【正文】 ，本章對(duì)于分類法準(zhǔn)確性統(tǒng)一范式的給出采取的折中處理方式值得借鑒。目前，針對(duì)不同的數(shù)據(jù)挖掘任務(wù)和挖掘背景，一些數(shù)據(jù)挖掘算法盡量去減少孤立點(diǎn)帶來的影響或者甚至是從數(shù)據(jù)集中消除他們，然而，這可能會(huì)導(dǎo)致一些重要的隱秘信息的缺失。然而，每種方法總是存在著不可避免的缺點(diǎn)或者略勢(shì)，沒有一個(gè)普遍有效的方法來檢查數(shù)據(jù)集中的孤立點(diǎn)[77]。換句話說，對(duì)于大多數(shù)點(diǎn)來說，離中心（平均對(duì)象）越近，不同于這個(gè)平均對(duì)象的可能性就越小。 (1) 基于統(tǒng)計(jì)模型的孤立點(diǎn)檢測(cè)方法[67, 68]許多檢測(cè)技術(shù)首先都會(huì)構(gòu)造一個(gè)數(shù)據(jù)模型。當(dāng)數(shù)據(jù)分散在二維或三維的圖中時(shí)，我們可以通過基于距離的方法，用肉眼或簡(jiǎn)單方法分辨出哪些點(diǎn)是孤立點(diǎn)。顯然，聚類可以用于孤立點(diǎn)檢測(cè)。通過對(duì)引起孤立點(diǎn)的原因進(jìn)行分析，我們發(fā)現(xiàn)孤立點(diǎn)大都是各種情況里的不尋常的對(duì)象。由此產(chǎn)生的結(jié)果是，人們能將普遍適用的粒計(jì)算哲學(xué)有意識(shí)地運(yùn)用到各自面對(duì)的問題中去，從而對(duì)問題進(jìn)行更有效的求解。而孤立點(diǎn)挖掘的統(tǒng)一實(shí)施過程流程圖體現(xiàn)了粒計(jì)算的其他方面：挖掘過程本身是有先后順序之分，因此是具有一定層次性；而挖掘過程中，粒度大小的選擇即合適層次上的?；?，以獲取?；瓌t用以選擇、創(chuàng)新和改進(jìn)挖掘方法；由于粒度大小選擇上原因?qū)е峦诰蚪Y(jié)果不是很滿意，需要調(diào)節(jié)粒度，因此，這是一個(gè)循環(huán)反復(fù)的過程（體現(xiàn)出了分層結(jié)構(gòu)以及粒結(jié)構(gòu)），其間需要粒計(jì)算理論注入其中以求對(duì)所要解決的問題選擇合理的層次和粒度。粗糙集方法是一種用于處理不確定性和模糊性數(shù)據(jù)的數(shù)學(xué)工具[17, 81]。 抽取信息系統(tǒng)和（），稱為條件屬性值差異，其中表示對(duì)象個(gè)體（）關(guān)于屬性（）在時(shí)刻場(chǎng)景下的屬性值，條件屬性值差異描述了條件屬性值的變化量。則有下面定義： 在差異信息系統(tǒng)中，對(duì)任意的屬性，的重要度定義為，式中：，表示的正域[81]。設(shè)差異條件屬性構(gòu)成的劃分為，差異決策屬性構(gòu)成的劃分按每個(gè)類所含記錄多少降序排列為（），以決策屬性構(gòu)成的分類為基礎(chǔ)，構(gòu)造上的覆蓋（）。步驟1：，構(gòu)造相應(yīng)的差異信息系統(tǒng)；步驟2：，構(gòu)造上的覆蓋，找出引起不一致的記錄，并在中設(shè)置對(duì)應(yīng)記錄所在行為空；步驟3：，對(duì)對(duì)每個(gè)條件屬性計(jì)算其重要性，得到屬性重要性升序的序列，用數(shù)組保存，設(shè)置屬性值不變的記錄為空，用保存空行所在的行號(hào)；步驟4：for to {if(){，構(gòu)造第行的辨識(shí)矩陣。}步驟5：整理合并相同規(guī)則，得到動(dòng)態(tài)信息系統(tǒng)的最簡(jiǎn)決策規(guī)則。、。為了能更好的處理因不一致而導(dǎo)致規(guī)則挖掘不理想的問題，文章給出的消除不一致因素的方法是否能運(yùn)用到一般的決策信息系統(tǒng)中是以后研究的重點(diǎn)。