学位论文 > 优秀研究生学位论文题录展示

基于粗糙集与神经网络方法结合的知识发展应用研究

作　者: 吴云志
导　师: 胡学钢
学　校: 合肥工业大学
专　业: 计算机应用技术
关键词: 知识发现 粗糙集 属性约简 神经网络 规则约简
分类号: TP182
类　型: 硕士论文
年　份: 2006年
下　载: 215次
引　用: 8次
阅　读: 论文下载
 

内容摘要


粗糙集理论是Pawlak教授在20世纪80年代提出的一种处理不确定性和含糊性知识的数学处理工具。知识约简是其中的核心内容,是在保持分类能力基本不变的情况下,获得系统的约简属性和分类规则。 人工神经网络通过模拟神经元进行学习,使建立的模型具备智能。它的学习过程主要通过调节权值和域值,达到学习的目的。人工神经网络可以实现分布式信息存储及并行协同信息处理,使信息处理和存储相结合,对信息的处理具备自组织的特点。 粗糙集和神经网络在现实中都已得到广泛的应用。但是,粗糙集对数据中出现噪声比较敏感,而神经网络对于在数据中存在过量冗余信息时将导致训练过度。本文融合粗糙集和神经网络各自的优势,将粗糙集理论和神经网络方法相结合进行研究。 本文主要工作如下: (1)对信息系统的约简问题进行了阐述,介绍了属性约简的分辨矩阵方法和基于信息量的方法。提出基于分支限界思想的属性约简方法,并运用UCI数据实现了约简属性获取。 (2)介绍了BP神经网络的学习训练方法,探讨了BP算法的改进方法,并在Matlab 7.0环境下,使用LM(levenberg-marquardt)算法实现了神经网络模型的建立。 (3)本文将粗糙集和神经网络方法相结合,首先用粗糙集获取信息系统的约简规则,再把规则送神经网络,建立RoughSet-NN模型。运用实验数据实现了一个RoughSet-NN模型,并应用该模型对给定立地条件的杨树生长状况进行了预测。

全文目录


第一章 绪论  12-18
  1.1 问题提出  12-13
  1.2 林业立地条件  13-15
  1.3 本文的课题来源及研究内容  15-16
  1.4 本文的结构安排  16-18
第二章 知识发现概述  18-28
  2.1 知识发现的起源和发展  18-20
  2.2 KDD的处理过程  20-21
  2.3 机器学习的方法和技术  21-23
  2.4 机器学习研究中存在的问题  23-24
  2.5 智能林业决策系统  24-27
    2.5.1 目前的林业决策分析现状  24-26
    2.5.2 智能林业决策系统  26-27
  2.6 本章小结  27-28
第三章 基于粗糙集的数据预处理  28-41
  3.1 基本概念  28-29
  3.2 数据预处理  29-31
  3.3 粗糙集基本概念  31-34
  3.4 属性约简  34-37
    3.4.1 基于差别矩阵的属性约简方法  34-35
    3.4.2 基于信息量的属性约简算法  35-36
    3.4.3 基于分支限界方法的属性约简  36-37
  3.5 规则发现  37-38
  3.6 约简实例运算  38-40
    3.6.1 属性约简  38
    3.6.2 规则约简  38-40
  3.7 本章小结  40-41
第四章 基于神经网络的机器学习方法  41-59
  4.1 人工神经网络概述  41-46
    4.1.1 人工神经网络特点  41-42
    4.1.2 神经网络的学习方法  42-43
    4.1.3 神经网络模型  43-44
    4.2.4 人工神经元的模型  44-46
  4.3 前馈神经网络  46-51
    4.3.1 BP网络的结构  46
    4.3.2 BP网络的训练过程  46-50
    4.3.3 误差反向传播的流程  50-51
  4.4 BP网络的改进  51-53
    4.4.1 BP网络的限制与不足  51-52
    4.4.2 BP算法的改进方法  52-53
  4.5 对UCI数据进行学习训练示例  53-56
  4.6 约简后进行神经网络训练的比较  56-57
  4.7 本章小结  57-59
第五章 林业信息处理的RoughSet-NN模型  59-70
  5.1 基本概念  59-60
  5.2 RoughSet-NN模型的实现  60-62
    5.2.1 数据初始化  60-61
    5.2.2 属性约简  61
    5.2.3 信息系统的约简模块  61
    5.2.4 神经网络建立训练学习模型  61-62
    5.2.5 测试  62
  5.3 RoughSet-NN模型在林业知识发现中的运用  62-67
    5.3.1 输入输出数据的预处理  62-64
    5.3.2 属性约简  64
    5.3.3 信息系统的约简  64
    5.3.4 神经网络训练  64-66
    5.3.5 运用模型进行仿真测试  66-67
  5.4 基于RoughSet-NN算法的实例系统  67-69
  5.5 本章小结  69-70
第六章 总结与展望  70-72
  6.1 本文主要工作  70-71
  6.2 进一步的研究  71-72
参考文献  72-75
在学期间撰写的论文  75
在学期间参加的科研项目  75

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
  4. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  5. 红外超光谱图像的虚拟探测器研究,TP391.41
  6. 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
  7. 基于神经网络的水厂投药预测控制研究,TP273.1
  8. 视觉伺服四自由度机械臂的研究,TP242.6
  9. 机械臂视觉伺服系统的研究,TP242.6
  10. 压电驱动微工作台的控制与校正技术研究,TP273
  11. 基于支持向量机的故障诊断方法研究,TP18
  12. 某武器检测装置的控制系统设计,TP183
  13. 市级旅游用地规划环境影响评价研究,X820.3
  14. 珠三角地区高性能混凝土配合比智能化系统,TU528
  15. 大学生综合素质测评研究,G645.5
  16. 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
  17. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  18. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  19. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  20. 基于BP神经网络的水稻干燥智能控制研究,S226.6
  21. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 专家系统、知识工程
© 2012 www.xueweilunwen.com