一、粗糙集的知识获取及其应用（论文文献综述）
郭豆豆[1]（2021）在《粒计算视角下三支决策TAO模型及其治略度量研究》文中进行了进一步梳理决策是人类生产和生活中的普遍行为,大到国家层面的治略方针制定,小到一台机器的操作,无处不在。例如,工业领域的操作优化和资源分配、商业领域的个性化服务和供应链管理、交通领域的车流控制和智能导航、医疗领域的疾病诊断和治疗策略等都属于决策范畴。近年来,针对数据资料进行智能决策的重要性也正与日俱增,从数据到知识,从知识到决策,也是当前大数据智能决策的新型计算范式。数据中蕴含丰富信息产生解决问题的新的可能性。将数据优势转化为决策优势,并由此发现其内在规律是智能数据决策研究的关键问题之一。为了系统的研究计算机科学、决策科学、管理学、认知科学等学科和领域中存在的认知计算范式,三支决策提出了一种基“3”思考的粒计算模型。长期的科学探索和实践应用证实,三支决策是一种契合人类认知的信息处理方式和有效的复杂问题求解策略,具有重要的理论意义和实用价值。本课题关注于数据驱动下的三支决策模型,分析三支决策与粒计算理论的历史关系和内在联系。针对实际中的具体问题,如分类、属性约简、图像识别,三支决策均取得了大量的成果。但对数据驱动下三支决策的优良性以及在观测空间的数据和知识发现后的智能决策之间的定量关系,尚难以直观进行分析。这一方面不利于对数据的内在规律的深入探索;一方面不利于对不同决策方案效果的直观比较。运用粗糙集、区间集、效用分析等理论工具,分别研究了粒计算三支决策模型、移动视角下的三支决策TAO模型、改变视角下的三支决策TAO模型以及粗糙集视角下的三支决策TAO模型。主要创新之处如下:（1）从移动视角开展数据驱动下的TAO模型和治略度量方法研究,本课题构建一种基于移动的三支决策TAO模型。首先,由一个医疗诊断的例子引入移动视角的三支决策问题,分析应用移动三支决策解决复杂问题的基本思路;其次,构建一种包含“分、治、效”层次结构的移动三支决策TAO框架模型,包括基于治略的移动策略、基于三分区结构的移动偏好以及基于经济性的移动过程;然后,针对一类移动视角下的三支决策TAO模型,提出比例效用函数度量方法,即将决策前后的对象变化量和最终状态量的比例值作为效用值,从粗粒度到细粒度讨论了基于移动的治略度量方法;最后,实验仿真结果和对比结果均验证了方法的有效性和实用性。（2）从改变视角开展认知背景下三支决策TAO框架研究,本课题提出一种基于改变的三支决策TAO模型。首先,分析其基本成分、解释和与其它三支决策模型的关系,构建一类基于改变的三支决策TAO模型;其次,讨论几种改变三支决策模型的构建形式,包括基于区间集表示的改变三支决策、基于量化的改变三支决策、基于评估的改变三支决策等;然后,提出一种针对改变三支决策模型的效用度量方法,将决策者的主观认知纳入有效性度量评估的考虑,并将其转化为可量化的单位进行效果评估,形成一种认知背景下改变三支决策模型的效用度量框架;最后,实例分析和实验结果表明了模型的有效性和实用性。（3）从粗糙集视角开展三支决策TAO模型的应用研究,本课题提出并建立一种粗糙集视角的改变三支决策模型。立足于信息系统,研究改变三支决策在基于粗糙集的知识发现方法中的作用。将信息系统的行-列视角作为切入点,对系统中数据直接进行分析与推理。首先,讨论了基于粗糙集的改变三支决策应用方法,将规则置信度作为治略对象,分别研究了定性和定量模式下的改变三支决策表示方法和语义解释;其次,从行视角提出一种基于改变三支决策的分类策略,将概率近似区域中的分类规则和分类对象进行重新决策,重新构建三支分类规则,并证明其方法的合理性和有效性;然后,从列视角研究基于属性的改变框架,并将其应用到属性约简方法,提出一种基于改变三支决策的属性约简方法;最后,在传统的全局约简条件和集成约简条件下分别进行实验验证,结果表明了方法在两种条件下,既能保准分类精度,又能有效的降低时间消耗。
