导读:本文包含了基于粗糙集的知识获取论文开题报告文献综述及选题提纲参考文献，主要关键词:知识获取,邻域粗糙集,组合分类器,网格搜索
基于粗糙集的知识获取论文文献综述
李静,刘潇,王效俐[1]（2019）在《邻域粗糙集融合网格搜索组合分类器的理财决策知识获取研究》一文中研究指出【目的】为提高金融机构理财决策知识获取的效率和有效性,提出邻域粗糙集融合网格搜索组合分类器的理财决策知识获取模型。【方法】建立理财决策知识获取系统框架,采用邻域粗糙集方法对决策系统进行知识约简,采用SMOTE过采样方法消除数据的不平衡性,采用网格搜索方法搜索组合分类器的最优参数。通过模型的训练和测试,对约简组合进行评估和优选,选出最佳约简;最后,通过约简获取决策系统的规则知识,存入组织知识库,完成知识获取。【结果】采用4521条真实理财数据进行实证分析,测试集购买类样本准确率(Sensitivity)达到83.55%,未购买类样本准确率(Specificity)达到80.74%, AUC值达到0.8214。【局限】未针对保险、消费贷款等其他类型的营销数据进行验证。【结论】邻域粗糙集融合网格搜索组合分类器的分类模型能够有效提高理财决策系统的整体分类能力,识别和获取关键客户知识,提高金融机构理财产品决策的效益和效率。(本文来源于《数据分析与知识发现》期刊2019年01期）
胡名彩,郭伏,叶国全[2]（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）
陈静雯[3]（2018）在《基于邻域多粒度粗糙集的混合数据知识获取方法研究》一文中研究指出粗糙集理论作为一种有效的数据挖掘分析工具,已广泛应用于知识发现、机器学习和图像处理等领域。属性约简与规则获取是粗糙集理论的核心研究内容之一,在过去的30多年里,取得了丰富的研究成果。然而,随着通信、传感、人工智能等信息技术地飞速发展,很多行业中的数据日益呈现出混合属性的特征,且累积的数据量在以惊人的速度不断增长。虽然大数据中所蕴含的不可估测的价值已经成为学术与产业界的共识,备受许多国家的关注,但是,只有从数据中挖掘出有意义的知识才能真正发挥海量数据的潜在价值。如何从多粒度、多层次的角度对这些海量的混合型数据进行有效处理,成为当前数据挖掘领域中具有挑战性的研究课题。本文主要研究基于邻域多粒度粗糙集的混合数据知识获取方法,内容包括:基于双重粒化准则的邻域多粒度粗糙集快速约简算法为了有效降低属性约简计算过程中的迭代次数,实现邻域多粒度粗糙集模型下的快速属性约简算法,论文基于双重粒化准则,深入分析不同属性子集序列和邻域半径对正域的影响,结合正域在属性子集和邻域半径共同作用下的单调性,提出一种基于双重粒化准则的邻域多粒度粗糙集快速约简算法,并通过理论分析与实例对比验证了算法的有效性和优越性。基于MapReduce模型的邻域多粒度粗糙集模型并行约简算法为了能够有效处理数据类型多样的分布式海量数据,并降低属性约简算法的时间复杂度,以邻域多粒度粗糙集模型为理论基础,从hash散列、正域计算、边界样本删减叁个方面提取并行点,设计了一种基于MapReduce模型的邻域多粒度粗糙集模型并行约简算法。多种数据集下的实验对比分析验证了所设计算法的有效性。基于最大粒的悲观邻域多粒度粗糙集规则获取算法为了从多粒度、多层次的角度处理数值型或混合型数据,基于邻域多粒度粗糙集模型,通过计算邻域多粒度条件粒与决策粒,分析条件粒在规则获取过程中的冗余关系,进而枝剪规则获取过程中的冗余条件粒,在此基础上,设计了一种较为高效的基于最大粒的悲观邻域多粒度粗糙集规则获取算法。为弥补给定邻域半径在实际应用中的缺陷,在邻域多粒度粗糙集模型的基础上进一步引入自适应半径,计算基于双重准则邻域多粒度粗糙集模型的最大粒,提出了基于最大粒的双重准则悲观邻域多粒度粗糙集规则获取算法,并进行了实验对比分析。(本文来源于《南京财经大学》期刊2018-04-25）
