| 【中文题名】 | 基于模糊粗糙集的知识获取算法研究 |
| 【英文题名】 | Study on Algorithm of Knowledge Acquisition Based on Fuzzy Rough Set |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-7 |
| 【中关键词】 | 模糊粗糙集,模糊聚类,属性约简,值约简,知识获取, |
| 【英关键词】 | Fuzzy rough set,Fuzzy Clustering,Attributes Reduction,Value Reduction,Knowledge Acquisition, |
| 【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】 |
近年来,信息技术的广泛应用使企业采集到的数据以前所未有的速度增长。但是,海量数据采集后并未得到充分的应用和开发,信息含量高、内容丰富的数据库成为无人问津的数据坟墓,造成资源的极大浪费。知识处理技术的兴起与迅速发展,使海量数据的实际应用成为可能。
基于粗糙集(Rough Set)理论的知识获取方法已成为一种重要的方法。该理论从新的视角对知识进行了定义,把知识看作是关于论域的划分,认为知识是有粒度的,它主要用于知识的简化及知识依赖性的分析。
然而,利用粗糙集理论进行知识约简之前必须对连续属性知识进行离散化,这一过程将造成某种程度的信息损失,这是因为离散化后的属性值没有保留属性值在实数值上存在的差异。模糊集合也是研究信息系统中知识不完善、不准确问题的理论,它着眼于集合的模糊性,其解决问题的出发点是信息系统中知识的模糊性。法国学者D.Dubios和H.Prad于1992年将模糊集理论引入粗糙集中,提出模糊粗糙集的概念,解决了粗糙集离散化过程造成信息损失的问题。
本文首先系统地总结了模糊粗糙集的研究成果及发展趋势,根据模糊粗糙近似推演方式的不同,主要形成了三种从不同角度研究的模糊粗糙集... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-9 |
|
1 绪论 |
9-14 |
|
1.1 概述 |
9-10 |
|
1.2 国内外研究现状 |
10-13 |
|
1.3 本文的主要研究内容 |
13-14 |
|
2 粗糙集与模糊粗糙集 |
14-31 |
|
2.1 粗糙集合论 |
14-24 |
|
2.1.1 粗糙集基本思想 |
14-16 |
|
2.1.2 决策表和决策规则 |
16-17 |
|
2.1.3 决策表离散化 |
17-18 |
|
2.1.4 决策表的简化 |
18-22 |
|
2.1.5 决策规则的提取 |
22-24 |
|
2.2 模糊集合论 |
24-28 |
|
2.2.1 模糊集合的概念 |
24-25 |
|
2.2.2 模糊集合的运算 |
25 |
|
2.2.3 模糊相似关系 |
25-26 |
|
2.2.4 模糊逻辑算符 |
26-28 |
|
2.3 模糊粗糙集合论 |
28-31 |
|
2.3.1 粗糙近似的三角模表示 |
28-29 |
|
2.3.2 模糊粗糙集 |
29-31 |
|
3 模糊粗糙约简算法 |
31-44 |
|
3.1 模糊聚类分析 |
31-41 |
|
3.1.1 聚类分析概述 |
31-34 |
|
3.1.2 C 均值聚类算法 |
34-37 |
|
3.1.3 聚类有效性分析 |
37-40 |
|
3.1.4 复合属性模糊化 |
40-41 |
|
3.2 模糊粗糙属性约简算法 |
41-44 |
|
3.2.1 基本概念 |
41-42 |
|
3.2.2 属性递减的约简算法 |
42-44 |
|
4 实例分析 |
44-53 |
|
4.1 基本过程 |
44-45 |
|
4.2 数值实验 |
45-53 |
|
5 总结 |
53-54 |
|
致谢 |
54-55 |
|
参考文献 |
55-59 |
|
附录1 玻璃识别数据集 |
59-66 |
|
附录2 一种决策规则的属性简化表（玻璃识别数据集） |
66-68 |
|
附录3 一种决策规则的最小集（玻璃识别数据集） |
68-69 |
|
附录4 作者在攻读硕士学位期间发表学术论文目录 |
69-70 |
|
独创性声明 |
70 |
|
学位论文版权使用授权书 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.388179 |