张旻宇[2]（2021）在《基于增量式学习与集成学习的入侵检测方法研究》文中进行了进一步梳理近年来,入侵检测系统已发展成为网络安全领域的一个重要组成部分,应用前景非常广阔。但是,目前的入侵检测系统还存在检测精度低、误报率高、实时性差等问题,难以在较短的时间内获得令人满意的检测结果。为了解决这些问题,基于机器学习的入侵检测方法得到了广泛关注和研究。决策树算法具有分类精度高、速度快、模型易于理解等优点,因此被广泛应用在入侵检测中。然而,现有的基于决策树的入侵检测方法还存在很多问题亟待解决。首先,这些方法大多采用静态策略来获取决策规则,每当数据集发生变化,都需要在整个数据集上重新创建决策树,难以有效处理动态数据;其次,采用单一决策树可能会出现误差和过拟合问题,所构建的入侵检测模型的性能很多时候难以令人满意。针对上述问题,本文将研究新的、更适合于网络入侵检测的决策树算法,并利用这些算法来检测入侵行为。首先,为了解决现有决策树算法分裂属性的选择标准不合适等问题,提出一种基于粒度决策熵的决策树算法DTGDE,并将其应用于入侵检测;其次,为了有效地处理动态数据,我们从增量式学习的角度来改进DTGDE,提出一种基于粒度决策熵的增量式决策树算法IDTGDE,并将其应用于入侵检测;第三,为了解决单一决策树可能出现的误差和过拟合问题,我们从集成学习的角度来改进DTGDE,提出一种基于粒度决策熵的决策森林算法DFGDE,并将其应用于入侵检测。本文的主要研究工作如下:（1）基于粒度决策熵的决策树算法及其在入侵检测中的应用现有的决策树算法存在分裂属性的选择标准不合适、子树存在大量重复等问题,本文结合粗糙集理论中的粗糙度与知识粒度这两个概念,提出一种基于粒度决策熵的决策树算法DTGDE,并应用于入侵检测。DTGDE采用粒度决策熵来作为分裂属性的选择标准。相对于现有的信息熵模型,粒度决策熵能够同时对知识的完备性和知识的粒度大小进行有效度量,因此,利用其来选择分裂属性可以更加全面地考察每个属性对决策分类的贡献。实验结果表明,相对于现有的决策树算法,DTGDE算法具有更好的入侵检测性能,此外,其在入侵检测效率上也表现较好。（2）基于粒度决策熵的增量式决策树算法及其在入侵检测中的应用针对现有的增量式决策树算法存在分裂属性选择标准不合理、处理动态数据的效率低等问题,本文从增量式学习的角度来改进（1）中所提出的算法DTGDE,并由此提出一种基于粒度决策熵的增量式决策树算法IDTGDE。IDTGDE算法首先基于粒度决策熵模型在初始训练集上创建初始决策树,然后,利用增量式学习的思想来有效地处理增量式数据。为了将IDTGDE算法更好地应用于入侵检测,在构建决策树之前,我们引入了三种原始数据的预处理机制。实验结果表明,IDTGDE算法不仅具有较好的入侵检测性能,而且计算开销非常小。（3）基于粒度决策熵的决策森林算法及其在入侵检测中的应用采用单一决策树可能会出现误差和过拟合问题,而集成学习则可以有效解决上述问题。集成分类器可以获得比仅使用单个分类器更强的泛化能力。为了在较短的时间内构建出性能令人满意的入侵检测模型,本文从集成学习的角度来改进（1）中所提出的算法DTGDE,并由此提出一种基于粒度决策熵的决策森林算法DFGDE。DFGDE算法首先使用自助采样机制来生成多个采样集;然后,在每一个采样集上分别进行随机属性选择,并使用DTGDE算法来构建一棵决策树;最后,将前面生成的所有决策树通过加权投票的方式组合成一个决策森林。实验结果表明,相对于已有的具有代表性的集成学习算法而言,DFGDE具有更好的入侵检测性能。特别是,DFGDE的入侵检测性能要优于DTGDE。
