导读:本文包含了信息粒度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:粒度,信息,属性,粗糙,矩阵,公理化,新颖性。
信息粒度论文文献综述
孙敬[1](2019)在《一种基于相对信息粒度的属性约简算法》一文中研究指出为了有效寻找决策信息系统中的约简,借鉴已有约简算法,依托粒计算理论,论文用信息粒库从语义和语法两个方面来刻画知识,利用相对信息粒度来衡量属性集的粒化能力,并据此提出一种基于相对信息粒度的属性约简算法,最终通过实例分析验证了该算法的有效性。(本文来源于《计算机与数字工程》期刊2019年07期)
桑妍丽[2](2017)在《基于信息粒度的决策粗糙集模型与方法》一文中研究指出随着互联网、现代传感器等新兴技术的快速发展,数据类型的多样化成为了数据驱动的智能决策中数据的主要形态。多属性决策作为决策科学的一个重要研究内容,广泛存在于社会生活的各个领域。在多属性决策问题中由于决策对象本身具有一定的模糊性和不确定性,决策粗糙集理论作为一种新的处理不确定性决策问题的方法,其具有的噪声容忍和风险代价敏感特性为解决多属性决策问题提供了一种新的思路。然而在真实的复杂决策问题中,决策数据往往包含着多视角、多层次/多尺度、高维等信息,同时决策任务也通常呈现出多层次、多粒度等复杂特性,经典决策粗糙集理论作为单一结构化的决策方法对于这类复杂的决策问题已经不能进行满意求解。粒计算是专门研究多层次粒结构的思维方式及问题求解方法的学科,对各类实际问题进行多粒度、多视角与多层次的描述、推理与求解是粒计算的主要研究内容。本文将人类在复杂问题求解中多粒度认知机理引入到决策粗糙集的数据分析中,从新的视角发展决策粗糙集模型与方法,主要取得了以下的研究成果。(1)借鉴动态粒度认知能力,构建了一个新的概率粗糙集框架,称为动态粒度决策粗糙集;展开了动态多粒度视角下的粗糙决策方法研究,为相关决策问题的高效求解提供了新的思路和方法。为了解决决策粗糙集模型中概率正域的非单调性引起相关属性约简和规则获取算法存在计算效率降低的问题,结合局部粗糙集和动态粒度原理构建了一种新的概率粗糙近似方法,解决了决策正域的非单调性问题;发展了一种高效的粗糙特征选择方法,借助于动态粒度下决策正域的单调变化实现了高效的特征选择过程。理论分析与实验结果均表明算法的计算效率得到了一定提升,并且有效地缓解了属性约简结果的过拟合现象;结合叁支决策思想构建了动态粒度下的叁支决策模型,设计了一种两阶段的动态叁支决策规则获取算法,实验表明了算法的有效性与高效性。(2)发展了基于概率融合的多粒度决策粗糙集模型和方法,为具有风险代价的一类多源数据分析问题提供了切实可行的研究方法。多源数据中信息融合问题是数据分析领域中常面临的问题,本章围绕该问题,依据多个粒空间中的Bayes决策过程,从概率论的角度给出了一个具体的多粒度信息融合方法。将多个粒空间中的信息融合转换为一种更容易理解和表示的概率融合,依据不同的融合策略发展了乐观/悲观多粒度决策粗糙集模型;在该模型中引入近似分布约简的概念,分析了多个粒空间中的粒度选择问题。针对多粒度概率粗糙近似可能产生的决策不一致,定义了新的近似分布质量更准确的刻画目标决策的下近似分布,基于此提出了保持多粒度空间α-下近似分布不变的粒度约简算法。(3)将多层次求解的粒计算方法引入决策粗糙集模型,发展了适合多尺度数据分析的决策粗糙集模型和方法,为人们从多尺度数据中发现代价敏感特性的决策知识提供了可以借鉴的方法。