导读:本文包含了程度粗糙集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:粗糙,粒度,程度,信息系统,关系,逻辑,度量。
程度粗糙集论文文献综述
汪小燕,郭云婷,申元霞[1]（2019）在《变精度与程度“逻辑或”多粒度粗糙集》一文中研究指出在多粒度粗糙集模型基础上,考虑相对误差和绝对误差的分类思想,针对不完备信息系统提出基于限制容差关系的变精度与程度"逻辑或"多粒度粗糙集,包括变精度与程度"逻辑或"乐观和悲观多粒度粗糙集。讨论变精度与程度"逻辑或"乐观和悲观多粒度粗糙集的相关性质,通过实验验证该模型的有效性。(本文来源于《苏州科技大学学报(自然科学版)》期刊2019年02期）
姚晟,陈菊,徐风,汪杰,吴照玉[2]（2019）在《量化容差关系的程度多粒度粗糙集模型》一文中研究指出多粒度粗糙集是一种重要的多粒度数据挖掘模型。为了对不完备信息系统中等价类重迭部分的定量信息进行挖掘,提出一种多阈值的量化容差关系程度多粒度粗糙集模型。首先将描述等价类重迭信息的程度多粒度粗糙集模型与处理不完备信息系统的量化容差关系进行结合,提出量化容差关系的程度多粒度粗糙集模型,然后在该模型的基础上,为每个粒度设定与数据相适应的阈值,提高了量化容差关系程度多粒度粗糙集模型的灵活性,增加多粒度数据挖掘的性能。UCI数据集的实验结果表明,本文所提出的粗糙集模型具有较好的分类效果和理论的可行性。(本文来源于《测控技术》期刊2019年03期）
孙文鑫,刘玉锋,卓春英[3]（2019）在《程度多粒度软粗糙集模型》一文中研究指出多粒度粗糙集的研究是近几年来研究的热门课题之一。提出了一种介于乐观和悲观多粒度软粗糙集的新模型——程度多粒度软粗糙集。首先,通过计数函数建立了程度多粒度软粗糙集模型;其次,讨论了程度多粒度软粗糙近似算子的性质;再次,定义并研究了程度多粒度软粗糙集的不确定性度量及性质;最后,通过医院对病人诊断的案例验证了模型的实用性。(本文来源于《计算机科学与探索》期刊2019年10期）
赵艺琳,姜麟,米允龙,李金海[4]（2018）在《基于加权粒度和优势关系的程度多粒度粗糙集近似集的动态并行更新算法》一文中研究指出随着大数据集的不断更新,经典的多粒度粗糙集理论不再适用。为此,提出加权粒度优势关系程度悲观多粒度粗糙集与加权粒度优势关系程度乐观多粒度粗糙集的相关理论。在此基础上,给出了一种基于加权粒度和优势关系的程度多粒度粗糙集近似集的动态并行更新算法。最后,通过实验验证了所提算法的有效性,其能够应对海量动态更新的数据变化并提升运行效率。(本文来源于《计算机科学》期刊2018年10期）
李慧[5]（2018）在《程度悲观多粒度粗糙集若干问题的研究》一文中研究指出粗糙集理论是由波兰数学家Pawlak在1982年首次提出的一种用于数据分析的数学理论,该理论被作为一种处理不精确、不确定和不完全数据的数学工具.Pawlak粗糙集是在划分基础上的,忽略了类与集合重迭部分的量化信息,这在实际应用中有很大的局限性,而程度粗糙集从信息的绝对量化入手对经典粗糙集进行了拓展.本文首先将变精度粗糙集与程度多粒度粗糙集结合,提出了变精度程度悲观多粒度粗糙集模型,并给出其下近似分布以及下近似分布粒度熵的定义,进一步讨论了相关的性质和定理,且给出了约简的定义及启发式算法,并通过例题说明该模型的可行性;其次提出了四种基于覆盖的程度悲观多粒度粗糙集模型,基于证据理论给出程度悲观多粒度粗糙集的信任结构,建立了程度悲观多粒度粗糙集与证据理论之间的联系.(本文来源于《山西师范大学》期刊2018-03-20）
