知识获取中的Rough Sets理论及其应用研究

论文题目: 知识获取中的Rough Sets理论及其应用研究

论文类型: 博士论文

论文专业: 控制理论与控制工程

作者: 马玉良

导师: 赵光宙

关键词: 理论,知识获取,知识粗糙性,属性重要性评价,属性离散化,规则约简,值约简,信息融合

文献来源: 浙江大学

发表年度: 2005

论文摘要: Pawlak提出的粗糙集(Rough Sets,简称RS)理论是处理知识,特别是不精确、不相容知识的一种新的数学工具。该理论对知识给出了形式化的定义,使得对知识能够进行有效的分析和操作。此外,RS理论还提供了一套从数据中自动获取知识的工具,即知识约简。目前,RS理论正在被广泛应用于人工智能、模式识别等很多领域。 基于粗糙集理论的特点,将其应用于知识获取领域,可支持知识获取的多个步骤,如数据预处理、数据约简、规则生成、数据依赖关系获取等。全文主要内容如下: 第一章主要是粗糙集理论综述,包括以下四部分:粗糙集理论的基本概念;粗糙集理论区别于其它智能理论的特点;粗糙集理论比较常用的应用软件;粗糙集理论的研究方向,包括理论研究和应用研究。然后对知识获取进行了概述,最后介绍了论文研究的内容和论文结构。 第二章在引入知识信息熵及互信息概念的基础上,详细讨论了粗糙集理论中知识粗糙性与信息之间的关系,从信息的角度对知识粗糙性给出了定量的刻划。然后从信息的角度对粗糙集理论的主要概念给出了新的表示,我们称之为信息表示,并且对其直观含义和合理性进行了说明。 第三章提出了基于粗糙集理论的信息系统属性重要性评价方法。利用粗糙集理论中的下近似和上近似概念定义一个评定参数α_R(X),并由此参数的大小判断系统属性的重要性。与现有的评价系统参数方法相比,基于粗糙集理论的方法能得到关于系统更多的信息。 第四章首先介绍了信息系统属性离散化的意义、步骤、分类和几种现有的方法。然后利用决策表相容性的反馈信息,提出了一种领域独立的连续属性划分的算法。最后将该算法与目前已有的几种方法做了比较分析,得到了令人满意的结果。 第五章研究了信息系统的约简算法。首先研究了用粗糙集理论对实值信息系统属性进行约简的方法,通过对离散化方法与属性约简的关系进行研究,提出了实值属性离散化的一种自动确定属性类别的方法,并结合粗糙集理论给出了对实值属性信息系统约简的算法;然后结合概率方法对模糊集进行了研究,并利用相

论文目录:

目录

摘要

ABSTRACT

第一章 绪论

1.1 粗糙集理论的基本概念

1.1.1 知识表达和信息系统

1.1.2 粗糙集合

1.1.3 知识的化简

1.1.4 知识的依赖性

1.1.5 决策系统

1.2 粗糙集理论的特点

1.3 粗糙集理论的应用软件

1.4 粗糙集理论的研究方向

1.4.1 粗糙集理论的理论研究

1.4.2 粗糙集理论的应用研究

1.5 知识获取

1.6 论文研究的内容和结构

1.6.1 主要研究内容

1.6.2 论文结构

第二章 知识粗糙性与信息的关联

2.1 概述

2.2 知识的粗糙性

2.3 知识的信息熵与互信息

2.3.1 知识的概率分布

2.3.2 知识的信息熵与互信息

2.4 知识粗糙性与信息的关系

2.5 信息熵对知识不确定性的测量

2.5.1 不确定性测量方法

2.5.2 信息熵在粗糙集理论中的应用

2.6 无决策时RS的信息表示

2.6.1 主要概念的信息表示

2.6.2 信息表示与代数表示的等价性

2.7 有决策时RS的信息表示

2.7.1 主要概念的信息表示

2.7.2 信息表示与代数表示的等价性

2.8 结论

第三章 信息系统属性的重要性评价

3.1 概述

3.2 K—W检验法

3.2.1 K—W检验法简介

3.2.2 例证分析

3.3 不确定信息测度方法

3.3.1 方法介绍

3.3.2 例证分析

3.4 基于粗糙集理论的评价方法

3.4.1 知识与不可分辨关系

3.4.2 知识表达系统

3.4.3 基于粗糙集理论评价系统属性重要性

3.5 几种方法的比较

3.5.1 K—W检验法与基于粗糙集方法的比较

3.5.2 比较分析

3.6 粗糙集方法与概率统计方法的统一协调性

3.7 结论

第四章 信息系统属性的离散化方法

4.1 概述

4.2 离散化的意义、步骤和分类

4.2.1 离散化的意义

4.2.2 离散化的步骤

4.2.3 离散化的分类

4.3 现有的离散化方法

4.3.1 三种主要的方法

4.3.2 其它离散化方法

4.4 基于动态层次聚类的连续属性离散化算法

4.4.1 层次聚类算法

4.4.2 基于动态层次聚类的离散化算法

4.4.3 离散属性的划分是本算法的特例

4.5 与其它方法的比较

4.5.1 与L方法的比较

4.5.2 与S方法的比较

4.6 结论

第五章 信息系统的规则约简与值约简

5.1 概述

5.2 一种实值属性规则约简方法

5.2.1 方法的理论基础

5.2.2 规则约简方法

5.2.3 实验验证

5.3 模糊属性规则约简方法

5.3.1 关于模糊集的概率方法

5.3.2 模糊属性规则的约简

5.3.3 实验验证

5.4 值约简算法RSVR

5.4.1 问题的提出

5.4.2 算法描述

5.4.3 算法举例

5.4.4 实验分析

5.5 总结

第六章 基于Rough Sets理论的信息融合

6.1 概述

6.2 信息融合技术的现状和研究方向

6.3 信息融合技术存在的问题

6.4 基于Rough Sets理论的多传感器信息融合

6.5 结论

第七章 总结与展望

7.1 工作总结

7.2 进一步工作展望

参考文献

附录

攻读博士学位期间完成的论文和项目

致谢

发布时间: 2005-07-14

参考文献

• [1].基于覆盖的概率粗糙集和L-模糊变精度粗糙集研究[D]. 黎文善（LE VAN THIEN）.武汉大学2015
• [2].代价敏感粒计算若干方法的研究[D]. 廖淑娇.电子科技大学2018
• [3].基于粗糙集的过程建模、控制与故障诊断[D]. 谭天乐.浙江大学2003
• [4].粗糙集理论分层递阶约简算法的研究[D]. 乔斌.浙江大学2003
• [5].粗糙集—神经网络智能系统在浮选过程中的应用研究[D]. 张勇.大连理工大学2006
• [6].基于粗糙集和数据库技术的知识发现与推理方法研究[D]. 乔梅.天津大学2005
• [7].基于粗糙集的故障诊断和容错控制理论和方法研究[D]. 高赟.西安科技大学2005
• [8].基于粗糙集的数据挖掘方法研究[D]. 王庆东.浙江大学2005
• [9].基于粗糙集的数据挖掘算法研究[D]. 刘文军.北京师范大学2004
• [10].基于粗糙集的交叉研究及其在中医诊断的应用[D]. 秦中广.华南理工大学2002

标签：理论论文;  知识获取论文;  知识粗糙性论文;  属性重要性评价论文;  属性离散化论文;  规则约简论文;  值约简论文;  信息融合论文;