导读:本文包含了知识表达系统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:知识,属性,子集,系统,极小,粗糙,干扰。
知识表达系统论文文献综述
李伟光[1]（2010）在《知识表达系统中条件属性与决策属性关系的分析》一文中研究指出本文利用了最优化理论,讨论主分量分析(PCA)的原理,提出利用主分量分析的方法研究知识表达系统中条件属性的相关性,进而讨论决策系统中条件属性的重要性和系统控制参数的简化,并给出了利用主分量分析的方法研究知识系统中属性的相关性,进行系统参数简化的算法。理论分析和实例计算结果证明了本文提出的方法的可行性和有效性。(本文来源于《计量与测试技术》期刊2010年01期）
毛影岩,任雪芳,余晃晶[2]（2008）在《动态知识表达系统的鲁棒性》一文中研究指出定义了知识表达系统的成熟度、规则频率比和规则重要度的概念,并从这些概念出发讨论知识表达系统的鲁棒性能,分析了成熟度与规则频度以及规则重要度的关系,并给出了具有鲁棒性的知识表达系统或概念的构建算法,分析表明这种构建算法具有良好的鲁棒性能和实用价值.(本文来源于《叁明学院学报》期刊2008年04期）
王彩芸,蔡乐才[3]（2008）在《基于知识表达系统的序列比对研究》一文中研究指出序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义。该文对典型的双序列比对算法以及多序列比对算法进行了描述和评价;针对目前序列比对算法普遍存在的不足,提出了一种新的思想--基于知识表达系统的序列比对研究,应用知识表达系统对序列比对相似性发现进行定义及其处理。(本文来源于《四川理工学院学报(自然科学版)》期刊2008年06期）
任雪芳[4]（2008）在《知识的动态推理与识别及知识表达系统的鲁棒性》一文中研究指出粗糙集理论作为一种处理不精确知识或数据的表达、学习、归纳的理论方法,由于它在机器学习与知识发现、数据挖掘、决策支持与分析等方面的广泛、成功的应用而成为当前信息科学等领域的研究热点之一.实际系统(例如金融系统、风险投资系统、医疗诊断系统等)的各种问题多为动态的,经典的Pawlak粗糙集是一个静态的粗糙集,对于处理动态问题无能为力,S-粗集拓展了Pawlak粗糙集,对元素迁移或属性迁移引起的各种动态问题(如动态数据挖掘、动态知识发现和系统动态粗特性等)的研究提供了理论支持.元素迁移与属性迁移、元素动态补充与约简是知识表达系统常涉及到的两个动态问题.元素迁移和属性迁移是S-粗集理论中最基本最重要的概念之一,目前关于S-粗集的研究均是基于元素迁移或属性迁移的既成事实上,对于其产生的原因以及对系统的影响的相关研究甚少.知识表达系统是各种信息系统的关键,知识表达系统的元素动态补充和约简的目的是构建一个具有鲁棒性能的知识表达系统,而目前还没有一个比较令人满意的构建原则可循.本文在总结前人工作的基础上主要作了以下工作:1.分析元素迁移和属性迁移的原因,利用命题逻辑理论,阐述了当外部因素干扰系统时,元素迁移和属性迁移的过程,根据干扰效果把干扰因素分为元素干扰和属性干扰两种类型,给出出元素干扰与系统内部的元素之间的逻辑推理形式;属性干扰与系统内部的属性之间的逻辑推理形式;在此基础上给出知识的逻辑推理形式和S-粗集的逻辑推理形式.这些结果使得人们能够动态掌握系统知识的形态变化,识别潜藏在系统中的未知知识、概念;且可以根据冲突理论积极干扰系统,使系统达到或接近预期的变化.这部分的研究为实现系统的动态预测、动态决策以及动态控制提供了理论依据,是该文的侧重点.2.提出了成熟度、规则重要度和规则频度比的概念,在这些概念的基础上给出了具有鲁棒性能的知识表达系统的一种构建算法.(本文来源于《山东大学》期刊2008-04-20）
陈智洁,陈为真[5]（2006）在《基于分类机制的顾客消费知识表达系统的构建》一文中研究指出在当今崇尚个性化的消费时代,企业与顾客间的长期稳定关系越来越难以维持,如何深入理解顾客的购买决策,成为企业营销的重要目标。影响顾客购买决策的因素信息有多种,有的来自商品本身,有的则在于顾客自身。本文参考粗糙集的分类机制,试图找出各影响因素间的联系,以此发现顾客的更多隐私信息,为企业开展关系营销提供更准确的信息。(本文来源于《医学信息》期刊2006年02期）
李小霞,陈绵云[6]（2004）在《知识表达系统的简化与集族的极小子集(Ⅱ)》一文中研究指出论文定义知识表达系统的不可分辨矩阵,并且揭示如何通过不可分辨矩阵解决与知识表达系统叁大属性简化相关的问题,包括判断一个属性是否在核中,判断一个对象是否在正区中,判断决策表是否协调,如何将知识表达系统属性简化、决策表条件属性简化、协调决策表条件属性简化问题转化为生成集族的Ⅱ型极小子集问题。(本文来源于《计算机科学》期刊2004年02期）
