导读:本文包含了动态约简论文开题报告文献综述及选题提纲参考文献，主要关键词:动态信息系统,序贯叁支决策,属性约简,优势关系
动态约简论文文献综述
李艳,张丽,陈俊芬[1]（2019）在《动态信息系统中基于序贯叁支决策的属性约简方法》一文中研究指出针对多准则分类问题,即条件属性为有序的符号值或连续值,而决策属性为类别标签的问题,采用优势-等价关系来表示其信息系统。但很多现实中的信息系统又是动态变化的,属性约简作为其重要的知识需要及时更新。为处理带有偏好关系的动态信息系统,建立多标准决策问题中的高效知识更新方法,提出了优势-等价关系下基于序贯叁支决策的约简更新方法。将多粒度结合起来形成动态粒序,当对象集和属性集变化时通过重用原有信息快速更新属性约简,从而降低知识更新的代价。最后选取了多组UCI数据集进行实验,结果表明所提方法能够在保证约简质量的基础上明显降低计算耗费。(本文来源于《计算机科学》期刊2019年S1期）
连志康[2]（2019）在《面向动态数据集的隐性知识外显案例属性约简研究》一文中研究指出在知识经济时代,知识已经成为创造社会价值和财富的主要源泉,作为知识载体的数据在生产实践中的重要地位是不可撼动的。当下,人们收集到的数据通常呈现出海量、动态化、低明晰和类型丰富等特征,其内蕴含了珍贵的隐性知识。在知识管理的应用实践中,人们所面临的不仅有数据收集、知识发现等方面的挑战,还会面对知识求精的问题。有鉴于此,本文在对隐性知识实施案例外显化的基础上,进一步研究对隐性知识外显案例属性约简的问题。以此提高隐性知识外显案例的精度、确保隐性知识的应用效益。首先,本文归纳了国内外研究现状,并分析了当前研究存在的问题。进一步地,提出了本文的技术路线和创新点。在此基础上,本文介绍了隐性知识和知识管理、案例推理与属性约简、增量学习以及粗糙集等相关理论基础。其后,针对传统粗糙集及其既有改进方法批量处理数据造成处理效率低下的问题,本文提出粗糙集与增量学习相结合的属性约简算法,从而大幅度提高了属性约简的效率。其中,本文在传统模糊粗糙集的基础上,运用相对辨识关系的概念来表示隐性知识外显案例属性约简的机理,基于此定义了属性更新准则;进一步地,基于增量学习理论,设计了两个增量属性约简算法。(1)面向动态案例集,增量属性约简算法Ⅰ:随着案例子集的加入,首先更新属性和属性集合的相对辨识关系,接着执行属性更新准则,当案例子集全部加入后,即可获得完整的案例集约简。(2)增量属性约简算法Ⅱ:每当有案例子集加入时,仅增量更新条件属性和属性集合的相对辨识关系,当案例子集全部加入后,即可获得整个案例集的相对辨识关系,然后执行属性更新准则,最终可得整个案例集的约简。最后,实验分析结果表明,本文提出的增量属性约简算法相对于传统算法在运行时间、所选属性个数以及分类精度上具备比较进步性。(本文来源于《郑州大学》期刊2019-05-01）
冯志强,焦自权,陈善本,柳存根,刘鹏[3]（2018）在《基于粗糙集知识约简的焊接动态过程建模》一文中研究指出焊接过程的智能建模是焊接智能化技术的基础构成之一,将粗糙集理论应用在电弧焊接过程建模与成形质量预测方面.为提高计算效率,给出在不相容决策信息系统中基于最大近似质量和最大分类正确率的知识约简算法.在现有粗糙集建模方法的基础上,引入聚类分析、模糊逻辑及近似推理技术,提出一种改进的焊接动态过程建模方法,通过铝合金TIG焊接工艺实验验证模型的合理性及有效性.(本文来源于《数学的实践与认识》期刊2018年24期）
向伟[4]（2018）在《邻域系统中对象变化的动态属性约简算法》一文中研究指出实际应用中,信息系统的数据常常是动态变化的,动态属性约简是邻域系统中研究的重要内容之一。针对邻域系统中对象变化的动态属性约简问题,提出邻域系统中对象变化的动态属性约简算法。介绍邻域系统中的差异度概念;分析对象变化时差异度的变化机制。UCI数据集上的实验验证了所提算法的可行性。(本文来源于《计算机应用与软件》期刊2018年11期）