张婧,薛彬[4]（2017）在《基于粗糙集的大学知识获取影响要素分析》一文中研究指出对大学生学习过程中知识获取的影响要素进行分析,有助于更好地了解大学生对知识的学习和理解程度.对课程知识获取的影响要素进行分析时,通常采用问卷调查的方法,收集能够反应知识获取情况的多种要素信息,进一步对收集到的信息进行深层次的分析.文章利用粗糙来挖掘大学知识获取的主要影响因素,以便于更加有效地分析学生对知识的掌握情况.(本文来源于《太原师范学院学报(自然科学版)》期刊2017年03期）
尚晓慧[5]（2017）在《基于变精度粗糙集的多粒度知识获取算法研究》一文中研究指出随着计算机通信技术以及互联网的快速发展,各领域内的信息量随着时间的推移快速增长,人类已经进入大数据时代。尽管人们被海量数据所包围,但却并没有与之相匹配的数据分析处理能力,依然面临着知识匮乏的局面,因此,知识获取近年来已成为研究热点。作为知识获取的一种手段,粗糙集理论处理不确定信息具有得天独厚的优势,但是当数据中出现噪音或信息缺失时,基于精确分类的粗糙集表现效果不佳,而粗糙集的改进模型变精度粗糙集则为此类问题提供了一个较好的解决途径。粒计算作为一种处理大规模、复杂问题的计算模型,通过信息粒子的形式表示或处理信息。其核心思想是将所求解问题转化为多个子问题,在各粒度空间内分别进行求解,最终将多个子问题的解进行合并,共同构成原始问题的解。粒计算从多粒度方向分析求解问题,不仅降低了求解原始问题的难度,而且满足了人类希望从多角度分析问题的要求。部分研究者将粒计算中的多粒度思想与粗糙集理论相结合,提出了多粒度粗糙集,为解决从海量数据中进行知识获取提供了一个有力工具。本文在变精度粗糙集和多粒度粗糙集理论的研究基础上,重点研究了信息系统的属性约简及规则提取,主要从以下几个方面进行研究:1.将粒计算理论中粒化思想运用到条件等价类、决策等价类的粒化过程中;将条件信息粒、决策信息粒用粒矩阵进行表示,并基于变精度粗糙集理论提出一种β粒关系矩阵,该矩阵从本质上反映了条件信息粒及决策信息粒之间的概率包含关系,这种概率包含关系是进行属性约简及规则获取的理论基础。2.在属性约简的研究中,首先提出了基于变精度正域的多粒度属性约简算法,随后分析了该算法的不足,提出了改进的基于变精度下近似的多粒度属性约简算法。3.对于决策信息系统的规则提取,首先利用矩阵运算,在不同粒度空间内进行求解,并通过定义启发式信息,对各粒度空间进行排序,以减少搜索空间。然后,提出了一种基于变精度粗糙集的完备决策表多粒度规则获取算法,该算法适用于一致决策表及不一致决策表,提高了算法的泛化性。最后在此基础上提出了基于变精度粗糙集的不完备决策表多粒度规则获取算法,分别对所提两种算法进行实例分析以及UCI数据集测试,测试结果表明算法的正确性与有效性。4.在本文提出算法的基础上设计了基于变精度粗糙集的多粒度知识获取系统平台,该平台集成了本文所提算法以及一些传统算法,方便用户选择合适的算法进行知识获取。(本文来源于《太原理工大学》期刊2017-06-01）
丁华,邓金涛,杨兆建,刘建成[6]（2017）在《基于粗糙集扩展模型的采煤机设计领域知识获取》一文中研究指出为实现经验知识的获取与重用,分析了面向产品实例的经验性知识获取策略,研究了基于粗糙集扩展模型的采煤机设计领域知识获取方法,对改进后的算法进行试验验证,结果表明,该方法有效解决了经典粗糙集理论与广义邻域粗糙集模型无法处理的混合数据模式的决策系统问题。结合采煤机方案设计中的总体参数确定过程,构造了采煤机总体技术参数知识获取模型。经实例验证,该模型能够有效进行属性约简和规则提取,为进一步知识推理奠定了推理基础。(本文来源于《机械设计》期刊2017年05期）
