导读:本文包含了知识粒度论文开题报告文献综述及选题提纲参考文献，主要关键词:知识粒,重要度值,粗糙集,文本表示
知识粒度论文文献综述
杨淑棉,刘剑[1]（2019）在《一种基于知识粒度的关键词提取方法》一文中研究指出使用粗糙集中的等价关系来刻画粒度,粗糙集结合粒度计算方法,给出信息决策表的粒度表示,并将信息决策表中的属性重要度值作为启发信息,在相对约简的个数组合上进行Tabu搜索。此方法可避免无用的属性入选,有效去除可省属性及缩减搜索空间,提高了算法的高效性。(本文来源于《山东科学》期刊2019年02期）
施振佺,陈世平[2]（2018）在《基于粗糙集和知识粒度的特征权重确定方法》一文中研究指出研究知识特征的粗糙集表征及其等价划分知识类别的精确度,在粗糙集理论的基础上结合知识粒度理论计算特征权重,提出基于粗糙集和知识粒度的权重确定方法,并通过算例证明所提出方法可以解决权重确定中存在的主观随意性和特征冗余等问题,进一步提高权重确定方法的适用性。(本文来源于《科技管理研究》期刊2018年12期）
郑诚,王波,洪彤彤[3]（2018）在《关系矩阵的知识粒度增量式属性约简》一文中研究指出由于现实中的数据集存在着大量的冗余属性,因此需要对它们进行属性约简.针对传统的属性约简算法不能很好的处理动态变化的数据集,本文运用关系矩阵的形式去表示信息系统的知识粒度,并研究了当数据集属性发生变化时,通过矩阵的视角来展示知识粒度的变化机制,根据这种机制可以快速地对知识粒度进行更新,从而提出了一种基于知识粒度的增量式属性约简算法,在UCI数据集的实验结果中,所提出的算法能够对动态变化的数据集选择出小而优的属性子集,并且有着较高的约简效率,从而验证了该算法的优越性.(本文来源于《小型微型计算机系统》期刊2018年05期）
景运革[4]（2017）在《基于知识粒度的动态属性约简算法研究》一文中研究指出随着计算机网络技术、计算机存储技术和通信技术的迅猛发展,各行各业形成的海量大数据既为企业的发展提供了大好的机遇,也给企业带来了严峻的挑战。如何能够及时有效地从大数据中发现有用的知识和信息已成为当前十分迫切的问题。另外,各种应用数据在现实中不断地动态变化,包括旧数据的删除和新数据的增加以及一些错误数据的修订等,如何能够从动态变化数据中进行实时高效的知识发现和数据挖掘是当前信息科学领域研究中的重要课题之一。粒计算理论为大数据知识发现提供了多层次和分而治之的解决方案,可以有效处理动态变化数据集知识发现问题并及时高效获取知识。本文以粒计算和粗糙集理论为基础,以增量学习技术为手段,对决策信息系统中数据动态变化下的属性约简算法进行了系统的研究。论文的主要研究成果包括:(1)针对决策信息系统中对象动态变化时如何有效更新属性约简的问题,探讨了对象动态变化后基于矩阵方法计算知识粒度的增量更新机制,提出了对象动态变化后基于矩阵方法的动态属性约简算法,但该算法仅适用于较小数据集。进一步,分析了对象动态变化后基于非矩阵方法计算知识粒度的增量更新机制,设计了对象动态变化后基于非矩阵方法的动态属性约简算法;(2)针对决策信息系统中属性随着时间动态增加时如何有效更新属性约简的问题,分析了属性增加后基于矩阵方法计算知识粒度的增量更新机制,提出了属性增加后基于矩阵方法的动态属性约简算法。但该算法仅适用于较小数据集。进一步,探讨了属性增加后基于非矩阵方法计算知识粒度的增量更新原理,提出了属性增加后基于非矩阵方法的动态属性约简算法;(3)针对决策信息系统中属性值动态变化时如何有效更新属性约简的问题,分析了单个对象的属性值发生变化后决策信息系统知识粒度的增量更新原理,提出了单个对象属性值变化动态属性约简算法。