本文關(guān)鍵詞：基于粗糙集的多粒度知識獲取方法研究

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

【摘要】：二十世紀(jì)以來,我們已經(jīng)逐步邁入了大數(shù)據(jù)(Big Data)時代。大數(shù)據(jù)的熱潮促使我們對數(shù)據(jù)分析與知識獲取的需求越來越迫切。粗糙集(Rough Sets)理論作為一種不需先驗知識,就可以對已有的數(shù)據(jù)進(jìn)行分析與提取的數(shù)學(xué)工具,具有重大的研究價值�；诖植诩牧Ｓ嬎隳Ｐ�,可以從多粒度的方向模擬人類的思維來分析、解決粗糙集研究過程中遇到的問題。其中,粗糙集的知識獲取包括劃分與屬性核的求解、屬性約簡、規(guī)則提取等內(nèi)容,一直都是研究者關(guān)注和研究的熱點問題。本文在基于粗糙集的多粒度模型,主要開展了以下幾方面的研究內(nèi)容:1)不分明關(guān)系是粗糙集的一個重要概念,它直接形成了條件屬性對論域的等價劃分。本文首先提出了一種快速計算條件屬性對論域劃分的算法。主要是對所有條件屬性賦值,并通過求和把多個屬性轉(zhuǎn)化為一個屬性層,再判斷數(shù)值和是否重復(fù)即可得出是否屬于同一個劃分。然后,在計算條件屬性對論域劃分的基礎(chǔ)上,提出了一種快速計算屬性核的算法。該算法主要是通過補信息系統(tǒng)進(jìn)行計算,無論信息系統(tǒng)是否一致,始終保持一致的高效性。并通過實例闡明了算法的具體步驟,最后通過對比實驗對算法進(jìn)行了驗證。2)在上述算法的基礎(chǔ)上,提出了一種啟發(fā)式的屬性約簡的算法。該算法主要是用近似集與知識粒度兩方面對約簡進(jìn)行度量,并以正區(qū)域與負(fù)區(qū)域的區(qū)分率來作為啟發(fā)式信息,選取區(qū)分率最大的對應(yīng)條件屬性加入屬性核進(jìn)行求解。3)在計算條件屬性對論域劃分的基礎(chǔ)上,根據(jù)粒計算的模擬人類思想與行為的能力,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)則的平均長度盡可能優(yōu)化。最后通過實例和實驗對算法進(jìn)行了驗證。
【關(guān)鍵詞】：粗糙集 多粒度 屬性約簡 規(guī)則提取 屬性核
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：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 粒計算研究現(xiàn)狀14-15
• 1.3 主要研究內(nèi)容15-16
• 1.4 組織機(jī)構(gòu)16-17
• 第2章 粗糙集與粒計算基礎(chǔ)知識17-24
• 2.1 粗糙集基礎(chǔ)知識17-19
• 2.2 粒計算基礎(chǔ)知識19-23
• 2.2.1 粒計算的組成19-20
• 2.2.2 粒計算的基本問題20
• 2.2.3 知識的�；�20-21
• 2.2.4 粒計算的知識空間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 實例與實驗33-36
• 3.4.1 算法舉例33-35
• 3.4.2 實驗分析35-36
• 3.5 本章小結(jié)36-38
• 第4章 多粒度的知識獲取38-52
• 4.1 知識獲取38
• 4.2 屬性約簡算法38-42
• 4.2.1 相關(guān)定義38-40
• 4.2.2 算法步驟40-41
• 4.2.3 實驗分析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 實驗分析50-51
• 4.4 本章小結(jié)51-52
• 第5章 結(jié)束語52-54
• 5.1 主要工作與創(chuàng)新點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)】

中國期刊全文數(shù)據(jù)庫 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算法的圖像分割[J];軟件學(xué)報;2014年11期

2 錢文彬;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];計算機(jī)科學(xué);2013年06期

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

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

5 王國胤;張清華;;不同知識粒度下粗糙集的不確定性研究[J];計算機(jī)學(xué)報;2008年09期

6 龐發(fā)虎;龐振凌;杜瑞卿;;粗糙集理論對湖泊生態(tài)系統(tǒng)健康評定指數(shù)法的評價[J];生物數(shù)學(xué)學(xué)報;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價中的應(yīng)用[J];食品研究與開發(fā);2008年02期

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

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

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

，

本文編號：907172