导读:本文包含了缺省数据论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据,数据挖掘,规则,原子,粗糙,量计,形式逻辑。
缺省数据论文文献综述
柴旭[1]（2018）在《农经权中数据缺省的技术弥补与缓解机制研究——以福建省厦门市某区为例》一文中研究指出农村土地承包经营权确权登记颁证中存在数据缺省问题,为提高项目效率与社会效益需通过技术弥补与社会性缓解手段加以支持。应用遗失数据重构的软测量方法,基于决策树的不完全决策表的数据补充,以及一种身份证信息验证与补遗算法对不同数据缺省问题进行弥补。研究表明,数据缺省能够通过技术手段加以弥补。与此同时,确权数据经过技术性补遗之后必须进行公示及公示后的再次补充调查,应使农户积极参与,共同完成数据弥补。(本文来源于《东华理工大学学报(自然科学版)》期刊2018年01期）
宋玉丹[2]（2011）在《针对特征缺省数据集的模式识别方法与应用研究》一文中研究指出在模式识别、机器学习以及数据挖掘中,分类是一个基本而又重要的问题。作为模式分类的研究方法之一的支持向量机技术近来也得到广泛的研究和应用。进行分类时,我们必备的两个条件,一个是分类器,另一个是数据集。在实际的应用中,由于获取数据的渠道和数据建模的差异等原因,人们所能收集到的大量信息往往是不完整的,存在缺少的特征或者是非均衡的,统称为缺省数据集。对特征缺少的数据集进行分类,目前的处理方法主要有直接删除法或者空值填充法;对于不平衡的数据,传统的方法是对较少的一类进行人为重采样或者对较多的一类进行删除,以此来减弱训练样本的不均衡性,但是这些修复方法会在一定程度上降低分类的准确性,并没有从根本上进行算法的改进。而且无论通过哪种方式修正,都无法避免主观因素对原系统的影响,并且花费的代价很大。缺省数据集分类算法的探索是随着数据获取、机器学习和信息检索的发展而出现的问题,是一个比较新的课题,国内外对该问题的研究还不成熟,但是它却非常具有现实意义,尤其是在容易丢失特征的车牌识别、语音识别、生物认证、医疗诊断、机器故障检测等领域具有十分广泛的应用前景。本文在对特征缺少和不平衡数据集的现有理论和算法进行回顾、探讨的基础上,有针对的提出了基于支持向量机的新算法,并通过实验证明。主要工作总结如下:第一部分为全文的绪论,对模式识别技术的发展和基于缺省数据集的分类现状进行了分析和综述。第二部分归纳简述了支持向量机的理论基础知识,包括机器学习的基本问题、统计学习理论以及传统支持向量机的基本算法和改进算法等。第叁部分针对特征缺少数据的分类问题,阐述和分析了特征缺少的定义、特征缺少的产生机制以及处理准则,对当前处理特征缺少的研究成果进行分析;提出了基于最大间隔和最小类内方差的处理不完整数据的支持向量机方法,并利用UCI数据库中的数据进行了仿真实验。第四部分是对于非均衡数据集的分类问题的探讨,简单介绍了不平衡数据集的定义、特点及传统处理方法,并在现阶段研究成果的基础上,结合传统的一类支持向量机和两类分类算法提出了基于少量异常训练数据的最大间隔支持向量机算法,引入超平面与正负类之间的间隔,从而实现了有效利用少量异常数据进行新奇检测,并用医疗诊断,故障检测等领域的数据加以实验,证明了算法的有效性。第五部分对全文内容进行总结,提出了现有算法的不足之处并对以后的工作进行展望。(本文来源于《江南大学》期刊2011-03-01）
袁善军[3]（2009）在《例析数据缺省型计算题》一文中研究指出数据缺省型计算题的特点是:构成计算要素的已知量缺省,要求补充缺省量并进行有关计算。这类题可以充分挖掘学生潜能,考查学生的数据处理能力、逻辑思维能力和发散与收敛能力。为了全面理解此类试题的解题技巧,下面精选几例,以供读者参阅。(本文来源于《化学教学》期刊2009年09期）