然而，所有的這些研究把重點(diǎn)放在了沖突本身，例如引起沖突的原因、沖突關(guān)系的整合、各種領(lǐng)域里沖突的分析等，即把沖突當(dāng)成是一個(gè)對(duì)象來研究。因此，在一些特殊的情況下，當(dāng)是最大值或最小值時(shí)，和應(yīng)當(dāng)引起足夠多的重視。朋友的朋友并不總是朋友。作為上的二元關(guān)系，可以定義為。但他可以訪問或需求中B、D和G公司的數(shù)據(jù)集。它覆蓋了所有和粒度相關(guān)的理論、方法和技術(shù)。假設(shè)：有七種服務(wù)（沖突對(duì)象集），；有八種資源（隱含的沖突對(duì)象集）。為了讓關(guān)聯(lián)沖突分析的模型更具有適應(yīng)性和普遍性，我們做如下假設(shè)（外部條件）：第一層次的沖突源中每個(gè)服務(wù)的優(yōu)先級(jí)是相同的；第二層次的沖突源中每一個(gè)資源的優(yōu)先級(jí)也是相同的并且每個(gè)資源同一時(shí)間可以最多使用三次，即每個(gè)資源同一時(shí)間可以最多提供給三個(gè)服務(wù)使用（每個(gè)資源的數(shù)量在不同的應(yīng)用背景下可以是不同的或者是互不相同的）；另外，訪問或需求服務(wù)的每個(gè)agent的優(yōu)先級(jí)可能不同，優(yōu)先級(jí)向量暫設(shè)為（可以改變），其中，且，對(duì)應(yīng)著每一個(gè)agent的優(yōu)先級(jí)。根據(jù)辨識(shí)矩陣定義，我們可以構(gòu)造agents在resources上關(guān)于信息表的辨識(shí)矩陣：，同時(shí)有。措施是：即便是資源處于沖突的情況下，通過限制中的agents去訪問或需求服務(wù)，其中，向量，向量，也可以最終達(dá)到使盡可能多的agent正常訪問或需求的目標(biāo)。如果對(duì)解決異常產(chǎn)生問題的效果不滿意，那么我們可以令，按上述方法重新獲得一個(gè)，然后將它并入到中去，限制中agents訪問或需求服務(wù)，就這樣重復(fù)直至達(dá)到滿意的效果為止。 (c) 如果沒有關(guān)于agents的優(yōu)先級(jí)向量，那么我們只需要得到，而無需計(jì)算，然后按照上面三種異常情況進(jìn)行討論。最后，本章主要是對(duì)關(guān)聯(lián)沖突進(jìn)行了分析和建模，而關(guān)聯(lián)沖突和多聯(lián)沖突有著本質(zhì)上的差別（即隱含的沖突對(duì)象集的個(gè)數(shù)不同），很難在原有的模型做一些修改應(yīng)用到多聯(lián)沖突分析上，因此，關(guān)聯(lián)沖突分析模型并不適用于多聯(lián)沖突分析，而且多聯(lián)沖突牽扯到一些相關(guān)問題很難把握和搜集，所以，如何構(gòu)建多聯(lián)沖突分析的模型和探討問題求解的策略是以后研究的重點(diǎn)。我們知道，評(píng)估分類法針對(duì)于給定分類任務(wù)的準(zhǔn)確性計(jì)算是非常重要的，不僅體現(xiàn)在它可以預(yù)測(cè)未來分類結(jié)果的準(zhǔn)確性，而且還可以被用來為選擇或組合分類法提供參考依據(jù)[108]，而且目前已經(jīng)有holdout、crossvalidation、bootstrapping和leaveoneout等方法[108, 109]被用來評(píng)估分類法的準(zhǔn)確性。還有分類法通常假設(shè)每個(gè)樣本數(shù)據(jù)僅有一個(gè)標(biāo)簽，也就是說，每個(gè)樣本數(shù)據(jù)能夠并僅能夠?qū)儆谝粋€(gè)類。