)類別標定，而后以各決策類集的最大確定性作為變精度閾值進行自主式學習而獲取決策規(guī)則.該方法有效地將領域專家的先驗知識和數(shù)據(jù)本身特征進行了有機結合.由于電信客戶數(shù)據(jù)量大且具有類別標定的學習數(shù)據(jù)難以獲