王敬前[3]（2021）在《覆盖粗糙集与模糊粗糙集及其在化工过程故障诊断中的应用》文中研究说明化工过程反应复杂,具有高度非线性、连续性和时变性等特点,一旦发生故障,将会给经济和生命安全带来严重的损失。因此,如何从海量工业数据中挖掘出有用信息,进行化工过程的故障诊断成为当前研究的热点。随着当今人工智能的发展,故障诊断技术也进入了一个新的时代。但对于多故障诊断和不完备信息下的故障诊断等问题,还有待进一步探索。粗糙集理论和模糊集理论是人工智能领域两种处理信息系统中不完备和不确定性数据的重要工具。目前,模糊集理论在故障诊断领域已得到了较为广泛的应用,而粗糙集理论在该领域中的应用还处在刚刚起步的阶段。本文通过融合覆盖粗糙集与模糊粗糙集,针对田纳西伊斯曼（TE）化工过程、化工汽轮机组和聚合釜三类化工过程的故障诊断,研究了覆盖粗糙集模型与模糊覆盖粗糙集模型中的相关不确定性问题,建立了相关数据分析与挖掘的理论体系,为解决化工过程故障诊断提供了更加智能的方法。本文的主要工作与贡献如下:1)针对不完备信息条件下的故障诊断问题,利用覆盖粗糙集提出了从不完备信息故障特征中剔除冗余信息的方法,从而提高了传统故障诊断的准确率,并将其应用在化工汽轮机组的故障诊断中。首先,从矩阵的角度研究了覆盖粗糙集中有关最大、最小描述的相关问题,并利用机器学习库中的公开数据集与传统的计算方法做比较,实验结果表明基于矩阵的计算方法节省了计算时间。借助于上述最大描述的矩阵计算方法,提出了计算不完备信息系统中极大相容块的矩阵计算方法,很好得解决了数据维数过高时,计算耗时的问题。接着,通过极大相容块,将原不完备决策表转化为极大相容块最全描述决策表。在新的决策表基础上,提出了基于分辨矩阵的属性约简计算方法。最后,基于所提出的基于极大相容块的属性约简方法,建立了“极大相容块+智能分类器”的故障诊断方法,为解决不完备信息条件下的故障诊断问题提供一种新方法。并针对不完备信息条件下化工汽轮机组的故障诊断问题,进行了仿真实验。实验结果表明,若智能分类器分别选择支持向量机（SVM）、随机森林和决策树,则所提出的“极大相容块+智能分类器”故障诊断方法的准确率均为87.5%,而只使用上述智能分类器的故障诊断准确率最高只有75%,准确率至少提高了 12.5%。2)针对完备信息条件下的故障诊断问题,利用模糊覆盖粗糙集提出了从完备信息故障特征中剔除冗余信息的方法,从而提高了传统故障诊断的准确率,并将其应用在TE化工过程的故障诊断中。理论方面:首先,作为模糊β-覆盖近似空间中已有可约元和约简概念的补充,提出了I-可约元和I-约简的概念。在此基础上,研究了模糊β-最小描述与β-约简之间的等价刻画、模糊β-最大描述与β-核之间的等价刻画等问题。然后,将上述一个模糊β-覆盖近似空间中的概念推广到了两个模糊β-覆盖近似空间中,得到了新的概念及相关性质。在上述所有结果的基础上,一个模糊β-覆盖与其诱导的七个模糊β-覆盖之间关系,及这些模糊β-覆盖的格结构被研究。应用方面:基于以上模糊覆盖粗糙集模型,提出了一种基于模糊β-邻域的属性约简方法。并在此基础上,建立了“模糊覆盖粗糙集+SVM”的智能故障诊断方法。最终,以TE化工过程为背景,针对以下4种状态:正常、阶跃故障（由过程变量的阶跃变化引起的故障）、漂移故障（化工反应动力学的缓慢漂移引起的故障）和阀门粘滞故障,建立了模糊覆盖信息系统,通过所提出的基于模糊β-邻域的属性约简方法,从53个故障征兆属性中确定出23个作为故障特征,然后通过建立的“模糊覆盖粗糙集+SVM”方法进行了故障诊断仿真实验,其准确率为86.57%,而只使用SVM的方法得到的准确率为72.50%,准确率提高了 14.07%。3)在前两部分的基础上,为更有效地表达故障诊断中的各种不确定性信息,建立了若干广义模糊覆盖粗糙集模型及相关故障决策方法,并研究了其在聚合釜的故障诊断中的应用。首先,基于已有的直觉模糊β-覆盖近似空间和直觉模糊β-邻域的概念,以及第一型直觉模糊覆盖粗糙集模型,主要研究了它们的性质,并给出了一些新的概念和第二型直觉模糊覆盖粗糙集模型。在此基础上,提出了单值中智β-覆盖和单值中智β-邻域等概念,并建立了单值中智覆盖粗糙集模型。为了解决多属性群决策的问题,将单值中智β-覆盖和单值中智覆盖粗糙集模型推广到了多粒度的情况,建立了三类多粒度单值中智覆盖粗糙集模型。