导读:本文包含了贝叶斯粗糙集论文开题报告文献综述及选题提纲参考文献，主要关键词:贝叶斯粗糙集,肺部,约简,肿瘤CT图像
贝叶斯粗糙集论文文献综述
卓德强[1]（2019）在《基于贝叶斯粗糙集的肺部肿瘤CT图像抗噪算法设计》一文中研究指出贝叶斯粗糙集处理噪声数据能力强,分类肺部肿瘤CT图像结果准确,为图像去噪提供精准的图像分类结果。基于此,设计基于贝叶斯粗糙集的肺部肿瘤CT图像抗噪算法,基于贝叶斯粗糙集分类模型进行肺部CT图像分类,约简贝叶斯粗糙集属性和决策规则,基于决策规则预测肺部CT图像类别;对存在肿瘤的CT图像噪声小波系数构建拉普拉斯数学模型,基于贝叶斯最大后验概率估计小波系数概率密度,计算噪声方差和子代小波系数标准差,使去噪算法具备自适应性;基于小波系数的概率密度得到最大后验(maximum a posteriori,MAP)估计值,对该值做小波反变换,实现肺部肿瘤CT图像自适应去噪。结果表明,该算法去除肺部肿瘤CT图像噪声效果好,抗噪能力强,较好保留图像细节特征,视觉效果佳。(本文来源于《生物医学工程研究》期刊2019年03期）
杨晓阳,冯庆胜[2]（2019）在《基于粗糙集理论和贝叶斯网络的列控系统故障诊断研究》一文中研究指出列车运行控制系统是操作列车行驶的指挥员,一旦列车运行控系统发生故障,不能及时解决,会对整个运输线路造成影响,所以为确了保列车的高效、安全运行,本文深入了解列车发生故障的原因,以贝叶斯网络和粗糙集理论为基础,提出列控系统故障诊断研究。对比CTCS-2而言,3级列控系统的先进性更为突出,本文以CTCS-3级系统为研究对象,引出CTCS-3级系统故障处理方法;概述CTCS-3级列控系统与可能发生故障的原因;使用案例进一步验证模型的准确性。(本文来源于《变频器世界》期刊2019年04期）
魏玲,张琬林,李阳[3]（2019）在《基于模糊包含度的贝叶斯粗糙集模型》一文中研究指出利用变精度模糊粗糙集(VPFRS)模型在属性约简过程中,其结果极易被参数的改变干扰。为克服参数约束,将先验概率引入到文章中,提出一种基于模糊包含度的贝叶斯粗糙集(IDB-BRS)模型,研究了该模型相关性质的同时根据属性相对重要度的启发,给了出基于该模型的属性约简算法。通过在多个UCI数据集上的实验表明,相对于VPFRS而言,IDB-BRS不需要预先给定参数,计算可获得较小的约简和较高的分类精度。(本文来源于《统计与决策》期刊2019年02期）
刘迪,卢才武,连民杰,顾清华[4]（2019）在《基于粗糙集与贝叶斯决策的尾矿坝浸润线预警》一文中研究指出为支持尾矿库的现场安全监管与决策,根据粗糙集和贝叶斯决策理论,提出了基于不确定性的尾矿坝浸润线预警方法以确定合理的尾矿坝浸润线预警阈值。首先,根据尾矿渗透性与干滩长度的不确定性对坝体稳定性的影响,计算得到离散尾矿坝体安全系数对应的浸润线的多点位(埋深)数据;其次,以粗糙集属性重要度分析为前提,采用贝叶斯决策法建立坝体安全系数与浸润线埋深的多属性决策模型,以互信息熵表示安全系数对浸润线多点位埋深数据的依赖程度;最后,用条件概率量化浸润线重要点位对尾矿坝稳定性的影响,通过最大后验概率确定浸润线埋深预警阈值。通过对陕西某尾矿坝的实例研究,得出堆积坝标高1 220. 03、1 200. 03、1 180. 03、1 150. 03 m处的浸润线高于37. 33、19. 9、17. 6、11. 6 m时,尾矿坝存在潜在不稳定风险,应采取措施降低浸润线高度。结果表明,浸润线预警阈值能客观反映尾矿坝稳定性状况,完善了尾矿库的现场监测预警体系。(本文来源于《有色金属工程》期刊2019年01期）
