| 【中文题名】 | 粗糙集和神经网络相结合的数据融合方法研究 |
| 【英文题名】 | |
| 【学科专业】 | 控制科学与工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-23 |
| 【中关键词】 | 不完备信息系统,数据挖掘,数据融合,粗糙集,模糊神经网络, |
| 【英关键词】 | Incomplete information system,Data mining,Data fusion,Rough sets,Fuzzy neural network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>一般性问题>设计、性能分析与综合>随机过程、随机信号 |
| 【论文摘要】 | 信息科学的飞速发展，对数据处理技术提出了新的、更高的要求。在多传感器系统中，由于传感器的精度、数据的采集成本、系统组成的多种环节以及外部环境等因素的影响，会导致多传感器系统中信息的不完备性。从而，使得传统的数据处理方法，不能满足工程应用对信息处理快速性和高精度的要求，这给数据融合带来困难。因此，对多传感器系统中不完备信息的处理已成为众多学者广泛关注的热点问题。本文将数据挖掘和数据融合技术相结合，用于多传感器系统中不完备信息的处理，所做的主要工作和创新性研究如下：
1．针对数据挖掘与数据融合技术在功能上互补的特点，研究了数据挖掘与数据融合技术相结合的基本概念和原理，并针对数据融合中先验信息难以获取，以及系统中存在大量冗余数据的问题，研究了基于粗糙集理论的数据融合模型。利用粗糙集理论的属性约简算法，剔除冗余信息得到了最简规则，并利用该规则进行数据融合。
2．研究了粗糙集理论中连续数据的离散化方法，提出了一种基于遗传算法的离散化方法。该方法以离散断点的数目最少和离散化后决策系统的一致性最大为优化目标，最大程度地保证了决策系统的一致性。
3．提出了一种直接在不完备信息系统上进... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
第一章 绪论 |
8-13 |
|
1.1 数据融合技术的发展概况 |
8-9 |
|
1.2 问题的提出 |
9-11 |
|
1.3 论文工作简介 |
11-13 |
|
第二章 数据融合与数据挖掘技术概述 |
13-21 |
|
2.1 多传感器数据融合技术简介 |
13-18 |
|
2.1.1 数据融合的基本概念 |
13-14 |
|
2.1.2 数据融合的功能模型 |
14-15 |
|
2.1.3 属性融合的原理和结构 |
15-18 |
|
2.2 数据挖掘技术 |
18-20 |
|
2.2.1 数据挖掘的概念和任务 |
18-19 |
|
2.2.2 数据挖掘的算法 |
19-20 |
|
2.3 本章小结 |
20-21 |
|
第三章 基于粗糙集理论的数据融合算法研究 |
21-34 |
|
3.1 引言 |
21-22 |
|
3.2 粗糙集的基本概念 |
22-23 |
|
3.2.1 知识表达系统和决策系统 |
22 |
|
3.2.2 粗集集合 |
22-23 |
|
3.3 知识约简 |
23-26 |
|
3.3.1 知识获取 |
23-25 |
|
3.3.2 属性约简 |
25-26 |
|
3.3.3 规则提取 |
26 |
|
3.4 决策表的离散化方法研究 |
26-28 |
|
3.5 基于粗糙集理论的数据融合算法 |
28-33 |
|
3.5.1 融合算法 |
28-29 |
|
3.5.2 算法实例 |
29-33 |
|
3.6 本章小结 |
33-34 |
|
第四章 不完备信息系统的数据挖掘方法研究 |
34-50 |
|
4.1 引言 |
34-35 |
|
4.2 不完备信息系统 |
35-36 |
|
4.2.1 不完备信息系统 |
35 |
|
4.2.2 不完备信息系统的常见处理方法 |
35-36 |
|
4.3 粗糙集理论的扩展 |
36-39 |
|
4.3.1 相似模型 |
36-37 |
|
4.3.2 知识约简 |
37-39 |
|
4.4 不完备信息系统的数据挖掘方法 |
39-49 |
|
4.4.1 不完备信息系统的数据挖掘方法 |
39-41 |
|
4.4.2 算法分析与研究 |
41-42 |
|
4.4.3 实例分析 |
42-49 |
|
4.5 本章小结 |
49-50 |
|
第五章 粗糙集和神经网络相结合的融合系统设计 |
50-71 |
|
5.1 引言 |
50-51 |
|
5.2 神经网络在数据融合中的应用 |
51-56 |
|
5.2.1 神经网络技术概述 |
51-52 |
|
5.2.2 基于神经网络的融合模型的建立 |
52-53 |
|
5.2.3 模糊神经网络 |
53-56 |
|
5.3 粗糙集和神经网络集成方法研究 |
56-58 |
|
5.3.1 粗糙集和神经网络集成的可行性 |
56-57 |
|
5.3.2 粗糙集和神经网络常见的集成方法 |
57-58 |
|
5.4 粗糙集和模糊神经网络相集成的融合系统 |
58-64 |
|
5.4.1 基于粗糙集—模糊神经网络的融合系统设计 |
58-59 |
|
5.4.2 网络的构造方法 |
59-61 |
|
5.4.3 融合系统的算法研究 |
61-64 |
|
5.5 仿真实验 |
64-70 |
|
5.6 本章小结 |
70-71 |
|
第六章 回顾与展望 |
71-73 |
|
6.1 论文工作总结 |
71-72 |
|
6.2 展望 |
72-73 |
|
参考文献 |
73-78 |
|
作者在攻读硕士学位期间所参加的科研项目和发表的论文 |
78-79 |
|
致谢 |
79-80 |
|
| 【DOI】 | LunWen.ID:2.2008.388494 |
