本文關(guān)鍵詞：多知識(shí)抽取在腦認(rèn)知中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：功能性磁共振成像(fMRI)對(duì)于探索大腦內(nèi)部運(yùn)作是腦認(rèn)知研究的最重要工具,fMRI采集的數(shù)據(jù)是在一段時(shí)間內(nèi),對(duì)于特定刺激事物,大腦不同區(qū)域產(chǎn)生特定的反映變化圖像,明顯的特點(diǎn)是區(qū)域多,數(shù)據(jù)量大,使其成為一個(gè)非常具有挑戰(zhàn)性的問(wèn)題。因此,對(duì)收集的數(shù)據(jù)進(jìn)行切實(shí)有效的分析化簡(jiǎn),才能深度發(fā)掘大腦行為變化。人們?cè)絹?lái)越需要新的方法,可以有效地、客觀地從功能磁共振成像數(shù)據(jù)中提取有用的信息并將它轉(zhuǎn)化為可理解的知識(shí)。本文研究了粗糙集的基本理論和屬性約簡(jiǎn)。粗糙集理論對(duì)于減少屬性和獲取規(guī)則提供了有效的方法。為了克服粗糙集屬性約簡(jiǎn)算法約簡(jiǎn)單一,很難獲得最小約簡(jiǎn)的缺點(diǎn),提出了基于粗糙集循環(huán)多約簡(jiǎn)及其形式概念分析算法,該方法主要是利用粗糙集獲得決策表的多約簡(jiǎn)抽取多知識(shí),通過(guò)形式概念分析獲得規(guī)則中各個(gè)條件屬性值對(duì)決策值的影響程度,從而獲取重要的規(guī)則。通過(guò)多約簡(jiǎn)獲得的多個(gè)單知識(shí)庫(kù)之間的規(guī)則可能存在矛盾,利用貝葉斯分類器來(lái)確定這些矛盾規(guī)則的決策,使得多知識(shí)庫(kù)保持一致。通過(guò)UCI數(shù)據(jù)的實(shí)驗(yàn)結(jié)果證明該算法的有效性。最后,本文介紹了利用功能磁共振成像獲得腦數(shù)據(jù)的相關(guān)條件與流程,通過(guò)對(duì)受試者大腦進(jìn)行人為的外界刺激獲得fMRI數(shù)據(jù),根據(jù)fMRI數(shù)據(jù)中外界刺激類型(圖像、中文、英文)的不同,將本文算法應(yīng)用到對(duì)大腦不同區(qū)域的腦數(shù)據(jù)進(jìn)行屬性約簡(jiǎn),進(jìn)而通過(guò)FCA獲得重要的規(guī)則。根據(jù)各個(gè)腦區(qū)的激活程度,來(lái)判定受到的外界刺激類型。
【關(guān)鍵詞】：fMRI 腦認(rèn)知 多知識(shí) 粗糙集 形式概念分析
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R445.2;R338
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 研究現(xiàn)狀10-12
• 1.3 本文的工作12
• 1.4 論文結(jié)構(gòu)12-13
• 第2章 粗糙集和形式概念分析的基本理論13-26
• 2.1 粗糙集理論概念13-19
• 2.1.1 知識(shí)與信息系統(tǒng)13-15
• 2.1.2 粗糙集理論基本定義15-17
• 2.1.3 多知識(shí)17-19
• 2.2 形式概念分析基本概念19-24
• 2.2.1 單值屬性的形式背景19-20
• 2.2.2 多值屬性的形式背景20-22
• 2.2.3 形式概念和Hasse圖22-24
• 2.3 本章小結(jié)24-26
• 第3章 循環(huán)多約簡(jiǎn)及其形式概念分析算法26-46
• 3.1 整體算法的設(shè)計(jì)思路26
• 3.2 循環(huán)多約簡(jiǎn)算法26-31
• 3.2.1 簡(jiǎn)化表的快速計(jì)算法26-28
• 3.2.2 基于簡(jiǎn)表的循環(huán)多約簡(jiǎn)算法28-29
• 3.2.3 基于簡(jiǎn)表的與基于原表的循環(huán)多約簡(jiǎn)算法比較29-31
• 3.3 概念格的構(gòu)造及其規(guī)則處理算法31-34
• 3.3.1 概念格構(gòu)造方法31-32
• 3.3.2 概念格規(guī)則提取32-34
• 3.4 知識(shí)沖突的處理算法34-38
• 3.5 基于粗糙集多約簡(jiǎn)及其形式概念算法設(shè)計(jì)及仿真實(shí)驗(yàn)38-45
• 3.5.1 基于粗糙集多約簡(jiǎn)及其形式概念算法設(shè)計(jì)38-40
• 3.5.2 UCI數(shù)據(jù)仿真實(shí)驗(yàn)40-45
• 3.6 本章小結(jié)45-46
• 第4章 多知識(shí)抽取在腦認(rèn)知中的應(yīng)用46-69
• 4.1 實(shí)驗(yàn)背景46-47
• 4.1.1 實(shí)驗(yàn)對(duì)象及其條件46-47
• 4.1.2 實(shí)驗(yàn)流程47
• 4.2 腦數(shù)據(jù)預(yù)處理47-51
• 4.3 算法在腦數(shù)據(jù)中的應(yīng)用51-65
• 4.3.1 腦數(shù)據(jù)的約簡(jiǎn)結(jié)果51-53
• 4.3.2 決策值為圖像的知識(shí)處理53-58
• 4.3.3 決策值為中文的知識(shí)處理58-61
• 4.3.4 決策值為英文的知識(shí)處理61-65
• 4.4 實(shí)驗(yàn)結(jié)果及分析65-68
• 4.5 本章小結(jié)68-69
• 第5章 總結(jié)與展望69-71
• 5.1 論文總結(jié)69
• 5.2 下一步工作展望69-71
• 參考文獻(xiàn)71-76
• 攻讀學(xué)位期間公開(kāi)發(fā)表論文76-77
• 致謝77

