导读:本文包含了粒度熵论文开题报告文献综述及选题提纲参考文献，主要关键词:下近似分布约简,下近似分布粒度熵,变精度悲观多粒度粗糙集,粒度约简
粒度熵论文文献综述
孟慧丽,马媛媛,徐久成[1]（2016）在《基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简》一文中研究指出将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。(本文来源于《计算机科学》期刊2016年02期）
张霞[2]（2015）在《基于粒度熵的知识约简算法应用》一文中研究指出针对现有的基于信息熵理论的知识约简算法存在的不完备性问题,提出了一种基于粒度熵的知识约简算法,并将其应用到电力变压器的故障诊断中。结果表明该算法可以从各约简集中筛选出最小最优的故障决策表约简集,从而提高故障诊断的速度和可靠性。(本文来源于《电脑开发与应用》期刊2015年02期）
王虹丹[3]（2014）在《基于条件粒度熵的不完备信息系统的动态约简研究》一文中研究指出由于大数据时代的来临,我们正面临着一项艰巨的任务：从海量的、杂乱无章的、有噪声的、不完备的、模糊的数据中找到有用的知识,即数据挖掘。分类是数据挖掘的一个重要分支,在众多分类技术中,粗糙集理论因为它不仅可以处理不确定问题并且还不需要数据集之外的任何先验知识这一突出优点,所以成为了知识发现的有效工具,获得了学者们的广泛关注。属性约简是粗糙集理论的热点研究内容之一。目前,基于粗糙集理论下的属性约简方法已经很多,但是大部分都是在完备并且静态的信息系统条件下的,并不能够满足现实中存在很多缺失数据的不完备信息系统和不断增加数据集的动态信息系统。虽然现在也有许多关于不完备信息系统和动态约简的研究,但是相对来说还是比较薄弱和单一。因此研究在不完备信息系统下的动态属性约简算法是很迫切的并且很有理论价值意义。基于以上,本文的研究工作着重于以下几个方面：(一)从代数论和信息论两个方面分析总结了目前基于粗糙集理论的不完备信息系统的属性约简算法。(二)从信息论的观点出发,根据基于容差关系下的不完备信息系统的粒度函数定义,给出了新的粒度熵函数,从而得到条件粒度熵函数和属性重要度,以属性重要度为启发式信息给出基于条件粒度熵的不完备信息系统下的属性约简算法。(叁)对基于条件粒度熵的不完备信息系统下的属性约简算法进一步研究,在得到原信息系统约简的情况下,分析仅有对象增加时、仅有对象减少时、同时存在对象增加和对象减少时,这叁种情况下条件粒度熵函数的变化机制,并更新约简算法。最后将所得到的动态约简算法应用到船舶耗油数据分析中,以证明算法的有效性。(本文来源于《大连海事大学》期刊2014-10-01）
田海,孔令伟,赵翀[4]（2014）在《基于粒度熵概念的贝壳砂颗粒破碎特性描述》一文中研究指出对取自福建莆田湄洲湾海域的贝壳砂进行了不同围压、不同相对密度下的叁轴排水剪切试验,同时考虑了尺寸效应的影响。依据试样试验前后粒径分布资料,在统计熵概念基础上提出颗粒破碎粒度熵模型对其破碎率进行了度量,并与Hardin颗粒破碎模型进行了比较,结果表明:贝壳砂颗粒破碎率与围压、相对密度及试样尺寸均有关系,在相同试验条件下,贝壳砂颗粒破碎程度随着试样尺寸的增加而增大,随着围压的增加而增大;当相对密度较低时,颗粒破碎率呈增大趋势;相对密度增加到较高值时,颗粒破碎程度减弱;贝壳砂叁轴压缩前后的级配曲线均可以通过粒度熵模型参数表征,其中相对基础熵参数(NB)较好地反映了颗粒破碎程度大小,破碎率愈高,NB值愈小,NB与Hardin破碎率存在显着的线性关系。贝壳砂颗粒破碎粒度熵参数能较好地描述其颗粒破碎行为,为岩土介质材料的颗粒破碎分析提供了一个新的量化指标。(本文来源于《岩土工程学报》期刊2014年06期）
聂秀珍[5]（2013）在《关于粒度熵的知识约简算法》一文中研究指出针对现有知识约简算法中存在的不完备性问题,提出了一种基于粒度熵的启发式知识约简算法,将该算法应用于电力变压器故障诊断决策表的约简,避免了选择约简集的盲目性,同时也大大提高了故障诊断的效率。(本文来源于《无线互联科技》期刊2013年11期）