胡帅鹏[7]（2016）在《基于粗糙集的多粒度知识获取方法研究》一文中研究指出二十世纪以来,我们已经逐步迈入了大数据(Big Data)时代。大数据的热潮促使我们对数据分析与知识获取的需求越来越迫切。粗糙集(Rough Sets)理论作为一种不需先验知识,就可以对已有的数据进行分析与提取的数学工具,具有重大的研究价值。基于粗糙集的粒计算模型,可以从多粒度的方向模拟人类的思维来分析、解决粗糙集研究过程中遇到的问题。其中,粗糙集的知识获取包括划分与属性核的求解、属性约简、规则提取等内容,一直都是研究者关注和研究的热点问题。本文在基于粗糙集的多粒度模型,主要开展了以下几方面的研究内容:1)不分明关系是粗糙集的一个重要概念,它直接形成了条件属性对论域的等价划分。本文首先提出了一种快速计算条件属性对论域划分的算法。主要是对所有条件属性赋值,并通过求和把多个属性转化为一个属性层,再判断数值和是否重复即可得出是否属于同一个划分。然后,在计算条件属性对论域划分的基础上,提出了一种快速计算属性核的算法。该算法主要是通过补信息系统进行计算,无论信息系统是否一致,始终保持一致的高效性。并通过实例阐明了算法的具体步骤,最后通过对比实验对算法进行了验证。2)在上述算法的基础上,提出了一种启发式的属性约简的算法。该算法主要是用近似集与知识粒度两方面对约简进行度量,并以正区域与负区域的区分率来作为启发式信息,选取区分率最大的对应条件属性加入属性核进行求解。3)在计算条件属性对论域划分的基础上,根据粒计算的模拟人类思想与行为的能力,以及粒度的变化,提出了多粒度的规则提取算法。该算法主要通过标记的方法从正面直接选取规则,在保证正确率与覆盖率的前提下,使规则数与规则的平均长度尽可能优化。最后通过实例和实验对算法进行了验证。(本文来源于《重庆邮电大学》期刊2016-06-01）
陈颖[8]（2016）在《不完备多粒度信息系统的知识获取的粗糙集方法》一文中研究指出粗糙集理论是由波兰数学家Pawlak于1982年提出的一种数学理论,能够分析处理不完备数据,其主要特点是在不改变分类能力的情况下,通过剔除冗余的信息来获得知识的属性约简,进而导出问题的决策规则。粗糙集数据分析的特点是无需提供所给数据外的任何先验假设,只利用所给数据作出决策。随着粗糙集理论的发展,现已在很多领域得到成功应用,尤其近年来在农业领域的应用尤为重要。粒计算是当前人工智能,特别是智能信息处理领域非常活跃的研究方向,它模拟人类思考模式,以处理大规模复杂数据和信息等建立有效的计算模型为目标。粒计算的特点是在于寻求在某个合适的粒度层面下用近似方法来解决复杂问题。在现实生活中,人们常从不同粒度层面去观察对象或处理数据,在不同粒度层面下选择合适的决策系统和对应的决策规则是智能信息处理中的重要研究课题。针对具有多粒度标记的不完备信息系统的知识获取问题,本文以粒计算为基础提出了不完备多粒度决策系统的粗糙集知识获取方法。首先,回顾了不完备信息系统、粗糙集近似以及不完备决策系统中的决策规则等概念。其次,在粗糙集框架下提出了不完备多粒度信息系统的概念以及在不同粒度层面下信息粒的表示,定义了不同粒度层面下的下近似和上近似的概念,给出了近似集的性质,并进一步讨论了多粒度决策系统在不同意义下的最优粒度选择,得到了各种最优粒度概念之间的关系。最后,分别给出了协调的不完备多粒度决策系统和不协调的不完备多粒度决策系统的决策规则提取方法。(本文来源于《浙江海洋大学》期刊2016-04-01）