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊慧,瞿暢,李乃成;粗糙集與軟集合在臨床診斷中約簡(jiǎn)及決策分析[J];紡織高校基礎(chǔ)科學(xué)學(xué)報(bào);2004年03期

2 李瓊,謝國(guó)明,牟永閣;基于粗糙集的數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)診斷中的應(yīng)用[J];醫(yī)療衛(wèi)生裝備;2005年03期

3 晏峻峰;朱文鋒;;粗糙集理論在中醫(yī)證素辨證研究中的應(yīng)用[J];中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志;2006年02期

4 孟慶全;徐文龍;;粗糙集合在中醫(yī)診斷中的應(yīng)用研究[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

5 李清霞;;基于粗糙集與分類回歸樹(shù)的“病例組合”分類研究[J];產(chǎn)業(yè)與科技論壇;2009年02期

6 姜華;劉健;張安妮;楊興春;;基于粗糙集規(guī)則和灰色聚類算法的檔案信息資源評(píng)價(jià)體系研究[J];江漢大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

7 劉亞麗;黃汛;;基于粗糙集理論的低壓電器故障診斷方法研究[J];江漢大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

8 陳真誠(chéng),林剛,張鋒,蔣大宗,倪利莉,王紅艷;基于粗糙集理論的胸部X線數(shù)字圖象增強(qiáng)方法的研究[J];光子學(xué)報(bào);2002年08期

9 程樹(shù)英;曲國(guó)鋒;;基于粗糙集的肺炎診斷[J];數(shù)理醫(yī)藥學(xué)雜志;2009年03期

10 王剛;劉元寧;陳慧靈;董浩;朱曉冬;;粗糙集與支持向量機(jī)在肝炎診斷中的應(yīng)用[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 黎文航;陳善本;王兵;;粗糙集理論在焊接中的應(yīng)用綜述[A];第十一次全國(guó)焊接會(huì)議論文集（第2冊(cè)）[C];2005年

2 尹宗成;;粗糙集理論在我國(guó)糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[A];現(xiàn)代農(nóng)業(yè)理論與實(shí)踐——安徽現(xiàn)代農(nóng)業(yè)博士科技論壇論文集[C];2007年

3 鄒剛;滕書(shū)華;孫即祥;陳森林;敖永紅;;一種粗糙集優(yōu)化協(xié)同原型模式約簡(jiǎn)分類方法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

