导读:本文包含了粗糙集数据分析论文开题报告文献综述、选题提纲参考文献，主要关键词:粗糙,模糊,属性,数据,邻域,内积,错误率。
粗糙集数据分析论文文献综述写法
宋笑雪[1]（2019）在《基于粗糙集的用户数据分析研究》一文中研究指出"以用户为中心"的经营方式已为大多数企业所选择。对用户数据进行分析,可以从庞大的数据量中挖掘出更有价值的相关信息。利用粗糙集理论中决策信息系统的属性重要度判别方法,对用户数据中的条件属性进行预处理,保留那些对决策目标属性影响程度较大的条件属性,删除那些对决策目标不产生或产生较小影响的条件属性,然后利用数据挖掘工具SmartMining构建用户流失预警模型,并进行有效性评估,得到可能的流失用户群数据,提供给工作人员进行针对性的维护。(本文来源于《电脑编程技巧与维护》期刊2019年09期）
刘雅丽,张春红,王昕[2]（2019）在《基于粗糙集的属性约简及其在高校就业数据分析中的应用》一文中研究指出粗糙集理论是数据分析与知识发现的数学工具,近年来已被广泛应用于各个研究领域。本文利用粗糙集理论的属性约简算法,找出了影响高校数学专业学生就业的约简集。研究成果可以帮助高校学生更好地制定职业规划,为将来就业提供一定的帮助。(本文来源于《信息记录材料》期刊2019年07期）
柳媛慧,陈林书,马庆[3]（2019）在《大学生就业影响因素中基于粗糙集的智能数据分析方法》一文中研究指出大学生就业形势越来越严峻,影响就业的因素众多,各因素对就业情况的影响并不相同,且相互之间存在关联性。基于粗糙集理论,提出大学生就业因素重要度的定量度量方法,建立基于粗糙集的智能数据分析模型,实验结果表明了新型方法的有效性,能够为大学生的在校学习和就业规划提供了重要指导,并为高校培养和企业招聘优秀大学生提供了决策支持。(本文来源于《当代教育理论与实践》期刊2019年03期）
陶泽,刘媛[4]（2018）在《粗糙集基础上海量数据挖掘的算法分析》一文中研究指出本文先对粗糙集在海量数据挖掘中的作用进行简析,然后在数据预先处理、属性约简以及规则提取等相关基础上,对粗糙集基础上海量数据挖掘的算法进行详细分析和阐述。(本文来源于《中国战略新兴产业》期刊2018年40期）
龚翔荣,陈天祥[5]（2018）在《基于粗糙集的城市社区治理绩效指标分析——A市50个样本社区的调查数据》一文中研究指出当前社区治理研究多关注"如何进行社区治理改革",即社区治理未来模式是什么,较少关注"社区治理效果进行如何",即现有社区治理效果是怎样,而只有对社区治理绩效进行客观性的评价才能真正了解不同社区治理的真实状况。在回顾国内外社区发展指标研究基础上,从社区治理的实质出发,构建以社区多元治理主体和社区居民纵向两个层面,社区行政类事务、社区自治类事务、社区公益类事务和社区市场类事务横向四个维度的社区治理绩效评价初始指标体系,并基于A市50个样本社区的调查数据,利用粗糙集理论和CRITIC权重法筛选出33个最终指标,并运用Pearson相关系数来检验粗糙集的社区评价结果与社区主观均值的评价结果的相关性,使得社区指标体系评价具有一定外推性,因此为进一步评价城市社区治理绩效提供了一个"第叁方"可衡量评价体系和框架。(本文来源于《北京行政学院学报》期刊2018年05期）
吴伟志[6]（2018）在《多粒度粗糙集数据分析研究的回顾与展望》一文中研究指出粒计算是知识表示和数据挖掘的一个基本问题。粗糙集理论是知识获取的一个典型粒计算模型。在传统粗糙集数据分析中,信息系统中每一个对象在每一个属性上只能取唯一的值。在实际生活数据中,根据不同的粒度或者尺度,对象在同一属性上可以取不同粒度的值。该文介绍目前流行的叁类基于粗糙集的多粒度数据处理模型,即多粒化粗糙集模型、多粒度邻域粗糙集模型、多尺度信息系统的粗糙集数据分析模型,回顾这叁类多粒度粗糙集数据分析模型的研究进展及主要研究内容,并提出若干研究问题。(本文来源于《西北大学学报(自然科学版)》期刊2018年04期）
冯唱[7]（2018）在《基于模糊粗糙集的数据分析模型与算法研究》一文中研究指出今天的我们正处于信息化时代,信息化时代是当今时代发展的大趋势,随之发展的网路信息技术,正以前所未有的发展速度伴随这我们生活的日常,大数据问题的实际应用问题亟待解决。对于大数据的处理已经成为数据挖掘方面的焦点问题。模糊粗糙集是一个用于特征选择的重要的粗糙集模型。经典模糊粗糙集使用模糊依赖函数作为特征选择的准则。然而,这个准则函数只能保持样本到决策类的最大隶属度,不能保证分类误差最小。在本文中,我们引入了新的特征选择标准来克服这个弱点。为了表征分类错误率,首先引入一类模糊二元关系来构造决策的模糊下近似和上近似。然后,引入新的依赖关系概念:错分率和内积依赖度来描述分类错误。基于此,提出了新的特征选择标准来度量候选属性的重要性。提出的准则在保持最大依赖函数的同时还能保证最小分类误差。本文中所提出的属性约简算法理论推论和实验结果都可以证明,该特征选择算法明显优于其他的经典算法,特别是对于不同类别表现出很大程度重迭的数据集,降低了特征选择的复杂度的同时提高了样本的分类精度,具有一定的现实意义。(本文来源于《渤海大学》期刊2018-06-01）