在故障信息条件下,提出了基于直觉模糊覆盖粗糙集的群决策方法和基于单值中智覆盖粗糙集的群决策方法。针对聚合釜故障诊断问题,分别建立了故障类型为:聚合釜电机出现故障、聚合釜减速机出现故障、聚合釜机封中轴故障、聚合釜组件故障和聚合釜正常运行,以及故障特征为:聚合釜减速机振动值、操作压力、拌转速和减速机温度的直觉模糊信息系统与单值中智信息系统。并将上述决策方法应用于聚合釜的故障诊断中,所提出的方法最终决策结果基本都是聚合釜电机出现故障。这与其他已有决策方法的结果一致。因此,所提出的基于聚合釜故障信息的广义模糊覆盖粗糙集的决策方法是有效的。综上所述,本文以化工过程为背景,采用理论研究与实验验证相结合的方法,进一步研究了覆盖粗糙集、模糊覆盖粗糙集和广义模糊覆盖粗糙集相关问题（覆盖约简问题、属性约简问题等）。在此基础上,分别考虑了不完备故障信息和完备故障信息两种情况,利用基于覆盖粗糙集（用于提高不完备信息故障诊断的准确率）和模糊覆盖粗糙集（用于提高完备信息故障诊断的准确率）的属性约简方法解决了故障诊断中的特征选择问题,并结合智能分类器提高了故障诊断的准确度。最后,利用所建立的广义模糊覆盖粗糙集模型,建立多属性群决策方法,将其应用于化工过程的故障诊断中,为多专家故障决策提供了一种简便的方案。这些都为化工过程的智能故障诊断方法提供了理论及技术参考。
郎锴[4]（2020）在《三支决策二阶段分类模型的改进及其应用》文中研究指明三支决策是面向复杂问题处理的基本方式之一,它是粗糙集理论的延伸和拓展,由于它与人类处理不确定问题时的思维方式类似,已被广泛应用于大数据分析与处理,大数据挖掘,机器学习,智能信息处理以及深度学习等领域。本文以徐久成教授提出的三支决策二阶段分类模型为研究对象,从粗糙集视角分析了区域转移行为并提出了元素重要度的概念,在此基础上从区域转移行为和序贯层数确定两个方面对三支决策二阶段分类模型做了改进。本文的主要研究工作如下:（1）从粗糙集视角分析了区域转移行为的合理性和效用性。（2）将之前对区域转移行为分析的思想应用于三支决策二阶段分类模型,用来判断该模型中“误分类对象转移至边界域”这一行为的效用性和合理性,并依据效用函数值决定是否向边界域转移,从而得到基于区域转移的三支决策二阶段分类模型,使三支决策二阶段分类模型的效用得到一定的提升。（3）提出元素重要度的概念,将其运用在序贯三支决策的层数确定上,使序贯三支决策在整体上更加符合效用原则。进一步,将其应用于基于区域转移的三支决策二阶段分类模型上,得到基于区域转移和序贯层数确定的三支决策多阶段分类模型,使三支决策二阶段分类模型更加充实完整并符合效用。（4）将基于区域转移和序贯层数确定的三支决策多阶段分类模型应用于水利领域洪水危险区的等级划分上,可为洪水危险区的等级划分问题提供一种可行的解决方案,可供水利领域的工程技术人员作为参考和借鉴。
刘久兵[5]（2019）在《三支直觉模糊决策方法及在人机任务分配中的应用研究》文中研究指明随着智能技术特别是人工智能技术的飞速发展,通过高效人机协作以提高系统任务的执行效率和满意度,在智能制造、军事、航空航天等诸多领域显得愈发迫切和重要。作为人机协作的核心问题之一,人机任务分配在面向系统任务完成过程中,存在如何科学合理确定人和智能机器之间的任务域或工作域,让人和机器建立分工更加合理、配合更加默契的互信机制问题。然而,目前有关此方面的研究尚处于探索阶段。为此,本文结合直觉模糊集主观评价和决策粗糙集客观知识获取的互补优势,从决策粗糙集条件概率获得和概率阈值确定两个方面研究基于决策粗糙集的三支直觉模糊决策方法并获得三支分类结果,为人机任务分配提供软求解策略的分配方案。具体研究内容及创新点主要包括以下四个方面:（1）提出了基于直觉模糊信息系统的三支直觉模糊决策方法。对于现有直觉模糊相似度未考虑其隶属度和非隶属度的实践语义且在一些情形下可能存在违反“直觉”等问题,提出了一种新直觉模糊相似度测度。然后将提出的测度引入直觉模糊信息系统中,定义了直觉模糊相似度下（α,β）-水平截集等概念。