导读:本文包含了贝叶斯粗糙集模型论文开题报告文献综述及选题提纲参考文献，主要关键词:属性约简,贝叶斯模糊粗糙集模型,模糊包含度,先验概率
贝叶斯粗糙集模型论文文献综述
魏玲,张琬林,李阳[1]（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）
孔令韬[2]（2015）在《基于粗糙集加权的朴素贝叶斯分类模型的应用研究》一文中研究指出数据挖掘是当前人工智能研究领域非常活跃的一部分,是后者的核心内容之一。粗糙集理论是一种能够处理不精确和不确定性问题的数学工具,有着坚实的理论基础。本文主要围绕基于粗糙集理论中属性重要度加权的朴素贝叶斯分类模型展开研究工作,针对后者在现实问题中依据的假设不易成立的问题,从应用和理论两个方面对朴素贝叶斯分类模型和粗糙集理论相结合应用于工程实践进行了较深入的研究。主要工作包括以下叁方面的内容:(1)系统分析了朴素贝叶斯分类模型的不足,根据某叁甲医院提出的病案分类和智能导医的需求,提出了重点改进方向。(2)针对朴素贝叶斯分类模型,分析了粗糙集理论中可以改善其不足和缺点的理论与算法,并据此提出了两者相结合的新的分类模型。该分类模型以属性约简为基础,以属性重要度加权为手段,最后计算出每个属性在分类中的权值。实验表明,上述新的分类模型与朴素贝叶斯分类模型相比,在时间消耗相近的情况下,能够有效地提高分类效果,提升准确率。(3)在研究和分析医院病案的基础上,提出了对医院病案自动分类和智能导医的整体解决方案。首先,针对医院现有海量病案进行整理,提取有用数据组成决策表;然后,利用属性约简对数据进行简化;接下来,对剩余属性进行重要度求值,再对描述词进行二次加权,以便突出病案或用户描述的重点词汇,将二次加权的值作为对属性权值的正确修正参数进行最终的分类计算;最后,通过面向对象分析和程序设计,开发了一套基于粗糙集加权的朴素贝叶斯分类模型系统,并成功应用于医疗领域中的病案分类和智能导医系统。实验表明,本文提出的分类模型相较于朴素贝叶斯分类模型具有更高的准确率,是一种比较成功的分类模型。(本文来源于《北京工业大学》期刊2015-06-01）
韩敏,王心哲,李洋,童年[3]（2013）在《基于贝叶斯粗糙集和混合专家模型的CBR系统》一文中研究指出建立一个完整的案例推理系统,提出一种高效的案例检索方法和一种案例调整策略.在案例检索过程中,提出一种基于贝叶斯粗糙集的属性权重确定算法,在此基础上利用最邻近法检索出与当前案例最相似的一组案例作为参考.使用检索出的相似案例训练分层混合专家模型,并用微粒群算法优化模型参数,实现了对案例的调整.采用实际转炉生产数据进行仿真,结果表明了该案例推理系统的有效性.(本文来源于《控制与决策》期刊2013年01期）
朱敏,刘卫东[4]（2013）在《基于粗糙集贝叶斯网络的电子产品设计缺陷评估模型》一文中研究指出为了对电子产品设计缺陷进行评估与预测,需要构建电子产品设计缺陷粗糙集数学描述模型。由于电子产品设计缺陷影响因素关系复杂,直接构造贝叶斯网络预测模型困难大、精度差,因此提出一种贝叶斯网络与粗糙集相结合的方法。采用粗糙集来生成贝叶斯网络预测模型的网络结构和各节点的条件概率表,再通过贝叶斯网络的参数估计建立电子产品设计缺陷的预测模型。实际应用证明,该方法简洁有效,可以预测项目可能存在的设计缺陷。(本文来源于《计算机应用研究》期刊2013年03期）
李丽红,王金朋[5]（2010）在《贝叶斯决策的变精度概率粗糙集模型》一文中研究指出文章分析讨论了最小风险贝叶斯决策的基本过程,建立了贝叶斯决策的变精度概率粗糙集模型。该模型在处理贝叶斯决策问题时能使决策失误的风险更小。(本文来源于《统计与决策》期刊2010年09期）