陈万景,曾繁慧[5]（2018）在《基于因素空间决定度的动态因素约简算法》一文中研究指出针对因素分析表中的因素实时变化的问题,利用因素空间决定度,给出了动态的因素约简算法.该算法分析了增加因素的决定度与原静态因素约简后因素的决定度之间的大小关系,有效利用原因素分析表静态因素约简的结果.在此基础上,实现了对新增加因素后的因素分析表的动态因素约简.在UCI数据集上的实验结果表明:动态的因素约简算法是有效可行的.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2018年02期）
王映龙,华佳佳,钱文彬,杨珺[6]（2017）在《集值决策信息系统的动态属性约简算法》一文中研究指出在现实应用中许多数据往往是动态变化的,静态的属性约简算法处理此类数据需消耗大量的计算时间和存储空间。针对集值决策信息系统中数据的动态变化情况,通过引入条件信息量和属性重要性概念,提出了一种启发式的动态属性约简算法,当新的属性集增加到决策信息系统时,算法能够利用原系统的属性约简结果,快速更新属性集增加后的属性约简,并对更新后的属性约简中可能存在的冗余属性进行反向剔除,保持了知识获取的简洁,提高了算法的计算效率。最后,通过实例验证进一步分析了算法的有效性和可行性。(本文来源于《计算机工程与应用》期刊2017年17期）
黄桃林,牛娇娇,李金海[7]（2017）在《基于粒辨识属性矩阵的动态形式背景约简更新方法》一文中研究指出知识约简是知识发现中的一项重要任务,它的研究使得在数据中寻找蕴含规则更加简易,但现实中的信息往往都不是一成不变的,随着时间的推移需要不断地对原有信息进行适当更新。本文主要从粒辨识属性矩阵出发,讨论当所研究的形式背景处于更新状态时,如何由原有的粒协调集更新得到新的粒协调集,并讨论了粒辨识属性矩阵的相关性质。(本文来源于《山东大学学报(理学版)》期刊2017年07期）
赵星辉[8]（2017）在《一种面向文本分类的基于动态邻域粗糙集的属性约简算法》一文中研究指出随着机器学习领域不断的发展与进步,计算机处理海量数据的能力大大提升。但是,海量的数据中掺杂着大量冗余的、不完全的信息,对机器学习算法的性能造成了极大的影响。为了解决这一问题,有学者提出了数据约简这一概念,即以保持原有数据分类能力为前提,剔除掉数据中的冗余信息。如何对海量数据进行有效约简的同时最大限度保留有用信息,是数据挖掘与机器学习领域中的重要研究方向。近年来粗糙集理论作为一种有效处理不精确、不一致、不完整数据的分析工具,在机器学习等诸多领域得到了广泛地应用。邻域粗糙集模型作为粗糙集的一种拓展,能够很好的对连续型数据进行处理,从而解决了经典粗糙集中出现的信息损失和对离散化方法的依赖问题。本文对邻域粗糙集模型以及基于此模型的属性约简算法进行研究,主要包括:(1)为更好的确定适合特定数据集的邻域值,提高约简效果,本文将FCM算法和邻域粗糙集结合,并以属性重要度为启发条件,构造了一种基于Canopy-FCM非对称动态邻域粗糙集模型的前向贪心属性约简算法,为每个属性确定特定的邻域值,使邻域值的设定完全根据数据的分布,避免了设置全局定邻域值的弊端,从而更准确的选择出对决策能力贡献度高的属性。在UCI上的公开数据集实验结果表明,本文算法能保留较少的条件属性,而且较好的提升分类精度。(2)将本文提出的属性约简算法应用于中文文本分类中,以提取关键特征词并减少冗余词汇对分类效果的影响。本文以李荣陆整理的中文文本语料库为实验对象进行实验,实验结果表明,本文提出的属性约简算法可以很好地减少文本特征词,降低文本集的维度,提高了对文本数据的分类能力,便于更准确的捕捉关键信息,具有一定的实际意义。(本文来源于《山东科技大学》期刊2017-04-01）