采用粗糙隶属度作为评价函数导出目标集的（α,β）-下、上近似集及三支决策域。进一步地,利用贝叶斯决策理论构建一种具有多风险偏好的直觉模糊决策粗糙集模型并导出其概率阈值。在此基础上,提出一种基于直觉模糊信息系统的三支直觉模糊决策方法并应用于飞机预期作战任务分配中。（2）提出了基于直觉模糊数排序的三支直觉模糊决策方法。针对上述提出的三支直觉模糊决策方法在直觉模糊损失函数矩阵转化过程中带来信息丢失问题,借助决策粗糙集现有成果及直觉模糊数运算,通过分析六种代表性直觉模糊数排序方法的优缺点,分别设计了基于直觉模糊单排序函数的三支直觉模糊决策机制和基于直觉模糊双排序函数的三支直觉模糊决策机制。最后将这两类决策机制统一到三支决策框架内,继而提出基于两类排序函数的三支直觉模糊决策方法。（3）提出了基于决策粗糙集等价模型的三支直觉模糊决策方法。考虑到现有方法在一些情形下仍难以确定直觉模糊环境下决策粗糙集概率阈值的问题,从优化的视角研究了经典决策粗糙集的等价模型。然后将此模型的构建思想分别拓展到基于区间数线性、非线性排序法的区间决策粗糙集概率阈值确定,基于三角模糊数线性、非线性排序法的三角模糊决策粗糙集概率阈值确定以及语言决策粗糙集概率阈值确定中,构建了相应的概率阈值确定优化模型。理论分析和实验结果表明:相比于现有方法,所提出模型不仅在这些模糊数线性排序法下获得相同的概率阈值数值解,而且还能获得其非线性排序法下的概率阈值数值解。这说明了所提出的等价模型的可行性和有效性。进一步地将其拓展到直觉模糊环境下决策粗糙集概率阈值确定中,并构建相应的非线性优化模型,理论上证明了该模型最优解的存在性和唯一性。然后借助优化技术搜索出模型的最优解并确定其概率阈值,从而克服了现有方法在这些模糊数非线性排序方法下难以确定概率阈值的不足。最后,本章将所提出的模型与方法应用于载人航天操作任务分配中。（4）提出了基于直觉模糊集成算子的三支直觉模糊群决策方法。传统的三支直觉模糊决策模型大多是基于单个决策者给出的直觉模糊损失函数评价,而对多个决策者或群决策者评价研究的较少。事实上,单个评估决策者往往存在评估行为的片面性、单一性等问题。针对此类问题,采用直觉模糊加权平均算子和加权几何算子集结不同决策者给出的直觉模糊偏好损失,获得直觉模糊群偏好损失。借鉴决策粗糙集等价模型的构建思想,提出群决策环境下直觉模糊决策粗糙集概率阈值确定模型,并设计基于直觉模糊集成算子的三支直觉模糊群决策机制及实现算法。最后以飞机预期作战任务分配为例讨论了提出方法在人机任务分配中的应用。总之,本文将直觉模糊集和决策粗糙集相结合,研究基于决策粗糙集的三支直觉模糊决策方法,并将其应用于不同场景下的人机任务分配中。这不仅丰富了直觉模糊集理论、决策粗糙集理论和三支决策理论,而且拓宽了这些理论的应用范围。
鞠恒荣[6]（2019）在《面向态势认知的粗糙集决策方法研究》文中研究指明随着经济、政治和国际形势的不断发展,人类面临的公共突发事件、金融风险、网络安全和军事斗争等各类复杂场景带来的风险越来越高。态势认知通过态势感知、态势评估和态势预测能够对这类复杂管理场景进行及早发现、及时处理和提前预判。然而,数据驱动的复杂管理场景从各方面搜集掌握的信息往往具有不确定性、不完备性、粗糙性、模糊性和动态性,给智能信息处理带来了巨大挑战。虽然,以粗糙集、三支决策为代表的粒计算理论为解决数据的不完备性、粗糙性和不确定性提供了有效的分析方法,但将粗糙集等粒计算方法应用到态势认知场景中的研究尚处于探索和起步阶段。因此,本文以复杂管理场景态势认知任务为背景,以粒度分析为指引,从态势感知、态势评估和态势预测视角系统研究基于粗糙集理论的决策方法。具体研究内容和研究成果如下所述:1.测试代价敏感的粗糙数据建模及无人机空战场景的态势感知。在数据驱动的态势认知场景分析问题中,各类数据的获取往往不是免费的,而需要付出一定的测试代价。本文考虑数据的测试代价敏感性,提出了基于测试代价敏感的量化粗糙集模型,实现了对经典粗糙集模型在实际应用中的泛化。