申锦标,吕跃进[6]（2009）在《基于粗糙集与贝叶斯网络的推理和诊断模型》一文中研究指出基于粗糙集知识约简、规则提取的优势和贝叶斯网络强大的推理能力,对决策表进行约简和提取决策规则获取节点关系、节点概率分布等信息,以获取的信息为基础建立贝叶斯网络模型。然后通过贝叶斯网络实现进行高效快速的推理和诊断。实例分析表明,该方法是可行有效的。(本文来源于《广西大学学报(自然科学版)》期刊2009年06期）
韩敏,张俊杰,彭飞,肖正宇[7]（2009）在《一种基于多决策类的贝叶斯粗糙集模型》一文中研究指出针对传统贝叶斯粗糙集理论只能处理二决策类的不足,提出一种基于多决策类的贝叶斯粗糙集.在此基础上定义一个衡量条件属性对决策属性影响程度的γ依赖度函数,并证明了该函数具有随条件属性的增加而单调递增的性质.最后基于γ依赖度函数的单调特性,提出一种确定属性权重的算法.以某钢厂150 t转炉的实际生产数据为例,仿真结果表明了模型的有效性和实用性.(本文来源于《控制与决策》期刊2009年11期）
陈胜,曾雪兰,梅良才[8]（2009）在《基于贝叶斯粗糙集模型的属性约简算法》一文中研究指出在分析贝叶斯粗糙集模型已有的约简算法的基础上,从含有多个决策类情况下的全局相对增益函数的角度,利用二进制编码方法给出一种求贝叶斯粗糙集所有约简及核的算法,并基于实际应用,给出对求出的所有约简进行筛选的拓展算法。通过算例说明算法的实用性和有效性。(本文来源于《广西科学》期刊2009年04期）
张跃宏,刘平,张琴,王磊,孙继佳[9]（2008）在《基于粗糙集与广义关联度系数的贝叶斯中医证候分类模型》一文中研究指出文章主要探讨了一种贝叶斯分类方法在肝炎后肝硬化中医诊断中的应用,介绍了粗糙集理论、广义关联度系数以及贝叶斯分类模型等数据挖掘技术。并且,运用粗糙集理论及广义关联度系数方法,对287例肝炎后肝硬化的症状、体征进行了属性选择。进一步,利用树增广的朴素贝叶斯分类算法,构建了肝炎后肝硬化中医证候分类模型。实验表明这种模型对肝炎后肝硬化的6种主要证候分类的符合率达83%。研究结果对肝炎后肝硬化的中医临床诊断具有参考意义。(本文来源于《统计与决策》期刊2008年12期）
罗会亮[10]（2008）在《基于粗糙集的贝叶斯网络模式识别模型与方法研究》一文中研究指出贝叶斯网络模式识别方法具有柔和性、容错性的优点,可以很好地处理不完备信息的识别问题,是目前不确定知识表示和推理领域中最有效的理论模型之一,是近年来数据挖掘和模式识别领域中的研究热点之一。论文在分析贝叶斯网络的发展过程和研究现状、贝叶斯网络分类器及其在模式识别方面的应用的基础上,针对贝叶斯网络分类器结构和参数学习比较困难的问题,研究了基于粗糙集的贝叶斯网络结构和参数学习算法,提出了基于粗糙集的贝叶斯网络模式识别模型和方法,最后通过仿真实验,验证了论文所提出的方法的可行性和有效性。研究的具体内容包括:(1)为提高属性约简的效率和贝叶斯网络分类器对噪声数据的抗干扰能力,论文在经典Pawlak粗糙集理论、一般关系下的粗糙集模型和变精度粗糙集模型的基础上,提出了广义变精度粗糙集模型;(2)论文从广义变精度粗糙集的定义出发,分别提出了完备信息系统的变精度粗糙集β-约简和不完备信息系统的变精度粗糙集α～β下近似约简的启发式算法,克服了搜索最小约简的NP-hard问题;(3)首先利用约简算法进行属性约简,提取决策规则,降低了贝叶斯网络的计算复杂度;然后根据约简后所得决策规则的置信因子和覆盖因子的信息,对贝叶斯网络的结构进行学习;最后再由贝叶斯网络结构和决策规则中属性变量取值的统计信息,对贝叶斯网络进行了参数学习,从而得到了粗糙集贝叶斯网络;(4)为得到用于分类决策的粗糙集贝叶斯网络分类器(RBAN),论文在粗糙集贝叶斯公式的基础上,提出了基于粗糙集的最小错误率贝叶斯决策准则;(5)利用样本数据进行了实验仿真,并与朴素贝叶斯网络( NB)分类器和贝叶斯增广朴素贝叶斯网络(BAN)分类器进行了综合比较,结果表明不管是完备信息系统,还是不完备信息系统,论文中所建立的RBAN分类器均具有更高的识别准确率,并且识别速度比NB分类器略慢,但比BAN分类器明显加快。(本文来源于《重庆大学》期刊2008-04-01）
