本文關(guān)鍵詞：基于粗糙集的多粒度知識(shí)獲取方法研究

  更多相關(guān)文章： 粗糙集 多粒度 屬性約簡(jiǎn) 規(guī)則提取 屬性核

【摘要】：二十世紀(jì)以來(lái),我們已經(jīng)逐步邁入了大數(shù)據(jù)(Big Data)時(shí)代。大數(shù)據(jù)的熱潮促使我們對(duì)數(shù)據(jù)分析與知識(shí)獲取的需求越來(lái)越迫切。粗糙集(Rough Sets)理論作為一種不需先驗(yàn)知識(shí),就可以對(duì)已有的數(shù)據(jù)進(jìn)行分析與提取的數(shù)學(xué)工具,具有重大的研究?jī)r(jià)值。基于粗糙集的粒計(jì)算模型,可以從多粒度的方向模擬人類(lèi)的思維來(lái)分析、解決粗糙集研究過(guò)程中遇到的問(wèn)題。其中,粗糙集的知識(shí)獲取包括劃分與屬性核的求解、屬性約簡(jiǎn)、規(guī)則提取等內(nèi)容,一直都是研究者關(guān)注和研究的熱點(diǎn)問(wèn)題。本文在基于粗糙集的多粒度模型,主要開(kāi)展了以下幾方面的研究?jī)?nèi)容:1)不分明關(guān)系是粗糙集的一個(gè)重要概念,它直接形成了條件屬性對(duì)論域的等價(jià)劃分。本文首先提出了一種快速計(jì)算條件屬性對(duì)論域劃分的算法。主要是對(duì)所有條件屬性賦值,并通過(guò)求和把多個(gè)屬性轉(zhuǎn)化為一個(gè)屬性層,再判斷數(shù)值和是否重復(fù)即可得出是否屬于同一個(gè)劃分。然后,在計(jì)算條件屬性對(duì)論域劃分的基礎(chǔ)上,提出了一種快速計(jì)算屬性核的算法。該算法主要是通過(guò)補(bǔ)信息系統(tǒng)進(jìn)行計(jì)算,無(wú)論信息系統(tǒng)是否一致,始終保持一致的高效性。并通過(guò)實(shí)例闡明了算法的具體步驟,最后通過(guò)對(duì)比實(shí)驗(yàn)對(duì)算法進(jìn)行了驗(yàn)證。2)在上述算法的基礎(chǔ)上,提出了一種啟發(fā)式的屬性約簡(jiǎn)的算法。該算法主要是用近似集與知識(shí)粒度兩方面對(duì)約簡(jiǎn)進(jìn)行度量,并以正區(qū)域與負(fù)區(qū)域的區(qū)分率來(lái)作為啟發(fā)式信息,選取區(qū)分率最大的對(duì)應(yīng)條件屬性加入屬性核進(jìn)行求解。3)在計(jì)算條件屬性對(duì)論域劃分的基礎(chǔ)上,根據(jù)粒計(jì)算的模擬人類(lèi)思想與行為的能力,以及粒度的變化,提出了多粒度的規(guī)則提取算法。該算法主要通過(guò)標(biāo)記的方法從正面直接選取規(guī)則,在保證正確率與覆蓋率的前提下,使規(guī)則數(shù)與規(guī)則的平均長(zhǎng)度盡可能優(yōu)化。最后通過(guò)實(shí)例和實(shí)驗(yàn)對(duì)算法進(jìn)行了驗(yàn)證。
【關(guān)鍵詞】：粗糙集 多粒度 屬性約簡(jiǎn) 規(guī)則提取 屬性核
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP18
【目錄】：