另外在属性约简阶段,将知识获取和测试代价最小这两种准则综合考虑,提出了一种知识和测试代价融合的属性重要度函数。在公共数据集中的测试后,测试代价敏感粗糙集模型被应用到无人机空战场景的态势感知任务中。2.复杂管理场景中并行和序贯两种多粒度认知策略。认知策略是态势认知任务的灵魂。在各类复杂管理场景的态势认知过程中,决策者面对的数据具有明显的多源性、多视角性和多粒度性。多粒度认知是人类智能认知的.重要手段之一,本文在前人工作的基础上,针对并行和序贯两种多粒度认知方法开展了进一步的研究。一方面,在基于并行策略的多粒度研究上,本文在分析了乐观多粒度决策粗糙集和悲观多粒度决策粗糙集不足的基础上,提出了柔性多粒度决策粗糙集模型。另一方面,本文以局部约简为序贯信息粒的起始序列,全局约简为终止序列构建了一种基于局部约简的动态序贯三支分类方法。3.混合代价敏感的信息融合模型及多源信息系统中的态势评估。本文以兵棋推演场景中大量存在的代价敏感多源信息系统为背景,在信息融合模型中同时考虑测试代价和风险决策代价,提出了混合代价敏感多粒度粗糙集模型。在信息粒度约简方面,本文将信息粒度约简转化为优化问题,通过设计新的适应性函数求得满足不同实际需求的约简。此外,本文还通过公共数据集对所提模型和方法进行验证和测试。最后,本文以实际兵棋推演场景中的一多源信息系统为例,系统讨论了混合代价敏感的多粒度信息融合模型在态势评估中的作用。4.面向复杂数据类型的多粒度态势预测方法。态势预测过程中广泛存在异构型数据等复杂数据,如何处理这些复杂数据并提取出有用的信息是关键。本文利用合理粒度准则,提出了一种多粒度分类预测方法。在模型学习阶段,本文首先从粗糙集理论的本源出发,将合理粒度拆解为二元关系和合理属性子空间,接着借助属性约简方法,构建符合合理粒度准则的属性子空间。在标签预测阶段,利用三支划分策略进行预测。最后,本文将所提方法应用到兵棋推演场景态势预测任务中。
孔欣欣[7]（2019）在《面向集中有序集值信息系统的粗糙集模型研究》文中研究表明现实生活中信息系统往往是具有不确定性的,信息的不完备与模糊性是不确定信息的重要表现形式,而集值信息系统是处理不完备信息的一类重要方法。目前粗糙集模型所研究的优势关系大多数是递增或递减关系,而对于属性取值以某一标准值为最优的集中有序关系,将其直接转换为递增或递减关系则容易造成原始信息的丢失,因此研究集中有序集值信息系统在信息不完备与模糊情况下的粗糙集模型具有重要意义。本文以集中有序集值信息系统为研究对象,以属性约简和规则获取为目的,针对信息的不完备与模糊性两类信息,系统构建了一系列完整的粗糙集模型,从而解决了由于信息的不确定所造成的难以有效决策的问题。最后将本文研究的模型应用到A公司客户信用评价项目中,结果表明本文模型在一定程度上弥补了项目前期由于数据缺少所造成的决策空白,扩大了模型的适用范围。本文的主要研究工作如下:1)不完备集中有序析取型集值信息系统下的粗糙集模型。针对集中有序析取型集值信息系统,根据事先是否给定参数,提出了两种不同的集中有序优势关系,并在此基础上构建了相应的属性约简与规则获取算法。2)模糊集中有序集值信息系统下的粗糙集模型。将集中有序集值决策系统的决策属性扩展到模糊环境,分别以模糊集中有序析取/合取型集值决策系统为研究对象,提出了相应的属性约简与规则获取算法,构建了完整的粗糙集模型。3)在A公司客户信用评价中的应用。根据A公司客户申请信息特点,对原始信息系统进行处理量化,应用不完备集中有序析取型集值信息系统下的粗糙集模型对其进行属性约简与规则获取,从而对项目前期的决策提供策略建议。
