| 【中文题名】 | 不完备信息系统下的知识获取方法研究 |
| 【英文题名】 | The Research of Knowledge Acquisition Method in Incomplete Information System |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-7-6 |
| 【中关键词】 | 知识获取,粗糙集,证据理论,知识约简,不完备信息系统,不完备决策表 |
| 【英关键词】 | Knowledge Acquisition,Rough Set,D-S Theory,Knowledge Reduction,Incomplete Information System,Incomplete Decision Table, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
不确定环境下的知识获取是智能信息处理中的关键问题之一。如何在信息不完全、不精确或模糊的情况下，根据决策系统中已有的决策数据获取知识，一直为众多学者所关注。近年来，基于粗糙集理论的知识获取方法已成为一种重要的方法，它是二十世纪八十年代由波兰科学家Z.Pawlak提出的一种新的处理不精确、不确定知识的软计算工具。证据理论是Dempster于20世纪60年代首次提出，试图用概率上下限来表示实际问题中的不确定性的一种重要的不确定性推理方法。证据理论广泛应用于信息融合、数据处理等领域。
本文主要研究不完备信息系统下的知识获取方法，并取得了一些有意义的结果。
本文探讨了证据理论、贝叶斯理论在不完备信息系统中如何进行规则提取，分析了它们两者之间的联系与区别，并通过实例加以说明。
针对不完备决策表，本文提出了一种基于属性重要性的知识约简算法。在属性依赖性的基础上，定义了属性重要性，以此作为算法的启发式信息，并对算法的结构进行描述，用Visual BasiC语言加以实现，实例验证了这种算法的有效性。
本文对于粗糙集理论和证据理论等数据挖掘方法在不完备系统中的应用做... |
| 【论文题纲】 |
|
第一章 绪论 |
7-9 |
|
1.1 研究背景 |
7-8 |
|
1.2 本文的组织结构 |
8-9 |
|
第二章 信息系统 |
9-11 |
|
2.1 信息系统概述 |
9 |
|
2.2 信息系统定义 |
9-11 |
|
第三章 粗糙集和证据理论的基本概念 |
11-17 |
|
3.1 粗糙集理论的基本概念 |
11-13 |
|
3.2 粗糙集理论的应用及存在问题 |
13-14 |
|
3.3 证据理论的基本概念 |
14-15 |
|
3.4 证据理论的应用及存在问题 |
15-17 |
|
第四章 证据理论与贝叶斯理论在不完备信息系统中的应用 |
17-22 |
|
4.1 证据理论与不完备信息系统的对应 |
17-18 |
|
4.2 证据理论与贝叶斯理论的比较 |
18 |
|
4.3 实例说明 |
18-21 |
|
4.4 小结 |
21-22 |
|
第五章 不完备决策表的知识约简算法 |
22-29 |
|
5.1 引言 |
22 |
|
5.2 不完备信息系统下的粗糙集理论 |
22-24 |
|
5.3 属性重要性 |
24-25 |
|
5.4 知识约简算法 |
25 |
|
5.5 系统环境 |
25 |
|
5.6 算法的数据结构 |
25-26 |
|
5.7 实例说明 |
26-28 |
|
5.8 小结 |
28-29 |
|
结束语 |
29-30 |
|
攻读硕士学位期间发表的学术论文 |
30-31 |
|
参考文献 |
31-34 |
|
致谢 |
34 |
|
| 【DOI】 | LunWen.ID:2.2008.386997 |