张静[6]（2011）在《基于粒度熵的故障模型约简与SDG推理方法研究》一文中研究指出随着科学技术的不断发展,工业系统规模的不断扩大,系统内部各变量间的关系也日益复杂化。任何一个部件的故障都有可能引起一连串事故的发生,严重时甚至导致整个系统瘫痪,造成经济的损失和人员的伤亡因此,对系统进行故障检测,及时发现和处理故障就显得尤为重要。故障诊断的方法大致可以分为基于模型的方法和基于历史数据的方法,它们两者又都可以分别划分为定量方法和定性方法。在流程工业中,常常由于系统信息不完备难以建立精确的定量模型,或者是系统中的定性信息无法准确的转换为定量信息而造成定量故障诊断方法失效。为了克服这些困难,常常采用定性方法进行处理。基于SDG模型的故障诊断是定性方法的一个重要分支,它只需较少的信息就能够建立系统的模型,能够揭示系统变量的内在联系与影响关系,而且清晰的反映故障的传播路径。因此成为故障诊断的一种有效方法。然而因为其推理过程忽略了大量的定量信息而导致诊断结果的分辨率不高。而且由于该模型中包含大量冗余信息从而导致其推理速度慢,实时性不好。粒计算是解决和处理大规模复杂信息问题的一种有效方法,它能够从大规模的信息系统中挖掘重要的信息,有利于问题的求解。为了解决SDG故障诊断自身存在的问题,提高故障诊断的速度和分辨率,本文将粒计算的思想引入到SDG模型中,提出了基于粒度熵的知识约简方法和基于粒度熵的SDG推理方法。本文所做的具体研究工作如下：(1)针对SDG故障诊断方法诊断速度慢,实时性差的问题,本文从粒计算的角度出发,提出了基于粒度熵的不完备信息系统的知识约简算法,该算法把粒度熵作为启发式信息对冗余的属性和属性值进行约简,得到最简最优的诊断规则集,提高故障诊断的速度。(2)实际系统中常常由于某些原因造成信息系统中属性值的缺失,从而导致信息系统不完备。鉴于上述算法只适用于完备信息系统的处理,本文将最高可信度补齐算法MCC引入到该算法中,在对属性与属性值进行约简之前,首先将不完备的信息系统转化为完备的信息系统,方便对不完备信息系统进行后续处理。(3)针对SDG故障诊断方法分辨率不高的问题,本文提出了基于粒度熵的SDG推理方法,该方法将模型节点间的相对粒度熵作为定量信息加入到SDG模型支路中,对多故障源进行优先级排序,提高诊断结果的分辨率。(4)以高温硝酸冷却系统为例,采用基于经验知识的方法建立该系统的SDG模型,并通过SDG模型得出其诊断所需要的决策信息系统(决策表),通过对该系统进行信息处理与故障推理,验证了本文所提出的方法的可行性。(本文来源于《太原理工大学》期刊2011-05-01）
徐久成,孟慧丽,牟占生[7]（2008）在《信息系统的粒度熵及基于粒度熵的属性约简算法》一文中研究指出针对完备信息系统中,知识随着知识中属性的逐渐增加或减少从而对论域产生不同粗细的划分进行研究,给出了一个新的度量——粒度熵,以度量知识随着属性的逐渐增加或减少对论域产生不同粗细划分时的分辨能力,并基于粒度熵设计了对信息系统进行属性约简的算法。(本文来源于《广西师范大学学报(自然科学版)》期刊2008年03期）
王立宏,孙立民,孟佳娜[8]（2008）在《数值离散化中粒度熵与分类精度的相关性》一文中研究指出研究离散化方案中断点数、粒度熵与分类精度之间的关系,证明了粒度熵随着断点数的增加而下降。设计了一种混合型的数值离散化算法来提供多种相容离散决策表。实验发现:粒度熵和分类精度之间的相关程度有时高于断点数和分类精度之间的相关程度。(本文来源于《重庆大学学报》期刊2008年01期）
粒度熵论文开题报告
（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：
针对现有的基于信息熵理论的知识约简算法存在的不完备性问题,提出了一种基于粒度熵的知识约简算法,并将其应用到电力变压器的故障诊断中。结果表明该算法可以从各约简集中筛选出最小最优的故障决策表约简集,从而提高故障诊断的速度和可靠性。
（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。
粒度熵论文参考文献
[1].孟慧丽,马媛媛,徐久成.基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简[J].计算机科学.2016
[2].张霞.基于粒度熵的知识约简算法应用[J].电脑开发与应用.2015
[3].王虹丹.基于条件粒度熵的不完备信息系统的动态约简研究[D].大连海事大学.2014
[4].田海,孔令伟,赵翀.基于粒度熵概念的贝壳砂颗粒破碎特性描述[J].岩土工程学报.2014
[5].聂秀珍.关于粒度熵的知识约简算法[J].无线互联科技.2013
[6].张静.基于粒度熵的故障模型约简与SDG推理方法研究[D].太原理工大学.2011
[7].徐久成,孟慧丽,牟占生.信息系统的粒度熵及基于粒度熵的属性约简算法[J].广西师范大学学报(自然科学版).2008
[8].王立宏,孙立民,孟佳娜.数值离散化中粒度熵与分类精度的相关性[J].重庆大学学报.2008
标签：下近似分布约简; 下近似分布粒度熵; 变精度悲观多粒度粗糙集; 粒度约简;