但是当决策信息系统中多个对象属性值发生变化后,单个对象属性值变化的动态属性约简算法需要多次运行才能获得约简,导致运行速度较慢。进一步,探讨了多个对象属性值发生变化后决策信息系统知识粒度的增量更新机制,设计了多个对象属性值发生变化的动态属性约简算法;(4)针对大数据环境下如何有效更新属性约简的问题,利用多粒度概念和“分而治之”方法分析大数据属性约简机制,提出了基于多粒度粗糙集模型属性约简算法。当决策信息系统中对象动态变化时,分析了对象动态变化后决策信息系统知识粒度增量更新机制,设计了对象动态变化后基于多粒度粗糙集模型动态属性约简算法。本文利用粗糙集和粒计算理论对决策信息系统中不同粒度进行了分析,运用增量学习技术设计了基于知识粒度的高效动态属性约简算法,给出了决策系统中对象、属性和属性值叁种变化下的增量更新属性约简机制,为动态数据及时和高效获取知识提供了理论支持。并通过UCI数据集进行了大量实验,验证了所提出的动态属性约简算法的有效性。因此,本课题的研究工作拓展了粗糙集与粒计算理论和应用的研究范畴,为动态数据环境下如何有效更新属性约简的问题提供了新的理论和方法。(本文来源于《西南交通大学》期刊2017-03-01）
黄卫华[5]（2017）在《一种面向缺失数据的信息熵和知识粒度》一文中研究指出针对含有缺失数据的数据集的不确定性度量问题,分别给出了信息熵和知识粒度的公理化定义,并提出了该环境下的粗糙集的两种不确定性度量,证明了精度是一种信息熵,粗糙度是一种知识粒度,并得出了几个较好的性质,进一步克服了已有缺失数据集不确定性度量的部分局限性,实例验证了不确定性度量的有效性,且适合度量含缺失数据的粗糙集的模糊性和精确性。(本文来源于《山西大学学报(自然科学版)》期刊2017年01期）
李迅,王凯,于翔麟[6]（2016）在《基于知识粒度的科学效应库系统构建》一文中研究指出如何发挥科学效应知识在产品设计中的作用,辅助设计人员进行创新设计是当前研究的热点。文章基于人的多粒度认知模型,提出了科学效应知识的多粒度组织表达模型。通过对各粒层知识属性的定义,实现了科学效应知识的扩展。提供功能、关键词、自然语义叁种不同抽象粒度的检索方式。建立了支持产品创新设计的科学效应库,并结合小型冲压机床的自动保护系统设计示例展示了科学效应库对创新设计的支持。(本文来源于《组合机床与自动化加工技术》期刊2016年07期）
杨志勇,朱跃龙,万定生[7]（2016）在《基于知识粒度的时间序列异常检测研究》一文中研究指出时间序列的异常检测多以相似性分析方法来处理,时间代价高昂。为减少异常检测的时间,文中围绕知识粒度方法进行研究与探讨。知识粒度在数据异常检测中应用广泛,但在时间序列的异常检测上应用较少。文中针对时间序列上下文相关异常(点)检测,提出利用知识粒度异常检测方法对于输入属性越多检测粒度越细的特性,来查找时间序列中的异常数据。实验证明,基于知识粒度的方法无需先验信息,在整个处理过程中无需事先分析历史数据,而是通过属性间的组合粒度来划分异常数据与正常数据,提高了异常检测的效率。知识粒度方法在不确定信息处理研究中的表现十分突出,文中将知识粒度在时间序列异常检测中进行应用尝试,为时间序列异常检测提供了一种新的思路。(本文来源于《计算机技术与发展》期刊2016年07期）
黄国顺,文翰[8]（2016）在《基于边界域和知识粒度的粗糙集不确定性度量》一文中研究指出为了克服现有作积形式不确定性度量方法的缺陷,基于边界域提出一种用改进粗糙度和知识粒度求和形式的粗糙不确定性度量公式.与现有方法相比,它同时考虑了由边界域和知识粗糙性产生的不确定性,从理论上证明了集成后的不确定性度量值确实比单个影响因素产生的不确定性度量值大,是一种更加合理的不确定性度量方法.将该方法推广到基于严凸函数知识粒度情形,得到一类度量粗糙集不确定性度量方法,并研究了随划分变细时,粗糙度、改进粗糙度与所提出方法之间的关系.最后设计了一组算例对它们进行比较,比较结果表明,所提出的方法对划分变细更加敏感.(本文来源于《控制与决策》期刊2016年06期）