本章主要對(duì)評(píng)價(jià)分類法的準(zhǔn)確性（單標(biāo)簽和多標(biāo)簽數(shù)據(jù)集）進(jìn)行研究：利用拓?fù)涓采w鄰域理論，給出了尋找覆蓋系統(tǒng)上重疊元素的相關(guān)的公理化方法。最后，如果服務(wù)之間是相互沖突的而資源之間是不沖突的，我們可以構(gòu)造agents關(guān)于服務(wù)在上的辨識(shí)矩陣，可以從或中獲得相關(guān)agents，然后進(jìn)行異常討論，無需考慮資源。對(duì)于給定的實(shí)例來說。如果對(duì)解決異常產(chǎn)生問題的效果不滿意，那么我們可以令，按上述方法重新獲得一個(gè)，然后將它并入到中去，限制中agents訪問或需求服務(wù)，就這樣重復(fù)直至達(dá)到滿意的效果為止。 以上每個(gè)矩陣和公式都是關(guān)聯(lián)沖突分析模型中不可或缺的一部分，也就是說他們不是只針對(duì)于某個(gè)具體的應(yīng)用，是通用的，從而保證了模型的適應(yīng)性和普遍性。 根據(jù)services和resources（資源）之間的關(guān)系，有下面矩陣：，其中1代表這個(gè)service可能需要這個(gè)resource，0則代表這個(gè)service不需要這個(gè)resource。，每一個(gè)資源的沖突集是，和同盟集是。 關(guān)聯(lián)沖突受粒計(jì)算思想理論的啟發(fā)，我們引入了關(guān)聯(lián)沖突（），在給出概念之前先對(duì)這個(gè)流程圖做一下詳細(xì)的解釋：這個(gè)圖可以被看作是一個(gè)沖突過程或事件，在這個(gè)過程或事件當(dāng)中有兩個(gè)分別代表著不同沖突層次的關(guān)系。綜合考慮，我們將選擇比較合適的覆蓋沖突模型應(yīng)用到關(guān)聯(lián)沖突的分析和建模當(dāng)中去。只有在客體不在中，才授予這個(gè)主體訪問或需求的權(quán)力。覆蓋是一個(gè)更合適的模型來刻畫利益沖突關(guān)系這個(gè)問題，因?yàn)楦采w本質(zhì)上具有對(duì)稱性。在這種方法中先選取沖突的問題及參與沖突的實(shí)體和他們的在沖突中的立場(chǎng)：沖突，聯(lián)盟，還是中立。也就是說有這樣一些情況，單個(gè)事件或過程中事實(shí)上包含了兩個(gè)或兩個(gè)以上的沖突關(guān)系（我們稱此為關(guān)聯(lián)沖突或多聯(lián)沖突），例如客戶們需要得到一些公司提供的服務(wù)，而每一種所提供的服務(wù)又需要得到其他一些提供資源的公司的支持，那么這個(gè)客戶需要服務(wù)的事件中，就可能有兩個(gè)沖突利益關(guān)系同時(shí)存在這些公司當(dāng)中，分別對(duì)應(yīng)著服務(wù)沖突和資源沖突。目前，人們已經(jīng)提出了很多數(shù)學(xué)模型和方法用來模擬沖突過程和解決沖突帶來的影響。規(guī)則表明，病人診斷項(xiàng)目的值減少1個(gè)等級(jí)，病人病情有從4狀態(tài)向3狀態(tài)變化的趨勢(shì)，這為醫(yī)生的下一步治療方案提供了依據(jù)。 1234567853322413423315124322251243321412 1234567844313324234325131552452534413324對(duì)癌癥病人的臨床診斷的數(shù)據(jù)中，抽取部分?jǐn)?shù)據(jù)并通過排序得到的狀態(tài)集，選出在時(shí)刻與場(chǎng)景的信息系統(tǒng)為，其中為全體病人，為條件屬性集，表示診斷項(xiàng)目，為決策屬性集，表示病人的狀態(tài)，共分為4種狀態(tài)。 根據(jù)所獲得的列號(hào), 設(shè)置第行其他列號(hào)的條件屬性值為’*’。 ,且,有為引起上不一致原因的記錄集合。 