基于粗糙集数据分析的智能决策支持系统研究-管理科学与工程专业论文.docxVIP

合肥I业人学j11i 合肥I业人学j11i fjl仑史 摘耍 摘要 智能决策支持系统(11)SS)是决策支持系统(DSS)引入人工智能技术后ft9产物，是 目前DSS的前沿研究领域，数据挖掘是提高其决策支持能力的一种重要：F具和手段， 研究数据挖掘的相关理论与方法及其在IDSS r{I的应用具有重要的理论意义和实用 钕瞧了 ／ 数据挖掘是从大量的历史数据中发现隐含的、有潜在应用价值并最终能被人理 解的知识的过程。在决策领域，人们所面剥的数据往往具有不确定性和不完整性， 从这类数掘中发现知识是一个非常困难的问题。本文从数据挖掘的基本概念入手， 分析数据挖掘过程中面列的不确定性问题的特点，在深入比较多利，不确定性理沦的 优缺点情况下提出了应用拳兀糙集理沦的解决方案，研究了粗糙集理论的扩展模型及 计算方法、数据预处理、知识约简、决策分析等问题。、俱体的研究内容如下： 1、粗糙集理论扩展模型。本文从剥象的不可分辨关系出发，讨论了信息系统的 经典粗糙集模型，并针刘经舆料糙集模型存在fF3x,3‘噪音敏感等缺陷，提出了暴于隶 属度_手|】微差距离的可变精度微差关系(VP．MD)模型，该模型不仅能够处理含有噪音 的不完全信息系统，其结果也能反映大量数据所满足的统计规律，使粗糙集理论的 应用范围更，“、适应性更强。 2、VP—MD模型的计算方法。本文研究了基于VP．MD模型计算粗糙集理论所 涉及的数字量和集合最方法，3t-tJ‘对最小属性约简和最小值约简这两个NP问题提 出了基于属性上下文敏感度的启发式属性约简算法--CSBARK算法和基于值核的最 小舰则集求解算法。前者利用微差距离计算属性的加权特征差、利用互信息计算值 差，从而求出各条件属性的上下文敏感度，该值既反映了对应的条件属性的重要性， 同时还反映了该属性与其它属性的关联程度；后者利用值核在生成规则过程中的重 要作用，结合推理过程中的逻辑关系求解最小决策规则集，并给出了规则的评价指 标支持度和信度的计算方法。 3、本文从多方面研究了数据挖掘过程中的数据预处理问题： (1)连续属性离散化。本文将离散化问题转化为分割点的寻优问题，综合考虑多 个属性之fHJ的依赖关系，利用遗传算法寻找给定区间数的最优分割点，利用粗糙集 理论的基本分类思想，删除冗余分割点。 (2)概念泛化。对常用的概念树爬升方法进行了改进，利用属性的分类能力控制 概念泛化程度，防止过度泛化。 (3)空值估算。划于不完全信息系统，本文利用粗糙集扩展模型，在充分考虑数 摘篮据棚容性和属性依赖性的情况卜，x,J锹失值进行了有效的估算，既防止了删除含有 摘篮 据棚容性和属性依赖性的情况卜，x,J锹失值进行了有效的估算，既防止了删除含有 空值的对象，使系统缺少典型性，又防止出现过多的、扩展的完全系统。 4、针对已获得的最小规则集和给定的新的决策对象，本文利用对象在规则集中 的满足情况研究了一种新的刈象分类方法。 5、为了提高GDSS决策能力，本文提出了将粗糙集理论与层次分析法相结合的 思想，*fJII]fH糙集理论所确定的属性M的依赖关系，分析应用系统运行所积累的人 量数据中各决策因素、决策者对决策目标的影响，构造具有完全一致性的个体判断 矩阵和综合判断矩15乍，建立I：l学习系统，克服决策者主观因素对决策结果的影响。 6、在上述：I：作的丛{ijl{』：，术文研究了基于粗糙集数据分析(RSDA)的智能次策 支持系统的体系结构，详细论述了RSDA—DSS的设计与实现，该系统可根据用户的 定义完成多种粗糙集模型的数士【i：分析方法：通过实例分析了RSDA在决策支持系统 方而的应用，同时将咳系统成加J二疾病治疗方案的优化，拓展了RSDA的应加领域。 论文研究成果祖■定程度上解决了从不确定信息系统和不完全信息系统中发现 知谚{的闽题，Y,o RSDA在决策tI一的应用提供了更加广阔的空删。， ／ 关键词：数据挖掘，相糙集数据分析，智能决策支持系统，知以约简，数据预处理 台肥T业大学博f。论文 台肥T业大学博f。论文 ABS rRAC r AB STRACT Intelligent Decision Support Systems(IDSS)，which is the combination of decision support systems and artificial intelligence，is a promising research area．Data mining is an important tool to improve its abilities ofmanagement decision support． Data mining is the process of discovering non·triv