李铁鑫[9]（2016）在《基于粗糙集的生活方式病知识获取研究》一文中研究指出生活方式病的智能检测研究被世界各国所关注,但是由于生活方式病的症状较多造成了难以获得精确的生活方式病检测模型,限制了其研究。近年来,人们对生活方式病的研究越来越重视,建立了以专家经验为基础的推理系统,而专家经验带有一定的主观性且获得的信息往往不完备、不精确。粗糙集作为一种比较新的方法已经在实际中得到了较好的应用,本文针对生活方式病,给出一种基于粗糙集的知识获取和推理检测通用模型,主要对知识获取方法和生活方式病检测方法两方面进行比较系统和深入的研究论述。一是构建知识库,包括数据获取、数据预处理、属性约简。本文在属性约简部分进行主要研究。采用基于遗传算法的粗糙集约简算法进行属性约简,约简原有数据的冗余属性,缩减规则库的规模。具体约简算法以核属性初始化种群,初始种群对应位置的基因被限定,使其具有部分决策表约简后保留的结果属性特征,避免种群产生的盲目性,减少搜索空间,进而提高约简结果的准确性。根据约简结果计算支持度,构建确定医学知识库和非确定医学知识库,提高知识库构建的有效性。二是推理检测,本文在总结他人研究的基础上,给出一种改进的基于属性重要性的推理方法并应用在推理检测中。在该方法中,属性重要性的获得不需要任何先验经验,完全从论域的样本空间获得,以避免主观性,另外,在推理检测方法中引入确定和不确定医学知识库,通过参数k权值的分配,考虑每条规则的重要性,调节输出,有效推断患病可能性。最后,本文以心脏病数据为研究对象,描述知识库构建的过程,验证给出的推理方法,给出实验结果,并对实验结果进行分析。(本文来源于《沈阳工业大学》期刊2016-02-27）
余鹰,苗夺谦,赵才荣,王映龙[10]（2015）在《基于粗糙集的多标记决策系统知识获取方法》一文中研究指出在多标记决策系统中,每个对象由单个实例进行表示,同时对应于多个决策属性。粗糙集理论已有的研究工作主要集中在单一决策系统的研究上,对于多决策系统只是简单地将它分解成多个单一决策系统。直接变换的方法忽视了决策属性之间的相关性和共现性,影响决策的精度。基于粗糙集模型,分别针对属性值为离散型和连续型的情况,提出了离散型多标记决策系统知识获取算法DML和连续型多标记决策系统知识获取算法CML。这两种算法均考虑了标记之间的相关性,在离散多标记决策系统中,采用决策链方式传递属性间的相关性,而在连续多标记决策系统中,扩展了传统粗糙集模型,重新定义了粗糙近似。实验表明,不论是离散型还是连续型决策系统,考虑决策属性之间的相关性均可以提高预测的准确率。(本文来源于《计算机科学与探索》期刊2015年01期）
基于粗糙集的知识获取论文开题报告
（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：
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.
（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。
基于粗糙集的知识获取论文参考文献
[1].李静,刘潇,王效俐.邻域粗糙集融合网格搜索组合分类器的理财决策知识获取研究[J].数据分析与知识发现.2019
[2].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
[3].陈静雯.基于邻域多粒度粗糙集的混合数据知识获取方法研究[D].南京财经大学.2018
[4].张婧,薛彬.基于粗糙集的大学知识获取影响要素分析[J].太原师范学院学报(自然科学版).2017
[5].尚晓慧.基于变精度粗糙集的多粒度知识获取算法研究[D].太原理工大学.2017
[6].丁华,邓金涛,杨兆建,刘建成.基于粗糙集扩展模型的采煤机设计领域知识获取[J].机械设计.2017
[7].胡帅鹏.基于粗糙集的多粒度知识获取方法研究[D].重庆邮电大学.2016
[8].陈颖.不完备多粒度信息系统的知识获取的粗糙集方法[D].浙江海洋大学.2016
[9].李铁鑫.基于粗糙集的生活方式病知识获取研究[D].沈阳工业大学.2016
[10].余鹰,苗夺谦,赵才荣,王映龙.基于粗糙集的多标记决策系统知识获取方法[J].计算机科学与探索.2015