康蕴[8]（2018）在《灰色多粒度粗糙集理论及应用研究》文中认为随着科学技术的发展,特别是计算机、工业、网络等的飞速发展,使得全球商业、医疗、工业、金融和生活娱乐等各领域的数据和信息量呈指数增长。因此,对这些具有不确定性的海量数据进行归纳、总结,科学有效的发现其隐含的有价值的知识,已成为智能信息处理研究中一个极为重要课题。多粒度粗糙集理论作为一种能有效处理不确定问题的粗糙集拓展理论,它利用粒计算和粗糙集理论通过多个粒度空间来近似刻画目标决策,从更精细的角度处理不确定性问题。多粒度粗糙集理论已广泛应用于特征选择、决策分析、医疗诊断等领域。为探索多粒度粗糙集理论对含有灰色信息的不确定问题的知识获取,拓展多粒度粗糙集理论的应用范围,本文以含有灰色信息的不确定信息系统为研究对象,结合灰色系统理论和多粒度粗糙集理论进行了相关的研究,论文主要工作及创新点如下:1、针对处理含有灰色信息的不确定问题,本文结合灰色系统理论,定义了灰色粒度结构,提出了一种乐观型灰色多粒度粗糙集模型和一种悲观型灰色多粒度粗糙集模型,并研究了这两种模型的相关性质,在此基础上进一步研究了一种基于悲观灰色多粒度粗糙集下近似的属性约简算法,并通过实验验证了该算法的有效性,该模型拓展了多粒度粗糙集的研究范围。2、为有效处理含有灰色信息的不确定问题,本文采用一个阈值来控制需要满足包含条件的灰色粒度结构的个数,从而提出了一种变精度灰色多粒度粗糙集模型,并研究了该模型的相关性质以及该模型与乐观灰色多粒度粗糙集模型和悲观灰色多粒度粗糙集模型之间的关系,然后基于该模型,提出了一种基于变精度多粒度粗糙集下近似的启发式属性约简算法。实验结果表明,该模型对处理灰色系统具有很好的适用性,进一步拓展了灰色多粒度粗糙集理论的研究。3、针对不一致灰色决策系统的属性约简问题,提出了一种基于变精度灰色多粒度粗糙集的分辨矩阵属性约简方法,该方法定义了一种基于变精度灰色多粒度粗糙集近似分布的一致灰色决策系统转换模型和一种决策置信系统转换模型,将不一致灰色决策系统转换为一致决策置信系统,并通过变精度灰色多粒度粗糙集的分辨函数进行属性约简。理论分析和实验结果表明,该属性约简方法对处理不一致灰色决策系统具有有效性,进一步拓展了灰色系统理论与多粒度粗糙集理论对不确定问题的研究。
朱兆群[9]（2017）在《油气不均一分布及成藏差异性评价方法及其应用研究》文中认为油气不均一分布理论指出油气的不均一分布是一种普遍现象和客观规律,也是成藏差异性的具体体现,并具有层次性,而开展油气不均一分布及成藏差异性评价可以定量刻画认识油气的不均一分布及成藏差异性特征,对深化油气地质认识、提高勘探开发综合效益以及提供科学决策指导意见等具有重要的科学和现实意义。因此,本文在充分梳理总结已有研究成果的基础上,尝试建立起针对油气不均一分布及成藏差异性评价的理论和方法体系,并重点围绕不同层次的评价进行实际应用研究,以期能够为更好地开展油气不均一分布及成藏差异性评价工作提供一定的指导和借鉴。论文主要研究工作内容如下:通过系统归纳初步给出油气不均一分布及成藏差异性评价的相关定义、理论基础、评价流程和评价原则等,指出油气不均一分布及成藏差异性评价是以油气不均一分布理论和差异性思维为指导,在立足于已有有限的勘探资料和成藏地质认识的基础上,最大限度地借助于系统评价方法及计算机技术等手段进行油气勘探目标评价以实现快速、直观地刻画分析不同层次的油气不均一分布和成藏差异性特征,进而能够直接服务于油气勘探开发工作。其中油气分布评价单元的划分、差异成藏评价指标的确立以及定量评价方法模型的构建是油气不均一分布及成藏差异性评价的主要环节。在前人研究的基础上建立了油气不均一分布及成藏差异性评价单元的层次划分方案,并通过成藏差异性影响要素分析重点针对油气区带-圈闭单元、钻探目标-储聚单元、油气藏-储层单元所对应层次的评价对象建立起初步的评价指标库;对构造油气不均一分布及成藏差异性评价指标体系以及进行定量评价可采用的方法模型进行系统总结,提出了选择评价指标和方法模型的一般原则,并针对不同层次单元的评价特点建立起初步的评价模型库;指出评价指标的有效筛选处理以及不同评价模型的组合改进等是提高油气不均一分布及成藏差异性评价质量的重要手段。以济阳坳陷邵家地区沙四段为例开展基于油气区带-圈闭单元的油气不均一分布及成藏差异性评价。