张飞飞,周涛,陆惠玲,梁蒙蒙,杨健[5]（2018）在《基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法》一文中研究指出针对变精度粗糙集在高维特征选择过程中对分类错误率β的过分依赖问题,结合遗传算法提出一种基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法。首先提取3000例肺部肿瘤CT图像ROI区域的104维特征构造决策信息表;然后从全局相对增益函数的角度分析属性重要度,结合属性约简长度、基因编码权值函数叁者的加权和构造一个适应度函数框架,提出以此为启发式信息的属性约简算法;最后利用支持向量机进行分类识别。实验结果表明,本研究算法摆脱了阈值人工设置的束缚,并且在很大程度上提高整体性能,对肺部肿瘤计算机辅助诊断具有积极的推广价值。(本文来源于《生物医学工程研究》期刊2018年04期）
胡名彩,郭伏,叶国全[6]（2018）在《基于改进变精度贝叶斯粗糙集的感性知识获取》一文中研究指出变精度贝叶斯粗糙集方法是感性知识获取中处理用户群个性化感性差异的一种柔性方法,针对其在感性规则提取阶段可能产生的组合爆炸问题,提出了一种基于顺序覆盖策略的改进算法.该算法以感性决策类的近似区域作为输入,以选取覆盖能力最大的合取项为贪心搜索策略实现规则特化.在此基础上,通过迭代学习逐步完成对近似区域的覆盖和决策规则集的提取.最后,通过基础实例和烤面包机外观设计实例验证了改进方法的有效性.(本文来源于《东北大学学报(自然科学版)》期刊2018年12期）
杨睿,苏丹,闫磊,袁卫国,高崧[7]（2018）在《基于粗糙集和贝叶斯网络的电力信息通信系统快速故障诊断方法》一文中研究指出针对现代电力信息通信系统在出现故障的时候就会导致故障信息不确定或者不完整,或者还会导致丢失关键信息,以此无法对故障诊断进行正确推断的问题,就研究了基于粗糙集和贝叶斯网络的电力信息通信系统快速诊断方法。首先,将断路器、保护作为诊断属性,将故障区域作为决策属性,对其中的故障情况实现决策表的创建,之后根据信息熵属性及可辨识矩阵的方法将最佳的属性约简组合进行提取,最后通过最佳方式实现贝叶斯网络模型的创建,实现节点概率的训练。使用VB语言对方法故障诊断软件进行编写,通过结果可以看出来,此种方法有效且正确,能够提高系统在丢失核属性时候的容错性,并且具有良好的实用价值。(本文来源于《科技通报》期刊2018年07期）
陈学赓[8]（2018）在《基于粗糙集理论和贝叶斯网络的变压器故障诊断方法研究》一文中研究指出电力变压器作为电网中最核心的设备之一,在维护电网的安全稳定运行方面起着至关重要的作用。但由于目前电力变压器的结构越来越复杂,电压等级越来越高,就使得其故障也变得复杂多样,让人们对变压器的故障判定产生了一定的困难,这就大大增加了变压器故障诊断的难度。目前在变压器故障诊断方面最常用的方法就是比值法,该方法应用最为广泛,但同时也存在着一些缺点,比如编码不全面,无法处理故障信息缺失的情况。另外,现在的变压器由于受多种因素的影响,故障复杂多样不说,采集的故障样本也容易出现信息不完整或者缺失。针对电力变压器在发生故障时容易出现故障信息缺失或者不完整的情况,本文通过学习粗糙集理论和贝叶斯网络,将二者有机的结合并应用到故障诊断领域。粗糙集理论作为一种数学工具,非常适合处理不确定性和不完整性问题,并且可以从中发现潜在的规律,非常适合应用到变压器故障诊断领域中来。而贝叶斯网络可以通过构建网络模型图对变量的因果关系进行简洁明了的表达,并利用概率计算来量化因果关系。如果将其应用于变压器故障诊断领域,就可以通过概率计算将故障类型和故障原因的潜在关系进行量化,然后利用概率的大小来进行故障诊断。本文通过对粗糙集理论和贝叶斯网络的学习,将两者进行有机的结合,一方面利用贝叶斯网络处理因果关系的能力构建故障诊断网络模型,一方面通过粗糙集理论的属性约简功能对所构建的故障诊断模型进行简化处理,使得模型结构的复杂性大大降低,达到简单准确判断故障的目的。本文的工作主要通过对粗糙集理论以及贝叶斯网络理论知识的学习,提出一种新的诊断方法,然后从大量的文献中收集变压器的故障数据样本,并且尽量收集信息丢失或者不完整的数据以便测试该方法对于不完整信息的处理能力。最后利用Weka数据挖掘软件通过对所收集数据的样本训练和样本测试,对新方法和传统的几种智能方法进行仿真实验,仿真的结果验证了本文所提出的方法能够有效的克服信息缺失或者不完整对变压器故障诊断造成的困难,提升了故障诊断的准确性。(本文来源于《山东大学》期刊2018-05-02）