設(shè)，（差異決策表有行列，決策屬性列），構(gòu)造上第行的辨識(shí)矩陣，其中如果，則；否則。 而稱為決策變化趨勢(shì)，其中，描述了相同的對(duì)象個(gè)體的決策值從變化到。在決策信息系統(tǒng)中，利用粗糙集理論建立屬性值隨時(shí)間和場(chǎng)景變化的動(dòng)態(tài)信息系統(tǒng)模型[84]，可以挖掘出條件屬性值變化與決策屬性值變化之間存在的內(nèi)在聯(lián)系。而孤立點(diǎn)挖掘統(tǒng)一實(shí)施過程圖的引入，使得孤立點(diǎn)挖掘任務(wù)的實(shí)施更一致化、明了化和細(xì)致化，尤其面對(duì)復(fù)雜數(shù)據(jù)諸如數(shù)據(jù)流、高維數(shù)據(jù)集和Web數(shù)據(jù)等中的孤立點(diǎn)挖掘時(shí)，該過程圖更能體現(xiàn)其優(yōu)勢(shì)所在，而且粒計(jì)算本身就具有其獨(dú)特的處理復(fù)雜數(shù)據(jù)的能力。因此，將粒計(jì)算的新穎和獨(dú)特之處運(yùn)用到孤立點(diǎn)挖掘中，有如下指導(dǎo)原則：通過對(duì)引起孤立點(diǎn)原因和孤立點(diǎn)檢測(cè)方法的分析，結(jié)合粒計(jì)算的觀點(diǎn)，從方法本身的高層粒結(jié)構(gòu)出發(fā)，獨(dú)立于檢測(cè)方法的孤立點(diǎn)挖掘總的指導(dǎo)原則是?；^點(diǎn)，同時(shí)表明了在選擇合理的粒度之前，它在孤立點(diǎn)挖掘中扮演著非常重要的角色，根據(jù)不同的檢測(cè)目標(biāo)，有著不同的?；瓌t。事實(shí)上，從粒計(jì)算的觀點(diǎn)來看，分離的過程就是?；倪^程，并且上面所列出的孤立點(diǎn)的檢測(cè)方法都是基于?；枷氲摹?shù)據(jù)的?；?，尤其是復(fù)雜數(shù)據(jù)的?；?，是基于粒計(jì)算的數(shù)據(jù)挖掘的必要前提。根據(jù)問題的要求，可以事先給定數(shù)據(jù)所對(duì)應(yīng)的一些特征，那么孤立點(diǎn)就是這些不能像特征所描述的那樣的點(diǎn)。例如，數(shù)據(jù)的分布模型可以通過估計(jì)概率分布的參數(shù)來構(gòu)造。但是一旦于其他人在高度上做比較時(shí)，他就是一個(gè)孤立點(diǎn)，在這群人里他是一個(gè)高度上的極值。因此，尋求一個(gè)適用于孤立點(diǎn)挖掘的總的指導(dǎo)原則就成為了最急需要解決的問題。因此，孤立點(diǎn)的檢測(cè)和分析（即孤立點(diǎn)挖掘）在數(shù)據(jù)挖掘中就顯得非常重要。文章在同一個(gè)思想理論背景下，討論了基于覆蓋的相關(guān)理論和應(yīng)用，它是覆蓋廣義粗糙集的理論及其應(yīng)用的補(bǔ)充和發(fā)展，并且更體現(xiàn)出了粒計(jì)算背景下知識(shí)發(fā)現(xiàn)理論和方法的獨(dú)特性，具有重要的理論意義及潛在的應(yīng)用價(jià)值，同時(shí)對(duì)該領(lǐng)域理論和應(yīng)用研究的發(fā)展方向提出了新的展望。實(shí)驗(yàn)結(jié)果表明，在保持時(shí)間復(fù)雜度不變的情況下，利用改進(jìn)的規(guī)則挖掘算法，通過消除不一致因素而獲得的規(guī)則更全面和更大程度地反映了條件屬性值變化與決策變化趨勢(shì)之間的內(nèi)在聯(lián)系。雖然涉及領(lǐng)域比較寬泛，但都是在粒計(jì)算背景下研究的與覆蓋相關(guān)的理論和應(yīng)用，所以本文實(shí)施和所采用的技術(shù)路線是可行的。