李小霞,陈绵云[7]（2004）在《知识表达系统的简化与集族的极小子集(Ⅰ)》一文中研究指出论文定义集族的Ⅰ型极小子集和Ⅱ型极小子集,揭示集族的Ⅰ型极小子集问题和Ⅱ型极小子集问题的转化关系,Ⅰ型极小子集族与Ⅰ型核以及Ⅱ型极小子集族与Ⅱ型核之间的关系,描述了生成集族近似Ⅰ型极小子集的贪心方法和生成所有的Ⅰ型极小子集的幂集树方法。(本文来源于《计算机科学》期刊2004年01期）
傅媛[8]（2003）在《两种知识表达系统的比较和一种基于决策的数据补全方法》一文中研究指出粗糙集理论是处理不完备信息的一种方法，它是建立在这样一种假设[3] 下即：对论域中的每个对象总是有一些信息是相互联系的，并且对象仅由能够较容易获得的有效信息来描述。因此对于具有相同信息的不同对象可以将其看作在已知的信息中是不可区分[1] [3] [16] 的，所以有效信息可以用等价关系来表述，称之为不可区分关系，其中每个等价类由不可区分的对象组成。汪培庄教授于80年代初提出因素空间[26] [28] ，1982年他正式发表了有关因素空间的论文。现代控制论中的状态空间，模式识别中的特征空间和参数空间，现代物理中的相空间等都是因素空间的特殊情形。粗糙集理论和因素空间在各个方面有着广泛的应用，由于粗糙集理论将等价关系对空间的划分与知识等同，即将知识理解为对数据的划分，任何U的子集称为U中的一个概念或范畴。粗糙集的研究对象[15] [18] 是由一个多值属性(特征、症状、特性等)集合描述的一个对象(观察、病历等)集合，对于每个对象及其属性都有一个值作为其描述符号，对象、属性和描述符是表达决策问题的3个基本要素。这种表达形式也可以看成为一个二维表格，表格的行与对象相对应，列对应于对象的属性：各行包含了表示相应对象信息的描述符，还有关于各个对象的类别成员的信息。于是形成了粗糙集理论的知识库[16] [18] ，而因素空间理论的因素空间与知识库之间具有一定的关系，我们在本文中讨论了二者之间的关系。另外，由于知识的不完备，我们在进行知识获取[18] 之前需要对数据进行预处理，包括原始数据的采样、收集和整理。但是，我们获得的原始数据不一定适合直接用于知识获取，通常还要进行预处理加工，对于原始数据资料中遗漏的信息，需要补充。对遗漏信息进行补充的方法有多种，本文提出了一种基于决策的数据补全方法，并举例说明其有效性。(本文来源于《昆明理工大学》期刊2003-12-01）
李小霞,陈绵云[9]（2003）在《知识表达系统函数规则简化的理论基础》一文中研究指出0 引言粗集理论是波兰的Z.Pawlak等一批科学家提出来的,被用来研究不完整数据、不精确知识的表达、学习、归纳等。有些学者认为它无论在理论和应用上都是一种新的、最重要的并且是迅速发展的研充领域,为机器学习、知识获取、决策分析、数据库知识发现、专家系统、决策支持系统、归纳推理、模式识别、模糊控制等提供了一种很有效的数学方法。我们的研(本文来源于《计算机科学》期刊2003年03期）
李飞,黄亚楼,刘丽君[10]（2001）在《数据挖掘中知识管理与表达系统的设计与实现》一文中研究指出分析了知识管理与表达在数据挖掘及人工智能系统中的作用，进行了功能分析与结构设计。介绍了一个具体知识管理与表达系统ＫＭＥ的存储管理与索引机制，以及它的多种知识表达方式。最后探讨了ＫＭＥ实现时遇到的问题及其改进方法。(本文来源于《计算机工程与应用》期刊2001年14期）
知识表达系统论文开题报告
（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：
定义了知识表达系统的成熟度、规则频率比和规则重要度的概念,并从这些概念出发讨论知识表达系统的鲁棒性能,分析了成熟度与规则频度以及规则重要度的关系,并给出了具有鲁棒性的知识表达系统或概念的构建算法,分析表明这种构建算法具有良好的鲁棒性能和实用价值.
（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。
知识表达系统论文参考文献
[1].李伟光.知识表达系统中条件属性与决策属性关系的分析[J].计量与测试技术.2010
[2].毛影岩,任雪芳,余晃晶.动态知识表达系统的鲁棒性[J].叁明学院学报.2008
[3].王彩芸,蔡乐才.基于知识表达系统的序列比对研究[J].四川理工学院学报(自然科学版).2008
[4].任雪芳.知识的动态推理与识别及知识表达系统的鲁棒性[D].山东大学.2008
[5].陈智洁,陈为真.基于分类机制的顾客消费知识表达系统的构建[J].医学信息.2006
[6].李小霞,陈绵云.知识表达系统的简化与集族的极小子集(Ⅱ)[J].计算机科学.2004
[7].李小霞,陈绵云.知识表达系统的简化与集族的极小子集(Ⅰ)[J].计算机科学.2004
[8].傅媛.两种知识表达系统的比较和一种基于决策的数据补全方法[D].昆明理工大学.2003
[9].李小霞,陈绵云.知识表达系统函数规则简化的理论基础[J].计算机科学.2003
[10].李飞,黄亚楼,刘丽君.数据挖掘中知识管理与表达系统的设计与实现[J].计算机工程与应用.2001
论文知识图
