| 【中文题名】 | Rough集应用研究 |
| 【英文题名】 | Applying Rough Sets Theory into Practical Application |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-10-26 |
| 【中关键词】 | 粗糙集,应用方案,财务预警,车牌识别,, |
| 【英关键词】 | Rough-Sets,Application,Financial crisis Prediction,Character Recognition,Toolkit, |
| 【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】 | 本课题的研究工作,主要围绕着粗糙集理论的特点以及粗糙集在实际中应用的要点展开,涵盖了粗糙集理论的基本观点和特点、粗糙集理论进行实际应用的一般模型、粗糙集信息表补齐和数据离散化的主要方法、属性约简的主要方案、与其它机器学习方法在实际应用中结合的成功实例、粗糙集实验系统等内容。形成了较为完善的粗糙集应用理论和技术方案。
回顾了粗糙集理论的基本观点和特点,对粗糙集的理论研究现状和应用情况作了简单的归纳和总结。并提出了粗糙集在实际应用中的一般模型,对粗糙集信息表补齐、连续数据离散化、属性约简的常用算法进行了介绍和讨论。
介绍了利用粗糙集理论和核Fisher方法构造了Rough—核Fisher财务预警系统。该系统以粗糙集理论的有关方法作为知识获取的预处理机制,以训练好的核Fisher方法作为系统的知识库,以此建立系统的总体结构。最后用实际的数据库为例,构造了基于中国上市公司财务数据的财务预警模型,并得出令人满意的分类正确率。
利用粗糙集方法中的决策规则提取,进行了车牌字符识别的研究。将车牌字符进行归一化处理后构造16×16的矩阵,以此为依据构造决策表;随后提取决策规则构造决策规则表对... |
| 【论文题纲】 |
|
1 绪论 |
7-20 |
|
1.1 Rough集的提出背景 |
7-8 |
|
1.2 Rough集基本知识 |
8-13 |
|
1.2.1 信息系统 |
8 |
|
1.2.2 不可分辨关系 |
8-9 |
|
1.2.3 逼近集 |
9-10 |
|
1.2.4 决策表 |
10-11 |
|
1.2.5 属性约简和核 |
11-12 |
|
1.2.6 置信度 |
12 |
|
1.2.7 支持度 |
12 |
|
1.2.8 可分辨矩阵 |
12-13 |
|
1.2.9 属性的重要性 |
13 |
|
1.3 Rough集的特点 |
13-14 |
|
1.4 Rough集研究现状 |
14-19 |
|
1.4.1 理论研究现状 |
14-18 |
|
1.4.2 粗糙集理论应用研究现状 |
18-19 |
|
1.5 课题研究内容 |
19-20 |
|
2 ROUGH集应用相关问愿研究 |
20-36 |
|
2.1 Rough集应用的一般步骤 |
20-21 |
|
2.2 不完备数据的处理 |
21-27 |
|
2.2.1 进行数据补齐 |
21-25 |
|
2.2.2 采用可变精度模型(VPRS) |
25-26 |
|
2.2.3 采用基于相似关系的粗糙集模型 |
26-27 |
|
2.3 连续数据的处理 |
27-31 |
|
2.3.1 利用先验知识进行离散化 |
28 |
|
2.3.2 无先验知识进行量化 |
28-31 |
|
2.4 Rough集约简算法选择 |
31-36 |
|
3 ROUGH集实例系统分析之财务预警 |
36-48 |
|
3.1 基本思路 |
36-37 |
|
3.2 相关知识介绍 |
37-41 |
|
3.2.1 财务预警概述 |
37-38 |
|
3.2.2 主成分分析方法简介 |
38 |
|
3.2.3 核Fisher方法介绍 |
38-40 |
|
3.2.4 神经网络方法简介 |
40-41 |
|
3.3 数据准备和预处理 |
41-43 |
|
3.3 数据分析与处理 |
43-44 |
|
3.4 相关实验结果及讨论 |
44-48 |
|
3.4.1 利用神经网络作为分类器的结果 |
44-45 |
|
3.4.2 利用核Fisher方法作为分类器的结果 |
45-46 |
|
3.4.3 讨论 |
46-48 |
|
4 ROUGH集实例分析之车牌识别 |
48-54 |
|
4.1 基本思路 |
48 |
|
4.2 车牌识别问题研究现状 |
48-50 |
|
4.2.1 车牌识别简介 |
48-49 |
|
3.2.2 车牌分割研究现状 |
49-50 |
|
4.2.3 字符识别研究现状 |
50 |
|
4.3 样本的选取和数据预处理 |
50-52 |
|
4.3.1 车牌字符图像预处理 |
50-51 |
|
4.3.2 决策表的建立 |
51-52 |
|
4.3 数据分析与结果讨论 |
52-53 |
|
4.4 讨论 |
53-54 |
|
5 基于ROUGH集理论的实验系统 |
54-63 |
|
5.1 RSE |
54-56 |
|
5.2 ROSE |
56-58 |
|
5.3 ROSETTA |
58-60 |
|
5.4 WEKA |
60-61 |
|
5.5 其他Rough集软件系统 |
61-63 |
|
6 总结与展望 |
63-65 |
|
参考文献 |
65-73 |
|
致谢 |
73 |
|
| 【DOI】 | LunWen.ID:2.2008.387490 |