王效俐,刘潇,苏强[9]（2016）在《邻域粗糙集融合贝叶斯神经网络在医疗决策中的应用研究》一文中研究指出为提高医疗决策的效率和有效性,建立了邻域粗糙集融合贝叶斯神经网络的组合医疗决策模型。首先,通过邻域粗糙集对医疗决策系统进行知识约简,去除系统中冗余、干扰的指标,提取关键指标,并将约简后的指标作为神经网络模型的输入指标;之后针对BP神经网络容易过拟合的缺点,采用贝叶斯正则化方法对神经网络进行优化,提高输出指标的预测效果和效率。最后,通过一个心脏病医疗诊断实例对模型的应用实现效果加以分析及验证,结果表明,模型测试集分类准确率达到了88.89%;并将实验结果同几种常见的属性选择方法、分类模型以及2008~2014年的8个历史参考文献进行了对比。(本文来源于《工业工程与管理》期刊2016年05期）
吴贤国,李铁军,林净怡,马建,张立茂[10]（2016）在《基于粗糙集和贝叶斯网络的地铁盾构施工诱发邻近桥梁安全风险评价》一文中研究指出由于复杂环境制约,地铁盾构邻近桥梁风险评价过程中存在大量的随机不确定性和冗余不确定性。本文结合粗糙集理论和贝叶斯网络构建地铁盾构施工邻近桥梁安全风险评估模型:利用云模型将连续型影响因素离散化以简化数据结构;基于信息熵进行属性约简以删除冗余属性;提出基于贝叶斯网络的事前风险等级预测、事中敏感因素识别、事后致因诊断方法,为制定桥梁风险控制措施提供依据。最后结合广州地铁六号线判定邻近桥梁的风险等级,根据敏感性分析辨识出覆跨比、桥桩与隧道相对水平位置等敏感致险因子,并明确风险发生的前提下最可能的致险因素为覆跨比、桥桩与隧道的相对垂直位置和施工方法。(本文来源于《土木工程与管理学报》期刊2016年03期）
贝叶斯粗糙集论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
列车运行控制系统是操作列车行驶的指挥员,一旦列车运行控系统发生故障,不能及时解决,会对整个运输线路造成影响,所以为确了保列车的高效、安全运行,本文深入了解列车发生故障的原因,以贝叶斯网络和粗糙集理论为基础,提出列控系统故障诊断研究。对比CTCS-2而言,3级列控系统的先进性更为突出,本文以CTCS-3级系统为研究对象,引出CTCS-3级系统故障处理方法;概述CTCS-3级列控系统与可能发生故障的原因;使用案例进一步验证模型的准确性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
贝叶斯粗糙集论文参考文献
[1].卓德强.基于贝叶斯粗糙集的肺部肿瘤CT图像抗噪算法设计[J].生物医学工程研究.2019
[2].杨晓阳,冯庆胜.基于粗糙集理论和贝叶斯网络的列控系统故障诊断研究[J].变频器世界.2019
[3].魏玲,张琬林,李阳.基于模糊包含度的贝叶斯粗糙集模型[J].统计与决策.2019
[4].刘迪,卢才武,连民杰,顾清华.基于粗糙集与贝叶斯决策的尾矿坝浸润线预警[J].有色金属工程.2019
[5].张飞飞,周涛,陆惠玲,梁蒙蒙,杨健.基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法[J].生物医学工程研究.2018
[6].胡名彩,郭伏,叶国全.基于改进变精度贝叶斯粗糙集的感性知识获取[J].东北大学学报(自然科学版).2018
[7].杨睿,苏丹,闫磊,袁卫国,高崧.基于粗糙集和贝叶斯网络的电力信息通信系统快速故障诊断方法[J].科技通报.2018
[8].陈学赓.基于粗糙集理论和贝叶斯网络的变压器故障诊断方法研究[D].山东大学.2018
[9].王效俐,刘潇,苏强.邻域粗糙集融合贝叶斯神经网络在医疗决策中的应用研究[J].工业工程与管理.2016
[10].吴贤国,李铁军,林净怡,马建,张立茂.基于粗糙集和贝叶斯网络的地铁盾构施工诱发邻近桥梁安全风险评价[J].土木工程与管理学报.2016