基于粗糙集理论的不确定信息系统及其决策研究
随着云计算、大数据等新兴信息技术的广泛应用,各领域的数据急剧增长,这其中结构化数据仍然是数据的主要表现形式之一。在这些数据中往往含有大量冗余的与不确定性数据,从而导致模式分类的处理能力与决策的辨识能力的降低。
区间值型数据与直觉模糊型数据作为信息的不确定与不充分的表现形式是两种重要的结构化数据。如何从这两类不确定数据中发现有价值的信息和规律为管理者提供决策参考,仍然是管理决策科学领域中的研究热点之一。
粗糙集理论作为数据挖掘领域中的重要方法之一,其最显著的优点是在于不需要提供解决问题所需要的数据以外的先验知识,只要面向数据本身提供的信息,就可以实现对数据的分类与决策规则的获取等任务。该理论已经被成功地应用于机器学习、数据挖掘、决策分析等诸多领域。
经典的粗糙集模型是建立在等价关系基础之上的,要求相对较为严格,处理不确定性数据存在着局限性。因此,经典粗糙集模型的各种扩充对于不确定信息系统的知识约简与决策规则的获取具有极其重要的意义。
本文以粗糙集为工具,结合国内外的研究现状,较为系统的研究了单粒度与多粒度背景下区间值信息系统与直觉模糊信息系统的 ...