刘龙繁,李彦,马金龙,杜晓娇,刘红围[9]（2016）在《基于知识粒度的TRIZ在创新设计中的应用》一文中研究指出为实现发明问题解决理论(Theory of inventive problem solving,TRIZ)中概念解到特定解的,从认知心理学角度分析产品创新设计问题的解决机理,提出一种多粒度多层次的知识组织模型,将设计知识按照TRIZ原理、功能、行为-流对、科学效应、领域五种属性进行标注,每种属性又包括概念、语义和事实资源叁种层次结构,构建多属性多层次的本地知识库,为设计者提供本领域知识。此外通过语义本体推理和语义扩展从专利数据库和网络资源中获取近领域、远领域知识,在创新设计问题解决过程中推送给设计者,有利于激发设计者进行联想类比,支持其从不同粒度分析和解决问题。最后建立基于多粒度知识组织的创新设计问题解决模型和系统框架,并结合III型铁路扣件的概念设计示例说明该模型的应用。(本文来源于《机械工程学报》期刊2016年05期）
乔丽娟,徐章艳,谢小军,朱金虎,陈晓飞[10]（2016）在《基于知识粒度的不完备决策表的属性约简算法》一文中研究指出知识粒度是属性约简的有效方法,但对于大型的决策表,计算知识粒度过于费时,算法效率不高。在引入粒度差别矩阵后,设计了一个计算粒度差别矩阵中条件属性出现频率的函数,有效地降低粒度差别矩阵的存储空间,根据此函数设计了一个高效属性约简算法。新算法使得时间复杂度与空间复杂度都降为O(K|C||U|)(其中K=max{|Tc(xi)|,xi∈U}和O(|U|)。最后通过实例仿真说明了此算法的高效性和可行性。(本文来源于《智能系统学报》期刊2016年01期）
知识粒度论文开题报告
（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：
研究知识特征的粗糙集表征及其等价划分知识类别的精确度,在粗糙集理论的基础上结合知识粒度理论计算特征权重,提出基于粗糙集和知识粒度的权重确定方法,并通过算例证明所提出方法可以解决权重确定中存在的主观随意性和特征冗余等问题,进一步提高权重确定方法的适用性。
（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。
知识粒度论文参考文献
[1].杨淑棉,刘剑.一种基于知识粒度的关键词提取方法[J].山东科学.2019
[2].施振佺,陈世平.基于粗糙集和知识粒度的特征权重确定方法[J].科技管理研究.2018
[3].郑诚,王波,洪彤彤.关系矩阵的知识粒度增量式属性约简[J].小型微型计算机系统.2018
[4].景运革.基于知识粒度的动态属性约简算法研究[D].西南交通大学.2017
[5].黄卫华.一种面向缺失数据的信息熵和知识粒度[J].山西大学学报(自然科学版).2017
[6].李迅,王凯,于翔麟.基于知识粒度的科学效应库系统构建[J].组合机床与自动化加工技术.2016
[7].杨志勇,朱跃龙,万定生.基于知识粒度的时间序列异常检测研究[J].计算机技术与发展.2016
[8].黄国顺,文翰.基于边界域和知识粒度的粗糙集不确定性度量[J].控制与决策.2016
[9].刘龙繁,李彦,马金龙,杜晓娇,刘红围.基于知识粒度的TRIZ在创新设计中的应用[J].机械工程学报.2016
[10].乔丽娟,徐章艳,谢小军,朱金虎,陈晓飞.基于知识粒度的不完备决策表的属性约简算法[J].智能系统学报.2016