邓瑞勋[4]（2007）在《数据缺省类计算题的常见解法》一文中研究指出数据缺省类计算题较特殊,题目中无任何可直接利用的数据,却要求进行相关计算。这类题型在一定程度上增大了解题的难度。无数据类计算题的常用解法有归一法、等量代(本文来源于《初中生辅导》期刊2007年36期）
胡菡,蒋国璋[5]（2006）在《基于缺省数据费用样本的设备经济寿命预测》一文中研究指出通过对设备费用样本的分析,采用了中间线性回归方法和考虑了货币的时间价值,建立了符合缺省数据费用样本的设备经济寿命预测模型。并通过实例验证了模型的有效性。(本文来源于《冶金设备》期刊2006年06期）
郑宏珍,刘扬,战德臣[6]（2006）在《基于数据挖掘的非单调问题的缺省规则框架》一文中研究指出提出一个求缺省规则的框架,通过合并条件属性所决定的类,生成组合类,可以构造覆盖更多对象的规则,生成从这些组合类映射到占优决策的规则。结果规则比确定规则至少具有两个重要的优点:(1)结构上简单;(2)即使规则相对训练集可能不完全,但是当处理未见的新事例时将表现得更好。系统对未来对象的分类质量,将在很大程度上依据系统一般化知识的能力。(本文来源于《计算机科学》期刊2006年11期）
张师超,倪艾玲[7]（2005）在《含缺省属性值的数据中的规则发现算法》一文中研究指出根据用户定义的主观重视程度,综合考虑属性的缺省值情况以及信息系统中各属性的属性值个数,确定模式的综合重要度,进而得出模式的最小支持度。另外,提出剪枝技术剪除无意义的频繁项集,仅挖掘用户感兴趣的规则。实验证明该方法是有效的。(本文来源于《计算机科学》期刊2005年10期）
王清晖,刘文奇[8]（2004）在《基于粗集理论缺省数据的改进算法》一文中研究指出在对粗集理论研究的基础上 ,利用对象间的属性值差异引入粗糙相似度的概念 ,提出一种改进的ROUSTIDA算法 ,指出改进后的算法使更多的数据得到科学的补齐 .实例表明此方法是比较有效的 .(本文来源于《昆明理工大学学报(理工版)》期刊2004年02期）
王清晖[9]（2003）在《基于粗集理论缺省数据的补齐及变论域规则推理方法研究》一文中研究指出粗集理论是Z．Pawlak于1982年提出的，它是一种新的处理模糊和不确定性知识的数学工具，由于它在知识发现、数据挖掘等方面的广泛应用，研究逐渐成熟。 粗集理论是建立在分类机制基础上的，它将知识理解为对数据的划分，而划分可理解为等价关系，每一划分的集合为概念。粗糙集理论的主要思想是利用已知的知识库，将不确定或不精切的知识用已知的知识库中的知识来近似刻画。该理论与其它处理不精确理论的最显着的区别是它无须提供问题所需处理的数据集合以外的任何先验信息， 粗集的概念可用不可分辨关系形成的上、下近似够成的一对集合来描述，这种处理可以定义近似的精度。粗集方法可以解决重要的分类问题，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则。 上、下近似是粗集理论中的基本概念，本文以上、下近似为基础，讨论了粗集的基本性质。针对不完备信息系统，介绍了缺省数据补齐的几种具体方法，利用对象间的属性值差异引入粗糙相似度的概念，，提出了一种对决策值非空的不完备信息系统的缺省数据的补齐的方法，指出该算法使更多的数据得到科学的补齐。并在此基础上，给出了一种决策表的简化方法，推导出决策规则。基于粗集理论，从变论域的角度出发，提出一种近似规则推理方法，根据给定的小前提，分析规则库中的规则，调整规则库，从而实现规则推理。以上的算法都给出了实例，表明了这些算法的有效性。(本文来源于《昆明理工大学》期刊2003-11-25）
陈建荣[10]（2003）在《数据缺省型开放题的解题方法研究》一文中研究指出数据缺省型开放题是近几年国家高考命题组开发出来的比较成功的新题型,此类试题对考查学生的学习潜能和发散能力特别有效.其特点是解题过程中由于条件不充分缺省某些重要的数据,即数据残缺不全,使解题的方向不明(本文来源于《数理化学习(高中版)》期刊2003年03期）