、目標(biāo)、方法和主要內(nèi)容以及創(chuàng)新點(diǎn) 由于覆蓋廣義粗糙集理論是將Pawlak粗糙集理論在劃分基礎(chǔ)上推廣到覆蓋而建立起來的，而覆蓋廣義粗糙集理論主要研究與覆蓋相關(guān)的理論體系及應(yīng)用，所以 有關(guān)粗糙集一些理論和應(yīng)用并不一定在覆蓋廣義粗糙集下適用，那么在粒計(jì)算思想理論背景下研究覆蓋廣義粗糙集的相關(guān)理論和應(yīng)用就顯的十分有意義。在粗糙集理論中，這些等價(jià)類又稱為初等集，若干個(gè)初等集的并稱為確定。該學(xué)科涉及分類、概念形成和數(shù)據(jù)分析。而事實(shí)上，從真實(shí)世界上看，許多自然系統(tǒng)、社會(huì)系統(tǒng)、人工系統(tǒng)都是基于層次的，粒計(jì)算可以真實(shí)自然地表示這類系統(tǒng)。粒計(jì)算從不同粒層次上研究問題，從人類求解問題的經(jīng)驗(yàn)方法中提取基本原理如粒、層次、等級(jí)。哲學(xué)層面的研究是抽象的，同時(shí)又是方法論和計(jì)算模式的前提和保障。粒計(jì)算的形成和發(fā)展積累了多種思想、模型、范式、方法論、技術(shù)及工具。由此可以得出，粒計(jì)算的過程就是對(duì)復(fù)雜問題的求解過程。低層次的粒為高層次的粒提供更詳細(xì)的描述或者更多的信息。較高層次一般由較高集成度和較高結(jié)合力的粒組成。粒的雙重身份決定了它的內(nèi)在屬性通常需要強(qiáng)調(diào)其它所包含的細(xì)小個(gè)體的不同特性，是對(duì)它內(nèi)部各個(gè)基本組成成分性質(zhì)的描述，而其外在屬性則是強(qiáng)調(diào)把它作為一個(gè)整體時(shí)所體現(xiàn)出的綜合特性。通過對(duì)粒計(jì)算的研究試圖達(dá)到以下目標(biāo)：將隱式的結(jié)構(gòu)顯式化；將不明顯的原理明顯化；將特定領(lǐng)域的特殊原理普遍化；將下意識(shí)的行為變成有意識(shí)的行為。其七是容忍性：通過使用不同信息粒度，粒計(jì)算可以容忍不確定、不完全或有噪音的信息，從而獲得具有魯棒性的解決方案。作為一個(gè)整體，粒計(jì)算提供的思維模式和行為方式是系統(tǒng)的、完整的。因此，人們對(duì)現(xiàn)實(shí)世界的感知、理解、解釋和表示也是有結(jié)構(gòu)、分層次的。 Classification目 錄摘 要 IABSTRACT III目 錄 V第一章 緒 論 1 1 1 2 2 5 6 6 7 目標(biāo)、方法和主要內(nèi)容以及創(chuàng)新點(diǎn) 8 8 8 9 9第二章 粒計(jì)算的獨(dú)特魅力 11 ——以孤立點(diǎn)挖掘?yàn)槔?11 11 12 12 13 15第三章 覆蓋粒計(jì)算在基于粗糙集的動(dòng)態(tài)信息系統(tǒng)規(guī)則挖掘中的應(yīng)用 17 17 17 19 19 20 22 24第四章 基于覆蓋粒計(jì)算的關(guān)聯(lián)沖突分析 26 26 27 27 29 30 30 37 39第五章 基于覆蓋粒計(jì)算的分類準(zhǔn)確性研究 40 40 41 42 42 44 45 47 50第六章 總結(jié)與展望 52 52 53參考文獻(xiàn) 54攻讀碩士學(xué)位期間取得的研究成果 61致 謝 62浙江師范大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明 63學(xué)位論文使用授權(quán)聲明 63第一章 緒 論 粒計(jì)算（Granular Computing, GrC）是一門飛速發(fā)展的新學(xué)科，[1]。在粒計(jì)算的思維體系背景下，以實(shí)例輔證，給出了獨(dú)立于數(shù)據(jù)標(biāo)簽和不同理想分類結(jié)果假設(shè)（一種假設(shè)為劃分，另一種假設(shè)為覆蓋）的評(píng)價(jià)分