导读:本文包含了粗糙信息向量论文开题报告文献综述及选题提纲参考文献，主要关键词:码垛机器人,信息融合,粗糙集理论,支持向量机
粗糙信息向量论文文献综述
王国虎,薛进学,王晓强,崔凤奎[1]（2016）在《基于粗糙集理论与支持向量机的多传感器信息融合方法》一文中研究指出为提高多传感器信息融合过程中数据处理的速度和准确度,采用一种粗糙集理论与支持向量机相结合的处理方式。首先,使用粗糙集理论(RS)对参数集进行属性约简,消除冗余信息,减少训练数据数量。再以支持向量机对约简后的数据进行分类训练。实验表明该方法的使用能加快系统的运行速度和处理精度。(本文来源于《现代制造工程》期刊2016年05期）
孙正兴[2]（2010）在《基于信息熵的粗糙集约简与支持向量机相结合的分类问题研究》一文中研究指出随着科技的快速发展,各行各业涌现出大量的数据信息。如何从这些数据中快速获取有用的知识、提取有效的分类方法是目前机器学习面临的主要问题。粗糙集理论方法是一种能有效地分析和处理不精确、不一致、不完整等各种不确定信息的数据分析工具,已经成功应用于机器学习、模式识别、决策支持、知识发现、故障诊断等领域。知识约简作为粗糙集应用的关键技术,是该理论的核心问题之一,能够对数据进行快速有效的处理。Vapnik等人提出的支持向量机是一种新的机器学习理论,集成了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术,其主要借助于最优化方法来解决机器学习问题。由于该理论具有全局最优、结构简单、推广能力强等优点,近些年得到了广泛地研究并被应用于数据分类、模式识别等领域。由于大多数的多类分类问题最终都可以转化为两类分类问题,因此支持向量机的原始问题也只涉及两类分类问题。通过对以上两种理论的学习研究,结合它们的优点,设计了一种基于信息熵的粗糙集约简与支持向量机相结合分类算法,并将该算法应用到本文的分类系统中,实验结果显示该算法在分类的准确率和速率方面都有所提高。本文主要工作如下:1.通过对粗糙集约简方法的研究,选择基于信息熵的启发式约简方法作为本文所提算法属性约简的工具。2.在粗糙集区分矩阵的基础上,提出一种新的粗糙集对象约简算法。3.设计了一种基于信息熵的粗糙集约简与支持向量机相结合的分类算法。该算法采用粗糙集属性约简理论对支持向量机数据特征进行选择,能有效降低输入特征向量的维数;而且,根据本文提出的对象约简方法能够有效移除冗余信息,修正不一致的信息,从而使分类面的分类性能得到优化。4.通过对UCI数据库中数据集进行的研究和实验,验证了文中设计算法的有效性。(本文来源于《西北师范大学》期刊2010-06-01）
桑妍丽,梁吉业[3]（2009）在《基于粗糙信息向量的一种决策规则获取算法》一文中研究指出针对不一致信息系统中决策规则获取问题,提出了一种基于粗糙信息向量方法的决策规则挖掘算法。基于粗糙信息向量,利用条件向量对决策向量的决策支持能力,直接从决策表中挖掘出符合阈值要求的尽可能简洁的决策规则,且不损失条件属性值的决策支持能力。利用该算法可以挖掘出决策系统中条件属性在各个简化层次情况下的确定性规则和缺省规则集合。理论分析和实例表明该算法在不一致信息系统中的决策规则获取上是可行的。(本文来源于《计算机工程与应用》期刊2009年17期）
刘碧森,钟守铭,陈华富[4]（2004）在《基于支持向量机与粗糙集理论的信息处理》一文中研究指出支持向量机(SVM)和粗糙集理论是近几年国际上研究的热点,在生物信息处理、模式识别等领域有广泛的应用。结合模糊集和支持向量机(SVM)提出了基于模糊集的支持向量机(FSSVM),然后对基于模糊集的支持向量机和粗糙集理论进行了详尽的分析、比较,最后通过实验比较得出将基于模糊集的支持向量机和粗糙集理论相结合是处理数据和信息的较好方案。(本文来源于《仪器仪表学报》期刊2004年S1期）
刘碧森,钟守铭,陈华富[5]（2004）在《基于支持向量机与粗糙集理论的信息处理》一文中研究指出支持向量机(SVM)和粗糙集理论是近几年国际上研究的热点,在生物信息处理、模式识别等领域有广泛的应用。结合模糊集和支持向量机(SVM)提出了基于模糊集的支持向量机(FSSVM),然后对基于模糊集的支持向量机和粗糙集理论进行了详尽的分析、比较,量后通过实验比较得出将基于模糊集的支持向量机和粗糙集理论相结合是处理数据和信息的较好方案。(本文来源于《第二届全国信息获取与处理学术会议论文集》期刊2004-08-01）
粗糙信息向量论文开题报告
（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：
随着科技的快速发展,各行各业涌现出大量的数据信息。如何从这些数据中快速获取有用的知识、提取有效的分类方法是目前机器学习面临的主要问题。粗糙集理论方法是一种能有效地分析和处理不精确、不一致、不完整等各种不确定信息的数据分析工具,已经成功应用于机器学习、模式识别、决策支持、知识发现、故障诊断等领域。知识约简作为粗糙集应用的关键技术,是该理论的核心问题之一,能够对数据进行快速有效的处理。Vapnik等人提出的支持向量机是一种新的机器学习理论,集成了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术,其主要借助于最优化方法来解决机器学习问题。由于该理论具有全局最优、结构简单、推广能力强等优点,近些年得到了广泛地研究并被应用于数据分类、模式识别等领域。由于大多数的多类分类问题最终都可以转化为两类分类问题,因此支持向量机的原始问题也只涉及两类分类问题。通过对以上两种理论的学习研究,结合它们的优点,设计了一种基于信息熵的粗糙集约简与支持向量机相结合分类算法,并将该算法应用到本文的分类系统中,实验结果显示该算法在分类的准确率和速率方面都有所提高。本文主要工作如下:1.通过对粗糙集约简方法的研究,选择基于信息熵的启发式约简方法作为本文所提算法属性约简的工具。2.在粗糙集区分矩阵的基础上,提出一种新的粗糙集对象约简算法。3.设计了一种基于信息熵的粗糙集约简与支持向量机相结合的分类算法。该算法采用粗糙集属性约简理论对支持向量机数据特征进行选择,能有效降低输入特征向量的维数;而且,根据本文提出的对象约简方法能够有效移除冗余信息,修正不一致的信息,从而使分类面的分类性能得到优化。4.通过对UCI数据库中数据集进行的研究和实验,验证了文中设计算法的有效性。
（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。
粗糙信息向量论文参考文献
[1].王国虎,薛进学,王晓强,崔凤奎.基于粗糙集理论与支持向量机的多传感器信息融合方法[J].现代制造工程.2016
[2].孙正兴.基于信息熵的粗糙集约简与支持向量机相结合的分类问题研究[D].西北师范大学.2010
[3].桑妍丽,梁吉业.基于粗糙信息向量的一种决策规则获取算法[J].计算机工程与应用.2009
[4].刘碧森,钟守铭,陈华富.基于支持向量机与粗糙集理论的信息处理[J].仪器仪表学报.2004
[5].刘碧森,钟守铭,陈华富.基于支持向量机与粗糙集理论的信息处理[C].第二届全国信息获取与处理学术会议论文集.2004