• 摘要3-4
• Abstract4-10
• 第1章 引言10-17
• 1.1 選題背景及意義10-12
• 1.2 研究現(xiàn)狀12-15
• 1.2.1 粗糙集研究現(xiàn)狀12-14
• 1.2.2 粒計(jì)算研究現(xiàn)狀14-15
• 1.3 主要研究?jī)?nèi)容15-16
• 1.4 組織機(jī)構(gòu)16-17
• 第2章 粗糙集與粒計(jì)算基礎(chǔ)知識(shí)17-24
• 2.1 粗糙集基礎(chǔ)知識(shí)17-19
• 2.2 粒計(jì)算基礎(chǔ)知識(shí)19-23
• 2.2.1 粒計(jì)算的組成19-20
• 2.2.2 粒計(jì)算的基本問(wèn)題20
• 2.2.3 知識(shí)的�；�20-21
• 2.2.4 粒計(jì)算的知識(shí)空間21-23
• 2.3 本章小結(jié)23-24
• 第3章 基于粗糙集的劃分與屬性核求解24-38
• 3.1 基本概念25-26
• 3.2 劃分求解26-30
• 3.2.1 屬性粒與屬性層26
• 3.2.2 相關(guān)定義和原理26-29
• 3.2.3 算法步驟29-30
• 3.3 屬性核求解30-33
• 3.3.1 屬性層的分解30-31
• 3.3.2 相關(guān)定義和原理31-32
• 3.3.3 算法步驟32-33
• 3.4 實(shí)例與實(shí)驗(yàn)33-36
• 3.4.1 算法舉例33-35
• 3.4.2 實(shí)驗(yàn)分析35-36
• 3.5 本章小結(jié)36-38
• 第4章 多粒度的知識(shí)獲取38-52
• 4.1 知識(shí)獲取38
• 4.2 屬性約簡(jiǎn)算法38-42
• 4.2.1 相關(guān)定義38-40
• 4.2.2 算法步驟40-41
• 4.2.3 實(shí)驗(yàn)分析41-42
• 4.3 多粒度的規(guī)則提取算法42-51
• 4.3.1 相關(guān)定義42-45
• 4.3.2 問(wèn)題引入45-46
• 4.3.3 算法描述46-49
• 4.3.4 算法舉例49-50
• 4.3.5 實(shí)驗(yàn)分析50-51
• 4.4 本章小結(jié)51-52
• 第5章 結(jié)束語(yǔ)52-54
• 5.1 主要工作與創(chuàng)新點(diǎn)52-53
• 5.2 后續(xù)研究工作53-54
• 參考文獻(xiàn)54-59
• 致謝59-60
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 馬文萍;黃媛媛;李豪;李曉婷;焦李成;;基于粗糙集與差分免疫模糊聚類(lèi)算法的圖像分割[J];軟件學(xué)報(bào);2014年11期

2 錢(qián)文彬;楊炳儒;徐章艷;謝永紅;;基于差別矩陣的不一致決策表規(guī)則獲取算法[J];計(jì)算機(jī)科學(xué);2013年06期

3 張清華;王國(guó)胤;劉顯全;;基于最大粒的規(guī)則獲取算法[J];模式識(shí)別與人工智能;2012年03期

4 葛浩;李龍澍;楊傳健;;改進(jìn)的快速屬性約簡(jiǎn)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年02期

5 王國(guó)胤;張清華;;不同知識(shí)粒度下粗糙集的不確定性研究[J];計(jì)算機(jī)學(xué)報(bào);2008年09期

6 龐發(fā)虎;龐振凌;杜瑞卿;;粗糙集理論對(duì)湖泊生態(tài)系統(tǒng)健康評(píng)定指數(shù)法的評(píng)價(jià)[J];生物數(shù)學(xué)學(xué)報(bào);2008年02期

7 李為相;程明;李幫義;;粗集理論在食品安全綜合評(píng)價(jià)中的應(yīng)用[J];食品研究與開(kāi)發(fā);2008年02期

8 王國(guó)胤;張清華;胡軍;;粒計(jì)算研究綜述[J];智能系統(tǒng)學(xué)報(bào);2007年06期

9 余鋒林;王儒敬;朱學(xué)昊;王慧橋;;基于差別矩陣的動(dòng)態(tài)約簡(jiǎn)及規(guī)則提取算法[J];自動(dòng)化與儀表;2007年06期

10 楊明;;決策表中基于條件信息熵的近似約簡(jiǎn)[J];電子學(xué)報(bào);2007年11期

，

本文編號(hào)：907172