《考慮噪聲分布的魯棒模糊粗糙集模型及算法研究》是依託東北大學，由安爽擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：考慮噪聲分布的魯棒模糊粗糙集模型及算法研究
- 項目類別：青年科學基金項目
- 項目負責人：安爽
- 依託單位：東北大學
中文摘要,結題摘要,
中文摘要
在工程套用中，採集的數據往往被疊加上一定程度的且服從一定機率分布的數據噪聲。因此，設計魯棒的數據分析模型是十分必要的。模糊粗糙集理論為處理數據中的不確定性提供了一種有效的數學工具，該理論對噪聲的敏感性引起了各國學者的廣泛重視。當前未考慮噪聲的分布信息是魯棒模糊粗糙集建模研究中仍然存在的一個問題。本項目嘗試解決這一問題，建立考慮噪聲分布的魯棒模糊粗糙集模型。. 本項目突破當前魯棒模糊粗糙集模型研究中不考慮噪聲分布的建模方式，通過分析服從不同分布的噪聲數據給模糊粗糙集的近似計算帶來的干擾特性，總結噪聲分布模型與魯棒模糊粗糙集建模之間的關係；以經驗風險最小化原則為指導建立考慮噪聲分布的魯棒模糊粗糙集模型。然後，基於考慮噪聲分布的模糊粗糙集模型建立魯棒的分類學習算法。此外，本項目將所提出的模型及算法套用於短期風電功率預報，驗證考慮噪聲分布的模糊粗糙集模型在實際套用中的有效性和魯棒性。
結題摘要
模糊粗糙集模型自從被提出就被作為不確定性的有效處理方法而廣泛套用到各個領域。然而模糊粗糙集對噪聲的敏感性使其在實際套用中受到了一定的約束和限制。這是因為實際數據中由於採樣誤差、系統誤差、模型誤差以及重複測量等因素的存在，不可避免的包含一定程度的不確定信息，即噪聲。因此，魯棒模糊粗糙集模型的研究工作成為近些年的研究熱點。實際套用中，採集的數據以及其中存在的噪聲往往服從不同的分布，這使得現有的一些魯棒模糊粗糙集模型只在某些數據集上表現出魯棒性。本項目針對這個問題充分利用數據集的分布信息研究考慮噪聲分布的魯棒粗糙集模型及算法。 本項目的主要研究內容如下。 1、研究了考慮噪聲分布信息的魯棒模糊粗糙集模型，即機率模糊粗糙集模型。該模型利用數據樣本的機率分布信息有效地避免了數據噪聲給模糊粗糙近似帶來的影響。2、研究了模糊粗糙原型學習算法及基於原型的魯棒分類模型。該模型的主要創新是將數據的機率分布信息與模糊粗糙集的下近似相結合作為原型的評價準則，使用模糊粗糙覆蓋方法選擇原型和進行測試樣本分類預測。3、研究了魯棒模糊粗糙分類模型，即模糊粗糙決策樹。該分類方法的主要特點是使用模糊粗糙集下近似作為節點選擇和分叉點選擇的理論基礎。4、研究了模糊粗糙回歸預測算法，並用於魯棒風電預報。該算法將模糊粗糙集理論套用於數值預測，並在風速數據上驗證了算法的有效性。綜上，本項目提出了一個魯棒的模糊粗糙集模型及三個分類與預測算法。這些研究成果分別發表在期刊IEEE Transactions on Cybernetics，Information Sciences，Fundamenta Informaticae上。由於實際套用中，數據噪聲不可避免，因此本項目研究的魯棒模糊粗糙集模型不僅有效地擴展了粗糙集理論的實際套用領域，而且提供了一種處理含有噪聲的數據集的有效方法。此外，提出的風速預測算法為穩定風電預報方法的研究工作提供了一定基礎，為國家電網的安全和穩定地運行作出了一定貢獻。