沈家兰[6]（2017）在《不完备程度多粒度粗糙集模型研究》一文中研究指出由于网络技术和通信技术的飞速发展,涌现出类型多样的海量数据,各个领域都期待从海量的、杂乱无章的、噪声数据中获取有用的知识。粗糙集(rough set,RS)在获取模糊性、不确定的知识方面展现出巨大的优势。它不需要任何其它先验知识和附加信息,依靠数据集合本身的属性,便可以挖掘出数据中隐含的有价值的信息。多粒度粗糙集(Multi-Granulation Rough Set,MGRS)是一种新的粗糙集扩展模型,它从多个粒度空间对目标概念进行近似逼近,在边界区域的范围缩小,目标概念的表示精度提高方面,具有明显的优势。实际生活中,由于测量偏差等因素,常常存在一些不完备的,但隐藏着丰富知识的数据。为了从不完备信息系统中获得更加准确的知识,本文结合程度粗糙集,研究不完备MGRS模型和粒度约简方法。本文主要工作如下:(1)介绍经典粗糙集的基础知识,给出一些实例形象地解释粗糙集的基本概念。针对完备系统和不完备系统,介绍目前MGRS的发展与研究现状。(2)分别介绍了基于容差关系、相似关系、限制容差关系的单粒度粗糙集拓展模型和MGRS拓展模型,分析不同关系下各个粗糙集模型的优缺点。(3)针对不完备信息系统,提出基于限制容差关系的程度MGRS,包括程度乐观MGRS和程度悲观MGRS。分析程度乐观MGRS和程度悲观MGRS的不足之处,提出一种基于限制容差关系的可变程度MGRS模型。研究这叁种模型的相关性质与联系。通过实例和实验分析可变程度MGRS的优越性。(4)考虑粒度的权重,基于限制容差关系,提出不完备加权程度MGRS,并讨论其性质。定义不完备加权程度MGRS的粒度矩阵、核粒度和粒度重要性公式。提出一种粒度约简方法,在获取核粒度的基础上,以粒度重要性作为启发式信息选择粒度,获得最终的粒度约简集。(本文来源于《安徽工业大学》期刊2017-06-03）
沈家兰,汪小燕,申元霞[7]（2016）在《可变程度多粒度粗糙集》一文中研究指出在融入一定程度误差的分类思想下,在多粒度粗糙集模型基础上,对不完备信息系统,提出基于限制容差关系的程度多粒度粗糙集,包括程度乐观多粒度粗糙集和程度悲观多粒度粗糙集.通过分析程度乐观多粒度粗糙集和程度悲观多粒度粗糙集的不足之处,提出一种可变程度多粒度粗糙集模型.研究可变程度多粒度粗糙集、程度乐观多粒度和程度悲观多粒度粗糙集的性质.可变程度多粒度粗糙集在一定程度上提高了精度,使分类更加有效,实例分析的结果也验证了该理论的可行性.(本文来源于《小型微型计算机系统》期刊2016年05期）
彭霜霜,王洪春[8]（2016）在《序信息系统下基于变精度与程度近似算子的组合粗糙集模型》一文中研究指出基于不可分辨关系的变精度粗糙集和程度粗糙集都是对经典粗糙集的拓展,分别反映了信息的相对量化和绝对量化.为了融合2种模型的优点同时为使其更具实际意义,本文在序信息系统中通过对2对上下近似算子的重新组合,构造了2个新的粗糙集模型,并仿照研究经典粗糙集理论的方法深入地研究了其数学性质.最后通过学生成绩这一案例求解分析对本文作进一步说明,本文为序信息系统的知识发现提供了进一步的理论基础.(本文来源于《西南师范大学学报(自然科学版)》期刊2016年04期）