贝叶斯粗糙集模型论文开题报告
（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：
数据挖掘是当前人工智能研究领域非常活跃的一部分,是后者的核心内容之一。粗糙集理论是一种能够处理不精确和不确定性问题的数学工具,有着坚实的理论基础。本文主要围绕基于粗糙集理论中属性重要度加权的朴素贝叶斯分类模型展开研究工作,针对后者在现实问题中依据的假设不易成立的问题,从应用和理论两个方面对朴素贝叶斯分类模型和粗糙集理论相结合应用于工程实践进行了较深入的研究。主要工作包括以下叁方面的内容:(1)系统分析了朴素贝叶斯分类模型的不足,根据某叁甲医院提出的病案分类和智能导医的需求,提出了重点改进方向。(2)针对朴素贝叶斯分类模型,分析了粗糙集理论中可以改善其不足和缺点的理论与算法,并据此提出了两者相结合的新的分类模型。该分类模型以属性约简为基础,以属性重要度加权为手段,最后计算出每个属性在分类中的权值。实验表明,上述新的分类模型与朴素贝叶斯分类模型相比,在时间消耗相近的情况下,能够有效地提高分类效果,提升准确率。(3)在研究和分析医院病案的基础上,提出了对医院病案自动分类和智能导医的整体解决方案。首先,针对医院现有海量病案进行整理,提取有用数据组成决策表;然后,利用属性约简对数据进行简化;接下来,对剩余属性进行重要度求值,再对描述词进行二次加权,以便突出病案或用户描述的重点词汇,将二次加权的值作为对属性权值的正确修正参数进行最终的分类计算;最后,通过面向对象分析和程序设计,开发了一套基于粗糙集加权的朴素贝叶斯分类模型系统,并成功应用于医疗领域中的病案分类和智能导医系统。实验表明,本文提出的分类模型相较于朴素贝叶斯分类模型具有更高的准确率,是一种比较成功的分类模型。
（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。
贝叶斯粗糙集模型论文参考文献
[1].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
[2].孔令韬.基于粗糙集加权的朴素贝叶斯分类模型的应用研究[D].北京工业大学.2015
[3].韩敏,王心哲,李洋,童年.基于贝叶斯粗糙集和混合专家模型的CBR系统[J].控制与决策.2013
[4].朱敏,刘卫东.基于粗糙集贝叶斯网络的电子产品设计缺陷评估模型[J].计算机应用研究.2013
[5].李丽红,王金朋.贝叶斯决策的变精度概率粗糙集模型[J].统计与决策.2010
[6].申锦标,吕跃进.基于粗糙集与贝叶斯网络的推理和诊断模型[J].广西大学学报(自然科学版).2009
[7].韩敏,张俊杰,彭飞,肖正宇.一种基于多决策类的贝叶斯粗糙集模型[J].控制与决策.2009
[8].陈胜,曾雪兰,梅良才.基于贝叶斯粗糙集模型的属性约简算法[J].广西科学.2009
[9].张跃宏,刘平,张琴,王磊,孙继佳.基于粗糙集与广义关联度系数的贝叶斯中医证候分类模型[J].统计与决策.2008
[10].罗会亮.基于粗糙集的贝叶斯网络模式识别模型与方法研究[D].重庆大学.2008
标签：属性约简; 贝叶斯模糊粗糙集模型; 模糊包含度; 先验概率;