传统的多尺度分解造成了决策数据过粗或过细的问题,本章建立了泛化尺度的概念,在泛化意义下使得多尺度数据的分解更为灵活。在新定义的泛化多尺度决策表中依据Bayes决策理论构建了多尺度决策粗糙集模型,模型考虑了实际多尺度数据分析中的风险代价敏感性和容错性,更加适用于真实的多尺度数据决策问题求解;针对概率意义下多尺度粒层决策区域变化的非单调性问题,通常的保持决策不变的最优尺度选择方法在理论上和语义解释上都存在一定困难。引入代价敏感学习,将最优尺度选择问题转化为代价优化问题,设计了一种新的最优尺度选择算法。实验结果表明了算法的有效性和可解释性。论文从多角度、多层次以及动态粒度的研究视角,将多粒度求解的粒计算方法引入决策粗糙集模型中,建立了基于信息粒度的粗糙决策分析模型和方法体系,探索了粒计算视角下粗糙决策问题的求解新途径,对于真实的复杂决策问题求解有一定的理论意义和应用前景。(本文来源于《山西大学》期刊2017-05-01)
周红炜[3](2017)在《学科视域下的网络信息粒度表达研究》一文中研究指出粒度理论借鉴物理学的"粒子"概念,融合了计算科学、信息科学和认知科学,着眼于运用信息粒及粒度分析方法,从认知科学角度解析和模拟人脑对复杂信息的处理和加工过程,为机器智能信息处理找到模拟人类信息思维自然过程的计算分析方法。文章将信息粒及粒度理论引入体育这一特定学科领域,针对体育网络信息的不同类型及需求,运用相应的信息粒度分析法探索研究该学科网络信息的粒度表达方式,为开展网络学科信息人工智能计算提供粒度分析支持。(本文来源于《惠州学院学报》期刊2017年01期)
陈斯斯,董立平,许丹,刘春丽,郭继军[4](2016)在《叁种信息粒度下的新颖性探测理论及其应用》一文中研究指出根据信息粒度的大小,从文献集、文献、文献语句3个层面探究新颖性探测理论及其相关应用。3个层面的新颖性探测对于科研人员确定研究方向、评价文献以及阅读文献都具有实际的应用价值,是图书馆员实现图书馆从数据服务到知识服务转型的突破口。(本文来源于《中华医学图书情报杂志》期刊2016年11期)
周文[5](2016)在《基于信息粒度的地震应急产品分类方法初探》一文中研究指出文章提出了一种基于信息粒度的应急产品分类方法,以每一个应急产品为信息粒单位,用属性矩阵从六个方面来描述信息粒,并建立应急产品资源池,所有收集到的应急产品都以信息粒的方式存放在资源池中,根据不同的对象提供差异性的应急产品服务。该方法很好的表现了地震应急过程中,应急产品所具有的动态性和信息服务对象的层次性需求,规范了海量信息的处理方式,提高了地震应急的时效性。(本文来源于《科技创新与应用》期刊2016年07期)
王永生,郑雪峰,锁延锋[6](2015)在《一种基于信息粒度的动态属性约简求解算法》一文中研究指出动态属性约简是粗糙集理论的重要研究内容之一。针对动态决策表构造了一种基于信息粒度的动态属性约简模型,详细分析了决策表中出现新属性动态增加时信息粒度的增量式计算方法;在此基础上,以信息粒度作为启发信息,设计了一种动态属性约简求解算法,该算法能有效利用原决策表的属性约简结果和信息粒度来降低算法的计算复杂度,并使得约简结果具有较好传承性;最后通过算例分析和实验比较进一步验证了本算法的可行性和有效性。(本文来源于《计算机科学》期刊2015年04期)
郭红,宫睿[7](2015)在《基于信息粒度的XBRL分类标准扩展度量》一文中研究指出分类标准的制定是XBRL财务报告实施最为关键的步骤。为了进一步提高XBRL分类标准的质量,本文基于信息元素粒度理论,构建XBRL分类标准度量模型,以便更准确地把握财务信息元素的粗细程度,从而有效解决XBRL分类标准扩展度量的问题。(本文来源于《财会月刊》期刊2015年06期)
