值约简论文_曾孝文,胡虚怀,严权峰

值约简论文_曾孝文,胡虚怀,严权峰

导读:本文包含了值约简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:粗糙,属性,启发式,完备,算法,数据挖掘,规则。

值约简论文文献综述

曾孝文,胡虚怀,严权峰[1](2017)在《一种基于粗糙集理论的属性值约简改进算法》一文中研究指出在研究了一般的属性值约简算法存在问题的基础上,既考虑决策表的不相容性问题又考虑降低时间复杂度和空间复杂度的前提下,提出了一种基于粗糙集理论的属性值约简改进算法。通过实例结果分析可得知该算法可以得到较为满意的处理结果,进一步提高了约简的效率。(本文来源于《电子技术》期刊2017年01期)

杨长春,王巍巍,叶施仁,沈永梅[2](2016)在《基于R-C模型的多分区权值约简微博社区检测算法》一文中研究指出传统社区检测算法直接引入第叁方算法会降低计算效率。为此,基于R-C模型,设计多分区权值约简有限区间限定算法进行微博社区检测。研究微博社区发现R-C模型,分析参数加权约简曲线性质,借鉴凸优化问题解决方案,提出一种适用于多数参数值的最优分区求解算法。通过分区断点顺序搜索将参数范围限定在一组有限区间内,其中每个参数对应唯一的最优加权约简值,并且实现分区参数的同步优化,从而解决单一分区不利于更多信息均衡的问题。从新浪微博中获取数据集进行实验,结果表明,与基于主题与链接关系或基于标签传播的微博社区检测算法相比,该算法可更准确地检测用户微博社区。(本文来源于《计算机工程》期刊2016年11期)

陈燕云,肖坤楠,邱建林[3](2015)在《一种基于聚类划分的并行粗糙集属性值约简算法》一文中研究指出将MATLAB模糊工具箱和粗糙集数据处理工具Rosetta结合在一起使用,提出一种基于模糊C聚类划分的并行粗糙集属性值约简算法,将数据集划分到一个个子系统中处理,大大提高了约简的效率。采用聚类算法进行划分,将相似度高的规则放到一个簇中,便于约简,同时由于不同簇的相异程度较高,可以采用直接合并的方式进行全局选择。(本文来源于《电脑知识与技术》期刊2015年12期)

兰聪花,王逢娟[4](2014)在《一种新的基于区分矩阵的值约简算法》一文中研究指出在对基于区分矩阵的值约简算法进行了分析发现,这些算法在区分矩阵构造时或数据处理时,忽略了对于同在一个决策属性类对象集包含的信息,BDMVR正是利用了这些被忽略的信息,构造出新的启发信息用于指导值约简算法。新算法更充分地利用了区分矩阵中包含的信息,且与对象和条件属性顺序无关,都能得到相同规则。通过算例分析和在5个数据集上的比对实验证明了算法的有效性。(本文来源于《工业仪表与自动化装置》期刊2014年02期)

彭霞,朱萍,任永昌[5](2013)在《一种专家系统知识获取时的属性值约简算法》一文中研究指出知识获取是构造专家系统的"瓶颈",提供准确的推理知识是进行科学决策的关键。文中运用粗糙集理论,研究对决策表中每条记录的冗余条件属性值进行筛选并删除的属性值约简算法。首先研究属性值约简的理论基础,包括知识表示和知识约简与核两个方面;其次研究知识获取方式与知识获取过程;然后研究属性值约简算法,通过两个定义描述约简算法的基础上,给出了约简算法的5个步骤;最后以城市物流中心选址为例,运用属性值约简算法及其步骤,对决策表属性值进行约简。结果表明,属性值约简实现了决策表的最简化,突出了关键属性及其关键属性值对决策的影响。(本文来源于《计算机技术与发展》期刊2013年04期)

樊艳英,徐章艳,张伟,张自敏,陈冠萍[6](2013)在《一种基于粗糙集理论的值约简算法》一文中研究指出基于粗糙集理论,提出一种无需建立差别矩阵,无需计算分明函数的值约简算法,阐述该算法的设计思想和具体步骤,并用具体算例证明此算法可行,而且获取的规则是完备无冗余的。(本文来源于《广西科学院学报》期刊2013年01期)

樊艳英,徐章艳,张伟,张自敏,陈冠萍[7](2012)在《一种基于粗糙集理论的完备值约简算法》一文中研究指出对粗糙集属性约简,值约简,规则提取等进行了研究,分析了现有值约简算法的优点以及不足,在此基础上,提出了一种无需建立差别矩阵的值约简算法,该算法过程简单,逻辑清晰,容易实现,比一般的值约简算法获取的规则更加完备,并且无冗余.最后通过算例证明该算法有效,可行.(本文来源于《广西计算机学会2012年学术年会论文集》期刊2012-11-17)

