基于粗糙集的知识粗糙性研究-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于粗糙集的知识粗糙性研究

作者：李鸿 Publish: 2006-7-13 Hits:-

【中文题名】

基于粗糙集的知识粗糙性研究

【英文题名】

Research on Knowledge Roughness Based on Rough Sets

【学科专业】

计算机应用技术

【论文级别】

硕士论文

【投稿时间】

2006-7-13

【中关键词】

粗糙集理论,知识粗糙性,知识粗糙熵,互粗糙信息,知识粒度,

【英关键词】

Rough Sets Theory,Knowledge Roughness,Knowledge Rough Entropy,Mutual Rough Information,Knowledge Granularity,

【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>专家系统、知识工程>

【论文摘要】

本文在基于粗糙集理论的基础上,探讨知识粗糙性的表达方法和应用等方面问题的研究。在知识处理中,知识被定义为一个或多个信息之间的关联(关系或联系)。知识是人类实践经验的总结和提炼,具有抽象和普遍的特性。人类在认识事物时总是将事物的全体进行抽象,即进行信息的颗粒化,在这一过程中,尽管信息个体的某些细节丢失了,但颗粒化的信息更有意义,更容易理解。在对颗粒化的信息进行解释和理解时,会产生某种不精确性,把这种不精确性称为知识的粗糙性。研究知识粗糙性,不仅具有重要的理论上、方法论上的意义,而且具有重要的实际应用价值。粗糙集(Rough SetS)理论是由Pawlal(教授于20世纪80年代初提出的一种用于处理不确定性和含糊性知识的数学工具,其基本思想是:基于分类的观点,在近似空间(知识库)中研究如何在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则,然后将此规则用于未知数据,以决定如何作出决策。它无需提供相关数据集合外的任何先验信息,适合于发现数据中隐含的、潜在有用的规律,即知识,找出其内部数据的关联关系和特征。近年来,基于粗糙集的知识粗糙性研究和应用取得了很大的成功,已成为软计算方法...

【论文题纲】

第一章绪论	13-21
1.1 知识粗糙性的研究背景	13-14
1.2 知识粗糙性研究的意义	14-17
1.2.1 对粗糙集理论研究的意义	14-15
1.2.2 具有重要的方法论意义	15-16
1.2.3 具有重要的实际应用价值	16-17
1.3 知识粗糙性的研究现状	17-19
1.4 本文的主要研究工作与内容安排	19-20
1.4.1 论文主要的研究工作	20
1.4.2 论文的内容安排	20
1.5 本章小结	20-21
第二章粗糙集理论概况	21-33
2.1 粗糙集理论的产生和发展	21-27
2.1.1 粗糙集理论的提出背景	21
2.1.2 粗糙集理论的研究历史	21-23
2.1.3 粗糙集理论的研究对象	23
2.1.4 粗糙集理论的基本观点	23-24
2.1.5 粗糙集理论的特点	24
2.1.6 粗糙集理论的核心	24-25
2.1.7 粗糙集理论的优点	25
2.1.8 粗糙集的缺点和应用中遇到的困难	25-26
2.1.9 粗糙集理论应用的两头	26-27
2.2 粗糙集理论研究的基本问题	27-30
2.2.1 约简	27-28
2.2.2 不完成决策表的处理	28
2.2.3 连续属性的离散化	28-29
2.2.4 粗糙集与其他软计算方法的集成	29-30
2.3 粗糙集理论及应用的发展前景	30-32
2.4 本章小结	32-33
第三章基于粗糙集的知识粗糙性	33-45
3.1 知识理论基础	33-36
3.1.1 分类的基本概念	33-34
3.1.2 知识的基本概念	34
3.1.3 知识的颗粒化	34-36
3.2 粗糙集基础	36-39
3.2.1 基本概念	36-38
3.2.2 近似的试题	38-39
3.3 知识的依赖性与部分依赖性	39-41
3.3.1 知识的依赖性	39-40
3.3.2 知识的部分依赖性	40-41
3.4 粗糙集理论中的知识粗糙性	41-42
3.4.1 知识粗糙性的产生及性质	41
3.4.2 知识粗糙性的本质	41-42
3.5 知识粗糙性的度量	42-44
3.5.1 属性的度量与度量基集	42-43
3.5.2 属性的粗糙度量	43
3.5.3 知识的度量与粗糙度量	43-44
3.5.4 知识的层次化与动态性	44
3.6 本章小结	44-45
第四章粗糙集中知识粗糙性的粗糙熵表示及应用	45-62
4.1 信息熵的研究方法	45-46
4.2 划分、信息熵、条件熵及互信息	46-48
4.2.1 划分	47
4.2.2 概率近似空间	47
4.2.3 信息熵	47-48
4.2.4 条件熵	48
4.2.5 互信息	48
4.3 知识的粗糙性与粗糙熵的关系	48-51
4.4 知识的粗糙性与条件粗糙熵的关系	51-53
4.5 知识的粗糙性与互粗糙信息的关系	53-56
4.6 基于互粗糙信息的知识约简算法	56-61
4.6.1 基于互粗糙信息的属性重要性的度量	57-58
4.6.2 基于互粗糙信息的知识相对约简算法—MRIBARK算法	58-61
4.7 本章小结	61-62
第五章粗糙集中知识粗糙性的粒度表示及应用	62-74
5.1 知识粒度的表示	62-64
5.2 知识的分类知识粒度的关系	64-65
5.3 知识的重要性与知识粒度的关系	65-70
5.4 知识约简与知识粒度的关系	70-73
5.4.1 基于知识粒度的知识约简基础	70-72
5.4.2 基于知识粒度的知识约简算法—GKBARK算法	72-73
5.5 本章小结	73-74
第六章总结与展望	74-76
6.1 本文的贡献	74
6.2 进一步研究方向	74-76
参考文献	76-80
在学期间撰写的论文	80-81
在学期间参加的科研项目	81

【DOI】

LunWen.ID:2.2008.387778



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：粗糙集理论论文知识粗糙性知识粗糙熵互粗糙信息知识粒度

自动化基础最新论文

自动化基础热门论文