胡其佳[9]（2016）在《基于覆盖的程度粗糙集拓展模型》一文中研究指出粗糙集理论是波兰数学家Pawlak在1982年提出来的,它是一种处理模糊、不确定、不精确数据的数学工具.经典的粗糙集忽略了类与集合重迭部分的量化信息,而程度粗糙集从信息的绝对量化入手对经典粗糙集进行了拓展.Pawlak粗糙集在划分的基础上构建,在实际生活中,覆盖比划分更一般化.本文在覆盖近似空间中,对程度粗糙集分别从粒度,论域,与概率粗糙集结合这叁个角度进行拓展.在覆盖近似空间中,将多粒度的思想融入程度粗糙集中,提出了多粒程度覆盖粗糙集模型.研究了两类多粒程度覆盖粗糙集模型的性质,讨论了多粒程度覆盖粗糙集与程度覆盖粗糙集之间的关系,并通过实例说明了该模型的实用性.将程度粗糙集与双论域覆盖粗糙集结合,提出了双论域程度覆盖粗糙集模型.首先给出了该模型的上下近似定义,讨论了上下近似算子的若干重要性质和定理,进一步给出了该模型的模型区域以及讨论了其重要性质,而后将该模型与两个域上的变精度覆盖粗糙集进行了比较.在覆盖近似空间中,将程度粗糙集和概率粗糙集结合,建立了基于覆盖的概率和程度粗糙集模型.首先给出了基于覆盖的概率和程度粗集模型上下近似的两种描述并研究了其基本性质,进一步给出了粗糙集区域的基本结构和精确描述,最后通过实例说明了基于覆盖的概率和程度粗集模型在医疗诊断系统中的应用.(本文来源于《山西师范大学》期刊2016-03-20）
余建航,徐伟华[10]（2016）在《序信息系统下基于精度与程度“逻辑与”和“逻辑或”的粗糙集》一文中研究指出在序信息系统中通过"逻辑与"和"逻辑或"将变精度粗糙集与程度粗糙集融合起来,建立了一种新的粗糙集模型,此模型是对经典粗糙集模型、变精度粗糙集模型以及程度粗糙集模型的推广。对模型区域做出了精确的刻画,深入地研究了模型的数学性质。最后通过对学生成绩这一案例的分析,揭示了本研究的意义,从而为序信息系统的知识发现提供了新的思路。(本文来源于《计算机科学》期刊2016年02期）
程度粗糙集论文开题报告
（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：
多粒度粗糙集是一种重要的多粒度数据挖掘模型。为了对不完备信息系统中等价类重迭部分的定量信息进行挖掘,提出一种多阈值的量化容差关系程度多粒度粗糙集模型。首先将描述等价类重迭信息的程度多粒度粗糙集模型与处理不完备信息系统的量化容差关系进行结合,提出量化容差关系的程度多粒度粗糙集模型,然后在该模型的基础上,为每个粒度设定与数据相适应的阈值,提高了量化容差关系程度多粒度粗糙集模型的灵活性,增加多粒度数据挖掘的性能。UCI数据集的实验结果表明,本文所提出的粗糙集模型具有较好的分类效果和理论的可行性。
（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。
程度粗糙集论文参考文献
[1].汪小燕,郭云婷,申元霞.变精度与程度“逻辑或”多粒度粗糙集[J].苏州科技大学学报(自然科学版).2019
[2].姚晟,陈菊,徐风,汪杰,吴照玉.量化容差关系的程度多粒度粗糙集模型[J].测控技术.2019
[3].孙文鑫,刘玉锋,卓春英.程度多粒度软粗糙集模型[J].计算机科学与探索.2019
[4].赵艺琳,姜麟,米允龙,李金海.基于加权粒度和优势关系的程度多粒度粗糙集近似集的动态并行更新算法[J].计算机科学.2018
[5].李慧.程度悲观多粒度粗糙集若干问题的研究[D].山西师范大学.2018
[6].沈家兰.不完备程度多粒度粗糙集模型研究[D].安徽工业大学.2017
[7].沈家兰,汪小燕,申元霞.可变程度多粒度粗糙集[J].小型微型计算机系统.2016
[8].彭霜霜,王洪春.序信息系统下基于变精度与程度近似算子的组合粗糙集模型[J].西南师范大学学报(自然科学版).2016
[9].胡其佳.基于覆盖的程度粗糙集拓展模型[D].山西师范大学.2016
[10].余建航,徐伟华.序信息系统下基于精度与程度“逻辑与”和“逻辑或”的粗糙集[J].计算机科学.2016
论文知识图