陈超,刘才铭[8](2012)在《基于决策规则质量的属性值约简算法》一文中研究指出属性值约简是粗糙集理论的核心内容之一。该文将属性值约简和数据挖掘相结合,给出了支持度、置信度、覆盖度的定义。在此基础上,提出了一个新的属性值约简算法—基于决策规则质量的属性值约简算法。通过算法复杂度分析说明,该算法在一定程度上解决了属性值约简的NP难问题。实例仿真表明该算法在解决一些相关实际问题方面是可行的,具有一定的实用价值。(本文来源于《计算机与数字工程》期刊2012年02期)

边晶,杜威[9](2012)在《基于核心值的改进值约简算法研究》一文中研究指出为了以最少的条件属性值获取信息系统的决策规则,我们可以用值约简算法删除和过滤冗余的条件属性值。在介绍基本值约简算法的基础上,对原算法考虑的情况进行了适当的补充,主要对那种当删除记录的一些属性后不会出现重复记录并且不会发生决策不一致的情况进行了进一步处理。通过实例最终得到的决策规则可以证明,这种改进后的算法对于获取更加精简的决策规则十分有效,是对基本值约简算法的重要补充。(本文来源于《煤炭技术》期刊2012年02期)

李萍[10](2011)在《启发式的属性值约简在隐形眼镜诊断中的应用》一文中研究指出根据粗糙集理论,讨论属性值的约简方法。属性值约简是在属性约简的基础上,对决策表中的每一条记录去掉冗余属性值,从而构成一个最小的决策规则集。重点根据启发式值约简方法,对隐形眼镜数据进行分析,为后序的数据分析减少冗余信息。(本文来源于《廊坊师范学院学报(自然科学版)》期刊2011年06期)

值约简论文开题报告

(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:

传统社区检测算法直接引入第叁方算法会降低计算效率。为此,基于R-C模型,设计多分区权值约简有限区间限定算法进行微博社区检测。研究微博社区发现R-C模型,分析参数加权约简曲线性质,借鉴凸优化问题解决方案,提出一种适用于多数参数值的最优分区求解算法。通过分区断点顺序搜索将参数范围限定在一组有限区间内,其中每个参数对应唯一的最优加权约简值,并且实现分区参数的同步优化,从而解决单一分区不利于更多信息均衡的问题。从新浪微博中获取数据集进行实验,结果表明,与基于主题与链接关系或基于标签传播的微博社区检测算法相比,该算法可更准确地检测用户微博社区。

(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。

值约简论文参考文献

[1].曾孝文,胡虚怀,严权峰.一种基于粗糙集理论的属性值约简改进算法[J].电子技术.2017

[2].杨长春,王巍巍,叶施仁,沈永梅.基于R-C模型的多分区权值约简微博社区检测算法[J].计算机工程.2016

[3].陈燕云,肖坤楠,邱建林.一种基于聚类划分的并行粗糙集属性值约简算法[J].电脑知识与技术.2015

[4].兰聪花,王逢娟.一种新的基于区分矩阵的值约简算法[J].工业仪表与自动化装置.2014

[5].彭霞,朱萍,任永昌.一种专家系统知识获取时的属性值约简算法[J].计算机技术与发展.2013

[6].樊艳英,徐章艳,张伟,张自敏,陈冠萍.一种基于粗糙集理论的值约简算法[J].广西科学院学报.2013

[7].樊艳英,徐章艳,张伟,张自敏,陈冠萍.一种基于粗糙集理论的完备值约简算法[C].广西计算机学会2012年学术年会论文集.2012

[8].陈超,刘才铭.基于决策规则质量的属性值约简算法[J].计算机与数字工程.2012

[9].边晶,杜威.基于核心值的改进值约简算法研究[J].煤炭技术.2012

[10].李萍.启发式的属性值约简在隐形眼镜诊断中的应用[J].廊坊师范学院学报(自然科学版).2011

论文知识图

Notice: Undefined index: items in F:\Web\www\cnki.demo.com\app\cnki\tpl\search.html on line 79Warning: Invalid argument supplied for foreach() in F:\Web\www\cnki.demo.com\app\cnki\tpl\search.html on line 79

标签:;  ;  ;  ;  ;  ;  ;  

值约简论文_曾孝文,胡虚怀,严权峰
下载Doc文档

猜你喜欢