梁绍宸,徐苏平,窦慧莉,李洪梅,杨习贝[8]（2018）在《模糊粗糙集的LIFT数据分析》一文中研究指出在多标记学习中,因为不同的标记拥有与其自身紧密相关的特性,所以可以利用LIFT策略来处理多标记问题,其过程包含两个步骤:首先根据不同标记构建类属属性,然后在类属属性空间上进行分类.然而由于利用LIFT所构建的类属属性维度较高,会致使分类模型训练变慢或泛化能力不足.为解决这一问题,借助传统与稳健的模糊粗糙集模型,提出了对类属属性空间进行特征选择,并在此基础上利用模糊粗糙分类器进行多标记预测的模糊粗糙LIFT方法.实验结果表明,新算法不仅可以有效地降低类属属性空间维度,而且在压缩后的类属属性空间中,分类性能将有所提升.(本文来源于《小型微型计算机系统》期刊2018年05期）
陈超,席俞佳,归宇,章璨[9]（2018）在《基于粗糙集理论的设备缺陷大数据分析》一文中研究指出针对变电运维室近几年来积累的大量设备缺陷数据,采用粗糙集理论对缺陷数据按照不同属性进行分类,分析同一属性数据中所隐含的规律,从而帮助运维人员找出设备缺陷的真正原因,指导班组正确、彻底地处理设备缺陷,消除电网安全隐患.同时采用本文的数据分析方法,对熔丝熔断缺陷等多个专项进行了成功地分析和总结,有效提高了缺陷处理的准确性,减少了非计划性停电的次数.(本文来源于《湖州师范学院学报》期刊2018年04期）
梁本哲,王占岐[10]（2018）在《基于粗糙集理论的武汉市农业土地利用数据分析及规划决策研究》一文中研究指出[目的]以2001~2014年武汉市农业土地利用基础数据为研究对象,通过实证研究的方法证明粗糙集理论能够从大量的数据中发现客观规律,可以给决策者提供更多的决策支持。[方法]运用粗糙集理论将土地利用基础数据划分为条件属性和决策属性,对属性进行离散化和约简处理,析取决策规则,分析条件属性与决策属性之间的客观规律。[结果]粗糙集理论析取的隐含知识和模式,客观反映出武汉市的人均粮食产量变化与单位面积从业人口、人均用电量和单位面积化肥施用量等密切相关,且单位面积化肥施用量的影响最为显着。[结论]从粮食安全的角度考虑,应加强对化肥施用量与人均粮食产量定量关系的研究。(本文来源于《中国农业资源与区划》期刊2018年03期）
粗糙集数据分析论文开题报告范文
（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：
粗糙集理论是数据分析与知识发现的数学工具,近年来已被广泛应用于各个研究领域。本文利用粗糙集理论的属性约简算法,找出了影响高校数学专业学生就业的约简集。研究成果可以帮助高校学生更好地制定职业规划,为将来就业提供一定的帮助。
（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。
粗糙集数据分析论文参考文献
[1].宋笑雪.基于粗糙集的用户数据分析研究[J].电脑编程技巧与维护.2019
[2].刘雅丽,张春红,王昕.基于粗糙集的属性约简及其在高校就业数据分析中的应用[J].信息记录材料.2019
[3].柳媛慧,陈林书,马庆.大学生就业影响因素中基于粗糙集的智能数据分析方法[J].当代教育理论与实践.2019
[4].陶泽,刘媛.粗糙集基础上海量数据挖掘的算法分析[J].中国战略新兴产业.2018
[5].龚翔荣,陈天祥.基于粗糙集的城市社区治理绩效指标分析——A市50个样本社区的调查数据[J].北京行政学院学报.2018
[6].吴伟志.多粒度粗糙集数据分析研究的回顾与展望[J].西北大学学报(自然科学版).2018
[7].冯唱.基于模糊粗糙集的数据分析模型与算法研究[D].渤海大学.2018
[8].梁绍宸,徐苏平,窦慧莉,李洪梅,杨习贝.模糊粗糙集的LIFT数据分析[J].小型微型计算机系统.2018
[9].陈超,席俞佳,归宇,章璨.基于粗糙集理论的设备缺陷大数据分析[J].湖州师范学院学报.2018
[10].梁本哲,王占岐.基于粗糙集理论的武汉市农业土地利用数据分析及规划决策研究[J].中国农业资源与区划.2018