邵珠全,桑琳,王艳丽,刘晓燕,于娟[9]（2017）在《基于条件信息熵的粗糙集属性动态约简》一文中研究指出属性约简是粗糙集理论的热点研究内容之一,从信息论出发,提出一种新的信息熵定义.约简算法从条件信息熵出发,迭代选择属性重要性最大的属性,得到信息系统的约简.在此基础上,构造基于条件信息熵的不完备信息系统的动态属性约简算法.在删除单个对象的情况下,新算法通过新的数据集有无删除对象的不可区分对象来判断是否更新原有约简.通过实例说明算法的有效性和可行性.(本文来源于《高师理科学刊》期刊2017年03期）
陈衡[10]（2017）在《一种基于动态降维的数据约简方法》一文中研究指出根据数据处理形式的不同,提出基于动态降维的数据约简方法和多维度动态降维算法。通过引入数据冗余删除理论,降低数据的冗余程度;采用数据降维技术,实现数据清洗,数据结构并行,提升核心数据的知识表示能力。最后通过实验验证了本方法的有效性。(本文来源于《鸡西大学学报》期刊2017年03期）
动态约简论文开题报告
（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：
在知识经济时代,知识已经成为创造社会价值和财富的主要源泉,作为知识载体的数据在生产实践中的重要地位是不可撼动的。当下,人们收集到的数据通常呈现出海量、动态化、低明晰和类型丰富等特征,其内蕴含了珍贵的隐性知识。在知识管理的应用实践中,人们所面临的不仅有数据收集、知识发现等方面的挑战,还会面对知识求精的问题。有鉴于此,本文在对隐性知识实施案例外显化的基础上,进一步研究对隐性知识外显案例属性约简的问题。以此提高隐性知识外显案例的精度、确保隐性知识的应用效益。首先,本文归纳了国内外研究现状,并分析了当前研究存在的问题。进一步地,提出了本文的技术路线和创新点。在此基础上,本文介绍了隐性知识和知识管理、案例推理与属性约简、增量学习以及粗糙集等相关理论基础。其后,针对传统粗糙集及其既有改进方法批量处理数据造成处理效率低下的问题,本文提出粗糙集与增量学习相结合的属性约简算法,从而大幅度提高了属性约简的效率。其中,本文在传统模糊粗糙集的基础上,运用相对辨识关系的概念来表示隐性知识外显案例属性约简的机理,基于此定义了属性更新准则;进一步地,基于增量学习理论,设计了两个增量属性约简算法。(1)面向动态案例集,增量属性约简算法Ⅰ:随着案例子集的加入,首先更新属性和属性集合的相对辨识关系,接着执行属性更新准则,当案例子集全部加入后,即可获得完整的案例集约简。(2)增量属性约简算法Ⅱ:每当有案例子集加入时,仅增量更新条件属性和属性集合的相对辨识关系,当案例子集全部加入后,即可获得整个案例集的相对辨识关系,然后执行属性更新准则,最终可得整个案例集的约简。最后,实验分析结果表明,本文提出的增量属性约简算法相对于传统算法在运行时间、所选属性个数以及分类精度上具备比较进步性。
（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。
动态约简论文参考文献
[1].李艳,张丽,陈俊芬.动态信息系统中基于序贯叁支决策的属性约简方法[J].计算机科学.2019
[2].连志康.面向动态数据集的隐性知识外显案例属性约简研究[D].郑州大学.2019
[3].冯志强,焦自权,陈善本,柳存根,刘鹏.基于粗糙集知识约简的焊接动态过程建模[J].数学的实践与认识.2018
[4].向伟.邻域系统中对象变化的动态属性约简算法[J].计算机应用与软件.2018
[5].陈万景,曾繁慧.基于因素空间决定度的动态因素约简算法[J].辽宁工程技术大学学报(自然科学版).2018
[6].王映龙,华佳佳,钱文彬,杨珺.集值决策信息系统的动态属性约简算法[J].计算机工程与应用.2017
[7].黄桃林,牛娇娇,李金海.基于粒辨识属性矩阵的动态形式背景约简更新方法[J].山东大学学报(理学版).2017
[8].赵星辉.一种面向文本分类的基于动态邻域粗糙集的属性约简算法[D].山东科技大学.2017
[9].邵珠全,桑琳,王艳丽,刘晓燕,于娟.基于条件信息熵的粗糙集属性动态约简[J].高师理科学刊.2017
[10].陈衡.一种基于动态降维的数据约简方法[J].鸡西大学学报.2017