声明
摘要
符号说明
第1章 绪论
1.1 引言
1.2 知识发现研究现状分析
1.2.1 粒计算理论的研究现状分析
1.2.2 粗糙集及其扩展模型的研究现状分析
1.2.3 基于粗糙集的知识约简研究现状分析
1.2.4 粗糙集中动态知识发现研究现状分析
1.3 本文的研究工作
第2章 预备知识
2.1 经典粗糙集模型
2.1.1 决策信息系统
2.1.2 不可分辨关系
2.1.3 经典粗糙集模型中的近似集
2.2 变精度粗糙集模型
2.2.1 相对错误分类率
2.2.2 变精度粗糙集模型中的近似集
2.3 决策粗糙集模型
2.3.1 条件概率
2.3.2 决策粗糙集模型中的近似集
2.4 优势关系粗糙集模型
2.4.1 优势关系
2.4.2 向上向下合集
2.4.3 优势关系粗糙集模型中的近似集
2.5 分配约简
2.6 粒度度量
2.7 本章小结
第3章 对象集变化时近似集增量更新方法研究
3.1 对象集改变时粒度的变化规律
3.1.1 知识层次树
3.1.2 插入对象时粒度的动态性质
3.1.3 删除对象时粒度的动态性质
3.2 对象集变化时动态更新近似集的原理
3.2.1 增加对象时近似集的更新原理及算法
3.2.2 删除对象时近似集的更新原理及算法
3.3 算法复杂度分析
3.4 实验方案及性能比较
3.4.1 实验方案
3.4.2 实验结果
3.5 本章小结
第4章 属性值粗化细化时近似集增量更新方法研究
4.1 不完备决策系统中的优势关系粗糙集模型
4.1.1 优势特性关系粗糙集模型
4.1.2 不完备决策系统中的知识粒度和信息熵
4.2 优势关系中属性值粗化细化背景及定义
4.2.1 属性值粗化细化的背景
4.2.2 属性值粗化细化的定义
4.3 属性值粗化时近似集的动态更新原理及算法
4.3.1 属性值粗化时近似集的动态更新原理
4.3.2 属性值粗化时近似集的动态更新算法
4.3.3 算例
4.4 属性值细化时近似集的动态更新原理及算法
4.4.1 属性值细化时近似集的动态更新原理
4.4.2 属性值细化时近似集的动态更新算法
4.5 算法复杂度分析
4.6 实验方案及性能比较
4.6.1 实验方案
4.6.2 实验结果
4.7 本章小结
第5章 规则动态更新方法研究
5.1 决策特征矩阵
5.1.1 决策特征矩阵定义
5.1.2 等价类的泛化决策性质
5.2 基于最小辨识属性集的约简生成
5.2.1 最小辨识属性集及其生成算法
5.2.2 属性重要度矩阵
5.2.3 约简的生成
5.2.4 算例
5.3 决策信息系统中属性值粗化细化的定义及性质
5.3.1 属性值粗化细化的定义
5.3.2 属性值粗化细化时决策信息系统的动态性质
5.3.3 属性值粗化细化时决策规则的动态性质
5.4 属性值粗化时规则更新原理及算法
5.4.1 属性值粗化时规则更新原理
5.4.2 属性值粗化时规则更新算法
5.4.3 算例
5.5 属性值细化时规则更新原理及算法
5.5.1 属性值细化时规则更新原理
5.5.2 属性值细化时规则更新算法
5.5.3 算例
5.6 算法复杂度分析
5.7 实验方案及性能比较
5.7.1 实验方案
5.7.2 实验结果
5.8 本章小结
第6章 属性集对象集同时变化时近似集动态更新方法研究
6.1 属性集和对象集同时变化时知识粒度的变化
6.2 属性集和对象集同时变化时基于粒的近似集增量更新方法
6.2.1 等价类特征矩阵
6.2.2 基于粒的近似集更新原理
6.2.3 基于粒的近似集更新算法
6.3 算例
6.4 算法复杂度分析
6.5 实验方案及性能分析
6.5.1 实验方案
6.5.2 实验结果
6.6 本章小结
第7章 总结与展望
7.1 本文总结
7.2 研究展望
致谢
参考文献
攻读博士学位期间发表论文
攻读博士学位期间参与的科研项目