| 【中文题名】 | 基于AFS理论和贴近度的模糊推理规则提取及属性约简 |
| 【英文题名】 | The Fuzzy Inference Rule Extraction and Attribute Reduction Based on AFS Theory and Closeness Degrees |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-8-24 |
| 【中关键词】 | AFS理论,贴近度,模糊推理规则,属性约简,, |
| 【英关键词】 | AFS theory, closeness degree, fuzzy inference rule, attribute reduction, |
| 【分类导航】 | 数理科学和化学>数学>代数、数论、组合理论>模糊数学>> |
| 【论文摘要】 | 在知识经济的时代，各种数据库中的数据繁杂却又蕴含重要的信息、知识，如何能最大限度的挖掘出有用的信息让其更好的服务于社会已成为人们普遍关注的问题。由刘晓东教授首创的AFS理论是从问题的原始数据出发用统一的算法建立起来的一种新的模糊数学分析方法，它由原始数据用AFS结构和AFS代数的运算以及其上的一个逆序对合运算建立模糊逻辑系统，用拓扑分子格刻划人类概念之间的抽象关系，使得隶属函数和模糊逻辑系统的建立更具客观性、严密性和统一性。自从模糊数学诞生以来人们所采用的隶属函数定义都是人为规定的，带有太多的主观因素，无法让人信服。AFS理论给出了不同于以往的全新的隶属函数的定义，这种定义方法相对客观、科学而且便于理解。这样就使得以AFS理论为基础的研究方法更加严密、客观。
本文将AFS理论与格贴近度相结合应用于模糊推理规则，得到了一种新的基于AFS理论与贴近度的模糊推理方法。通过实例可以看出此种模糊推理方法十分符合人的直觉，与所给的表中数据十分接近，而且简单、可行，便于操作，将AFS理论与贴近度相结合对数据库的属性进行分析，得到了一种新的属性约简的方法。一个现实中的例子反映出这种方法的简易、准确、可靠，这种方法... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-7 |
|
第1章 绪论 |
7-17 |
|
1.1 序言 |
7-8 |
|
1.2 模糊集的产生 |
8-9 |
|
1.3 预备知识 |
9-11 |
|
1.3.1 关系 |
9-10 |
|
1.3.2 格 |
10-11 |
|
1.4 模糊数学基本概念 |
11-15 |
|
1.4.1 模糊集及隶属度 |
11-12 |
|
1.4.2 模糊集的格运算 |
12-13 |
|
1.4.3 模糊集的基本性质 |
13-14 |
|
1.4.4 模糊关系 |
14-15 |
|
1.5 模糊数学的发展及应用 |
15-17 |
|
第2章 数据库知识简介 |
17-25 |
|
2.1 数据库知识介绍 |
17-19 |
|
2.1.1 数据库的产生和发展 |
17-19 |
|
2.1.2 数据库系统特点 |
19 |
|
2.2 数据挖掘技术简介 |
19-25 |
|
2.2.1 数据挖掘基本概念 |
19-20 |
|
2.2.2 数据挖掘系统的分类 |
20-21 |
|
2.2.3 数据挖掘功能 |
21-23 |
|
2.2.4 数据挖掘的应用 |
23-25 |
|
第3章 AFS理论简介 |
25-43 |
|
3.1 AFS方法的基本思想 |
26-32 |
|
3.2 AFS模糊逻辑系统 |
32-37 |
|
3.3 基于AFS方法的模糊聚类分析 |
37-43 |
|
第4章 模糊推理规则提取及属性约简 |
43-56 |
|
4.1 贴近度介绍 |
43-48 |
|
4.1.1 模糊集的模糊度 |
43-44 |
|
4.1.2 最大隶属原则 |
44 |
|
4.1.3 内积与外积 |
44-45 |
|
4.1.4 格贴近度 |
45-46 |
|
4.1.5 贴近度与择近原则 |
46-48 |
|
4.2 模糊推理规则提取 |
48-51 |
|
4.3 属性约简 |
51-56 |
|
第5章 结论 |
56-57 |
|
攻读学位期间公开发表的论文 |
57-58 |
|
致谢 |
58-59 |
|
参考文献 |
59-60 |
|
| 【DOI】 | LunWen.ID:2.2008.11902 |