项海飞[8](2014)在《基于互信息粒度的相对约简的矩阵计算方法》一文中研究指出提出了一种基于互信息粒度的相对约简模型,该模型利用互信息度量决策系统中的条件属性,将互信息对属性的度量映射到布尔矩阵,并能得到完备的相对约简结果;同时给出了基于布尔矩阵属性重要度的度量方法,在此基础上,设计了一种相对约简启发式计算方法,最后通过实验验证了方法的有效性.(本文来源于《西南师范大学学报(自然科学版)》期刊2014年03期)
杨伟萍,林梦雷[9](2012)在《区间直觉模糊信息系统中的信息粒度》一文中研究指出区间直觉模糊信息系统比一般信息系统更能全面、细致、直观地描述和刻画决策信息,对其进行不确定性研究具有重要的意义。利用信息粒度对区间直觉模糊信息系统的不确定性进行了刻画,给出了区间直觉模糊粒度结构的交、并、差、补等四种运算。提出了区间直觉模糊粒度结构上的叁种偏序关系,并建立了它们之间的联系。定义了区间直觉模糊信息粒度和区间直觉模糊信息粒度的公理化,并研究它们的性质。(本文来源于《计算机应用》期刊2012年06期)
滕书华,鲁敏,张军,谭志国,庄钊文[10](2012)在《信息系统中的熵理论和信息粒度》一文中研究指出不确定性是人工智能中的研究热点,而熵理论和信息粒度是度量信息系统不确定性的两种主要方法。本文在给出信息系统中熵的物理意义基础上,提出了信息系统中熵增加原理,给出了熵和信息粒度的公理化定义,据此构造了两种新的不确定性度量函数—α熵和α粒度,它们是已有熵和粒度度量的进一步推广。研究表明,α熵以及现有的熵度量都是广义熵的特殊形式,而α粒度以及现有的粒度度量都是广义粒度的特殊形式,从而统一、规范和发展了完备与不完备信息系统中的不确定性度量方法。(本文来源于《计算机工程与科学》期刊2012年04期)
信息粒度论文开题报告
(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:
随着互联网、现代传感器等新兴技术的快速发展,数据类型的多样化成为了数据驱动的智能决策中数据的主要形态。多属性决策作为决策科学的一个重要研究内容,广泛存在于社会生活的各个领域。在多属性决策问题中由于决策对象本身具有一定的模糊性和不确定性,决策粗糙集理论作为一种新的处理不确定性决策问题的方法,其具有的噪声容忍和风险代价敏感特性为解决多属性决策问题提供了一种新的思路。然而在真实的复杂决策问题中,决策数据往往包含着多视角、多层次/多尺度、高维等信息,同时决策任务也通常呈现出多层次、多粒度等复杂特性,经典决策粗糙集理论作为单一结构化的决策方法对于这类复杂的决策问题已经不能进行满意求解。粒计算是专门研究多层次粒结构的思维方式及问题求解方法的学科,对各类实际问题进行多粒度、多视角与多层次的描述、推理与求解是粒计算的主要研究内容。本文将人类在复杂问题求解中多粒度认知机理引入到决策粗糙集的数据分析中,从新的视角发展决策粗糙集模型与方法,主要取得了以下的研究成果。(1)借鉴动态粒度认知能力,构建了一个新的概率粗糙集框架,称为动态粒度决策粗糙集;展开了动态多粒度视角下的粗糙决策方法研究,为相关决策问题的高效求解提供了新的思路和方法。为了解决决策粗糙集模型中概率正域的非单调性引起相关属性约简和规则获取算法存在计算效率降低的问题,结合局部粗糙集和动态粒度原理构建了一种新的概率粗糙近似方法,解决了决策正域的非单调性问题;发展了一种高效的粗糙特征选择方法,借助于动态粒度下决策正域的单调变化实现了高效的特征选择过程。