缺省数据论文开题报告
（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：
在模式识别、机器学习以及数据挖掘中,分类是一个基本而又重要的问题。作为模式分类的研究方法之一的支持向量机技术近来也得到广泛的研究和应用。进行分类时,我们必备的两个条件,一个是分类器,另一个是数据集。在实际的应用中,由于获取数据的渠道和数据建模的差异等原因,人们所能收集到的大量信息往往是不完整的,存在缺少的特征或者是非均衡的,统称为缺省数据集。对特征缺少的数据集进行分类,目前的处理方法主要有直接删除法或者空值填充法;对于不平衡的数据,传统的方法是对较少的一类进行人为重采样或者对较多的一类进行删除,以此来减弱训练样本的不均衡性,但是这些修复方法会在一定程度上降低分类的准确性,并没有从根本上进行算法的改进。而且无论通过哪种方式修正,都无法避免主观因素对原系统的影响,并且花费的代价很大。缺省数据集分类算法的探索是随着数据获取、机器学习和信息检索的发展而出现的问题,是一个比较新的课题,国内外对该问题的研究还不成熟,但是它却非常具有现实意义,尤其是在容易丢失特征的车牌识别、语音识别、生物认证、医疗诊断、机器故障检测等领域具有十分广泛的应用前景。本文在对特征缺少和不平衡数据集的现有理论和算法进行回顾、探讨的基础上,有针对的提出了基于支持向量机的新算法,并通过实验证明。主要工作总结如下:第一部分为全文的绪论,对模式识别技术的发展和基于缺省数据集的分类现状进行了分析和综述。第二部分归纳简述了支持向量机的理论基础知识,包括机器学习的基本问题、统计学习理论以及传统支持向量机的基本算法和改进算法等。第叁部分针对特征缺少数据的分类问题,阐述和分析了特征缺少的定义、特征缺少的产生机制以及处理准则,对当前处理特征缺少的研究成果进行分析;提出了基于最大间隔和最小类内方差的处理不完整数据的支持向量机方法,并利用UCI数据库中的数据进行了仿真实验。第四部分是对于非均衡数据集的分类问题的探讨,简单介绍了不平衡数据集的定义、特点及传统处理方法,并在现阶段研究成果的基础上,结合传统的一类支持向量机和两类分类算法提出了基于少量异常训练数据的最大间隔支持向量机算法,引入超平面与正负类之间的间隔,从而实现了有效利用少量异常数据进行新奇检测,并用医疗诊断,故障检测等领域的数据加以实验,证明了算法的有效性。第五部分对全文内容进行总结,提出了现有算法的不足之处并对以后的工作进行展望。
（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。
缺省数据论文参考文献
[1].柴旭.农经权中数据缺省的技术弥补与缓解机制研究——以福建省厦门市某区为例[J].东华理工大学学报(自然科学版).2018
[2].宋玉丹.针对特征缺省数据集的模式识别方法与应用研究[D].江南大学.2011
[3].袁善军.例析数据缺省型计算题[J].化学教学.2009
[4].邓瑞勋.数据缺省类计算题的常见解法[J].初中生辅导.2007
[5].胡菡,蒋国璋.基于缺省数据费用样本的设备经济寿命预测[J].冶金设备.2006
[6].郑宏珍,刘扬,战德臣.基于数据挖掘的非单调问题的缺省规则框架[J].计算机科学.2006
[7].张师超,倪艾玲.含缺省属性值的数据中的规则发现算法[J].计算机科学.2005
[8].王清晖,刘文奇.基于粗集理论缺省数据的改进算法[J].昆明理工大学学报(理工版).2004
[9].王清晖.基于粗集理论缺省数据的补齐及变论域规则推理方法研究[D].昆明理工大学.2003
[10].陈建荣.数据缺省型开放题的解题方法研究[J].数理化学习(高中版).2003
论文知识图