4 葛麗;傅彥;;粗糙集在科學(xué)數(shù)據(jù)屬性約簡(jiǎn)中的應(yīng)用[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

5 陳雪飛;;粗糙集分類中耦合數(shù)據(jù)的處理方法研究[A];2008年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2008年

6 肖健梅;蘆曉明;王錫淮;;集裝箱起重機(jī)防搖系統(tǒng)粗糙集控制[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

7 王印松;馮康;;主汽溫調(diào)節(jié)系統(tǒng)性能評(píng)價(jià)的粗糙集實(shí)現(xiàn)方法[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

8 王紅萍;萬(wàn)程亮;金彥豐;;應(yīng)用粗糙集理論的對(duì)抗效果權(quán)重確定方法[A];2009’中國(guó)西部地區(qū)聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2009年

9 王莉;周獻(xiàn)中;;一種基于粗糙集的模糊神經(jīng)網(wǎng)絡(luò)模型在鋼材力學(xué)性能預(yù)測(cè)中的研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

10 卓明;王麗珍;譚旭;;基于粗糙集近似集擴(kuò)展的規(guī)則提取算法[A];第十七屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2000年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 馬希驁;概率粗糙集屬性約簡(jiǎn)理論及方法研究[D];西南交通大學(xué);2014年

2 唐孝;基于粗糙集的知識(shí)發(fā)現(xiàn)方法及其在ECG信號(hào)識(shí)別中的應(yīng)用[D];電子科技大學(xué);2015年

3 曾凱;鄰域�；植谟�(jì)算的關(guān)鍵技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2015年

4 鮑忠奎;面向不確定信息系統(tǒng)的粗糙集擴(kuò)展模型研究[D];合肥工業(yè)大學(xué);2015年

5 薛佩軍;正負(fù)域覆蓋廣義粗糙集與知識(shí)粗傳播研究[D];山東大學(xué);2007年

6 孔芝;粗糙集理論若干問(wèn)題的研究與應(yīng)用[D];東北大學(xué);2009年

7 秦中廣;基于粗糙集的交叉研究及其在中醫(yī)診斷的應(yīng)用[D];華南理工大學(xué);2002年

8 劉少輝;知識(shí)發(fā)現(xiàn)中粗糙集理論的研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2003年

9 鄧大勇;基于粗糙集的數(shù)據(jù)約簡(jiǎn)及粗糙集擴(kuò)展模型的研究[D];北京交通大學(xué);2007年

10 孫英娟;基于粗糙集的分類方法研究[D];吉林大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 江飛;粗糙集神經(jīng)網(wǎng)絡(luò)故障診斷方法研究[D];西安石油大學(xué);2015年

2 何理榮;粗糙集理論在銀行信貸風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[D];華南理工大學(xué);2015年

3 張德齊;基于粗糙集理論的電機(jī)故障診斷方法研究[D];渤海大學(xué);2015年

4 楊禮;基于粗糙集的公路交通安全預(yù)警研究[D];西南交通大學(xué);2015年

5 聶萌瑤;基于泛系串并模型的粗糙集概念擴(kuò)展與拓?fù)淇臻g[D];蘭州大學(xué);2015年

6 徐鵬;基于粗糙集的建筑起重機(jī)械安全精細(xì)化評(píng)價(jià)研究[D];西安建筑科技大學(xué);2015年

7 孫宇航;粗糙集屬性約簡(jiǎn)方法在醫(yī)療診斷中的應(yīng)用研究[D];蘇州大學(xué);2015年

8 張曼;基于粗糙集和包含度的聚類分類算法研究[D];青島理工大學(xué);2015年

9 車世遠(yuǎn);基于群搜索優(yōu)化粗糙集的腦科學(xué)數(shù)據(jù)研究[D];大連海事大學(xué);2015年

10 林哲;基于粗糙集的馬田系統(tǒng)研究及其在銀行直接營(yíng)銷客戶分類中的應(yīng)用[D];南京理工大學(xué);2015年

  本文關(guān)鍵詞：多知識(shí)抽取在腦認(rèn)知中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：312317