理论分析与实验结果均表明算法的计算效率得到了一定提升,并且有效地缓解了属性约简结果的过拟合现象;结合叁支决策思想构建了动态粒度下的叁支决策模型,设计了一种两阶段的动态叁支决策规则获取算法,实验表明了算法的有效性与高效性。(2)发展了基于概率融合的多粒度决策粗糙集模型和方法,为具有风险代价的一类多源数据分析问题提供了切实可行的研究方法。多源数据中信息融合问题是数据分析领域中常面临的问题,本章围绕该问题,依据多个粒空间中的Bayes决策过程,从概率论的角度给出了一个具体的多粒度信息融合方法。将多个粒空间中的信息融合转换为一种更容易理解和表示的概率融合,依据不同的融合策略发展了乐观/悲观多粒度决策粗糙集模型;在该模型中引入近似分布约简的概念,分析了多个粒空间中的粒度选择问题。针对多粒度概率粗糙近似可能产生的决策不一致,定义了新的近似分布质量更准确的刻画目标决策的下近似分布,基于此提出了保持多粒度空间α-下近似分布不变的粒度约简算法。(3)将多层次求解的粒计算方法引入决策粗糙集模型,发展了适合多尺度数据分析的决策粗糙集模型和方法,为人们从多尺度数据中发现代价敏感特性的决策知识提供了可以借鉴的方法。传统的多尺度分解造成了决策数据过粗或过细的问题,本章建立了泛化尺度的概念,在泛化意义下使得多尺度数据的分解更为灵活。在新定义的泛化多尺度决策表中依据Bayes决策理论构建了多尺度决策粗糙集模型,模型考虑了实际多尺度数据分析中的风险代价敏感性和容错性,更加适用于真实的多尺度数据决策问题求解;针对概率意义下多尺度粒层决策区域变化的非单调性问题,通常的保持决策不变的最优尺度选择方法在理论上和语义解释上都存在一定困难。引入代价敏感学习,将最优尺度选择问题转化为代价优化问题,设计了一种新的最优尺度选择算法。实验结果表明了算法的有效性和可解释性。论文从多角度、多层次以及动态粒度的研究视角,将多粒度求解的粒计算方法引入决策粗糙集模型中,建立了基于信息粒度的粗糙决策分析模型和方法体系,探索了粒计算视角下粗糙决策问题的求解新途径,对于真实的复杂决策问题求解有一定的理论意义和应用前景。
(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。
信息粒度论文参考文献
[1].孙敬.一种基于相对信息粒度的属性约简算法[J].计算机与数字工程.2019
[2].桑妍丽.基于信息粒度的决策粗糙集模型与方法[D].山西大学.2017
[3].周红炜.学科视域下的网络信息粒度表达研究[J].惠州学院学报.2017
[4].陈斯斯,董立平,许丹,刘春丽,郭继军.叁种信息粒度下的新颖性探测理论及其应用[J].中华医学图书情报杂志.2016
[5].周文.基于信息粒度的地震应急产品分类方法初探[J].科技创新与应用.2016
[6].王永生,郑雪峰,锁延锋.一种基于信息粒度的动态属性约简求解算法[J].计算机科学.2015
[7].郭红,宫睿.基于信息粒度的XBRL分类标准扩展度量[J].财会月刊.2015
[8].项海飞.基于互信息粒度的相对约简的矩阵计算方法[J].西南师范大学学报(自然科学版).2014
[9].杨伟萍,林梦雷.区间直觉模糊信息系统中的信息粒度[J].计算机应用.2012
[10].滕书华,鲁敏,张军,谭志国,庄钊文.信息系统中的熵理论和信息粒度[J].计算机工程与科学.2012