隨著數(shù)據(jù)庫(kù)技術(shù)的發(fā)展和應(yīng)用,社會(huì)各部門積累了大量的數(shù)據(jù),而且這些數(shù)據(jù)每一天都在增加,數(shù)據(jù)挖掘是發(fā)現(xiàn)這些數(shù)據(jù)背后隱藏的知識(shí)的有效手段。但是,如果在數(shù)據(jù)庫(kù)更新之后要對(duì)全部數(shù)據(jù)重新進(jìn)行挖掘,需要消耗大量的資源,這導(dǎo)致對(duì)增量挖掘算法的迫切需求。把增量算法與數(shù)據(jù)庫(kù)的更新結(jié)合在一起,漸增地進(jìn)行知識(shí)的更新,修正和加強(qiáng)先前業(yè)已發(fā)現(xiàn)的知識(shí),從而使得修正后的知識(shí)庫(kù)能夠適應(yīng)更新后的數(shù)據(jù)庫(kù),而不必重新挖掘全部數(shù)據(jù)。 粗糙集理論是數(shù)據(jù)挖掘的方法之一,它是處理模糊和不確定知識(shí)的一種數(shù)學(xué)工具,已在人工智能與知識(shí)發(fā)現(xiàn)、模式識(shí)別、智能控制、智能決策、沖突分析及故障檢測(cè)等方面得到了較好應(yīng)用。但是,目前基于粗糙集理論提出的數(shù)據(jù)挖掘算法主要都是針對(duì)靜態(tài)數(shù)據(jù)集,考慮到實(shí)際應(yīng)用的需求和粗糙集理論的現(xiàn)狀,本文主要對(duì)粗糙集理論的增量算法進(jìn)行研究。而粗糙集中的決策邏輯作為一種從信息系統(tǒng)中獲取蘊(yùn)涵于其中知識(shí)的模型,使用邏輯推演中的符號(hào)工具,能夠有效發(fā)現(xiàn)知識(shí)的依賴性并對(duì)知識(shí)進(jìn)行簡(jiǎn)化,而且能夠準(zhǔn)確的描述新增樣例的狀態(tài),所以本文選擇決策邏輯理論作為增量學(xué)習(xí)研究的理論基礎(chǔ)。 本文首先對(duì)... 

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
第1章 引言
    1.1 選題背景及意義
    1.2 增量學(xué)習(xí)的研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)
第2章 決策邏輯語(yǔ)言簡(jiǎn)介
    2.1 決策表
    2.2 決策邏輯語(yǔ)言
    2.3 決策邏輯的語(yǔ)法與語(yǔ)義
        2.3.1 決策邏輯的語(yǔ)法
        2.3.2 決策邏輯的語(yǔ)義
    2.4 決策規(guī)則和決策算法
        2.4.1 決策規(guī)則
        2.4.2 決策算法
    2.5 協(xié)調(diào)算法的約簡(jiǎn)
    2.6 決策規(guī)則的約簡(jiǎn)
    2.7 極小決策算法
    2.8 完備極小決策算法
第3章 基于決策邏輯的增量學(xué)習(xí)理論分析
    3.1 新增樣例的分類
    3.2 理論分析
        3.2.1 新增鞏固樣例
        3.2.2 新增全新樣例
        3.2.3 新增部分矛盾樣例
        3.2.4 新增完全矛盾樣例
第4章 算法設(shè)計(jì)及算法復(fù)雜性分析
    4.1 算法設(shè)計(jì)
        4.1.1 經(jīng)典的非增量學(xué)習(xí)算法描述
        4.1.2 ILABDL算法設(shè)計(jì)
    4.2 算法復(fù)雜性分析
        4.2.1 在模型S中求M的算法復(fù)雜性分析
            4.2.1.1 求模型S的一個(gè)約簡(jiǎn)
            4.2.1.2 求規(guī)則的約簡(jiǎn)
            4.2.1.3 求Fφ的一個(gè)約簡(jiǎn)
        4.2.2 經(jīng)典非增量算法求M'的復(fù)雜性
        4.2.3 ILABDL求M'的復(fù)雜性
第5章 實(shí)驗(yàn)設(shè)計(jì)與實(shí)驗(yàn)結(jié)果分析
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 實(shí)驗(yàn)方案
    5.3 測(cè)試結(jié)果與分析
第6章 總結(jié)與展望
    6.1 結(jié)論
    6.2 今后的工作
參考文獻(xiàn)
發(fā)表文章目錄
致謝
個(gè)人簡(jiǎn)況及聯(lián)系方式
承諾書


【參考文獻(xiàn)】：
期刊論文
[1]一種新的規(guī)則獲取增量式算法[J]. 胡建龍,岳曉冬,李德玉.  山西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(02)
[2]基于遺傳算法的Bayesian網(wǎng)結(jié)構(gòu)增量學(xué)習(xí)的研究[J]. 王飛,劉大有,王淞昕.  計(jì)算機(jī)研究與發(fā)展. 2005(09)
[3]基于增量學(xué)習(xí)支持向量機(jī)的音頻例子識(shí)別與檢索[J]. 吳飛,莊越挺,潘云鶴.  計(jì)算機(jī)研究與發(fā)展. 2003(07)
[4]構(gòu)造型神經(jīng)網(wǎng)絡(luò)雙交叉覆蓋增量學(xué)習(xí)算法[J]. 陶品,張鈸,葉榛.  軟件學(xué)報(bào). 2003(02)
[5]Jelonek屬性約簡(jiǎn)算法的一個(gè)改進(jìn)[J]. 葉東毅.  電子學(xué)報(bào). 2000(12)
[6]屬性最小約簡(jiǎn)的增量式算法[J]. 劉宗田.  電子學(xué)報(bào). 1999(11)
[7]混合型學(xué)習(xí)模型HLM中的增量學(xué)習(xí)算法[J]. 陳兆乾,周志華,李紅兵,謝俊元.  軟件學(xué)報(bào). 1997(11)
[8]關(guān)于Rough Set理論與應(yīng)用的綜述[J]. 王玨,苗奪謙,周育健.  模式識(shí)別與人工智能. 1996(04)



本文編號(hào)：3703954