通过构造特征及流体势分析确定出主要的区带和圈闭单元,并结合油气分布和差异成藏要素特征采用粗糙集方法筛选出主要的评价指标;针对研究区评价对象多,钻探结果差异大,油气勘探程度偏低且以定性认识为主的评价特点,围绕地质风险及有利性采用具有不同评价思路的改进的层次分析和地质风险概率法、集对分析法以及分类建模评价方法等对评价单元进行组合评价和综合分类,并刻画其平面展布,同时通过多重对应分析、统计分析等手段对成藏差异性进行对比;最后综合定量评价结果揭示出成藏主控因素和差异特征,提供有利目标,为油气勘探决策部署提供指导依据。以高邮凹陷永安地区戴一段为例开展基于钻探目标-储聚单元的油气不均一分布及成藏差异性评价。在平面上根据构造特征将永安地区划分出不同的三级圈闭和四级圈闭作为主要的钻探目标,在纵向上根据标志层法和高分辨率层序地层学将戴一段划分出不同的砂组作为主要的储聚单元;通过油气分布和差异成藏要素分析并采用条件概率法筛选出主要的评价指标,并针对研究区断块“小、贫、碎、散”,勘探程度不均衡且兼有定性和定量指标的特点,围绕评价单元的含油气性采用多个含油气概率模型包括变权Topsis模型、Logistic回归模型和支持向量机SVM模型进行组合评价;利用空间叠合方法实现含油气性的立体量化表征,并通过星座图分析、应用统计分析等对含油气差异性进行对比;最后结合油气地质认识对评价结果进行成因解释,并提出下一步的油气勘探思路和有利钻探目标。以苏里格气田苏29井区盒8下段为例开展基于油气藏-储层单元的油气不均一分布及成藏差异性评价。根据高分辨率层序地层学结合构型分析等对盒8下段低渗透油气藏进行地层细分,以单砂体作为主要的储层单元;通过成藏要素分析指出储层是影响油气不均一分布的关键要素,并采用熵权法筛选出主要的评价指标;针对研究区油气藏储层变化大,不确定性强,开发成果资料不完备以及以定量连续型指标为主的特点,围绕储层非均质性采用多种具有不同评价原理的模型包括改进的模糊灰色评价模型、BP神经网络模型以及数据包络分析模型进行储层综合定量评价;通过空间表征刻画储层的平面非均质和不确定性特征,并采用简单对应分析、应用统计分析等对储层差异性进行对比;最后根据定量评价结果预测有利区并结合储层发育特征进行地质成因解释,以有效指导气田的钻探井位部署和开发方案制定等。油气不均一分布及成藏差异性评价某种意义上隶属于油气资源评价中勘探目标评价的范畴。本文在评价中通过组合集成改进探索形成和引入了多种新的评价方法模型,并在实例应用中取得了较好的评价效果,对丰富油气勘探目标评价方法手段具有一定指导意义,同时本文对评价中的不足和展望进行了相关讨论说明,并初步设计了油气不均一分布及成藏差异性评价系统。
冯志强[10]（2012）在《船舶焊接智能系统知识建模与推理方法研究》文中研究指明焊接智能化是船舶焊接技术发展的一个趋势。领域知识获取是智能系统构建中的一个瓶颈问题，基于粗糙集（Rough Set, RS）知识获取的建模方法为船舶焊接设计智能系统的研究与开发提供了一种新的思路。电弧焊接过程是一个典型的复杂过程，基于RS建模作为一种较新的方法已在焊接中得到应用，但在不确定信息处理方面，经典的RS理论和方法仍有一些未能很好解决的问题。如何扩展RS理论和方法以适应模糊值、连续值信息的处理是RS理论一个重要研究方向。合理的推理策略对于提高智能系统求解问题的能力具有重要作用。作为近似推理领域较具代表性的推理算法，合成规则推理（Compositional Rule of Inference, CRI）和相似性推理（Similarity-basedApproximate Reasoning, SAR）在一些领域均有成功应用，但仍存在一些不足。进一步完善近似推理机制，并将扩展的模糊集理论应用于近似推理领域，已成为近年来模糊推理研究的一个热点。本文首先分析了专家系统及智能方法建模在焊接领域的应用现状和存在问题，然后，以智能系统在知识获取和知识推理方面存在的问题为主线，研究了相应的改进和扩充方法，并将其应用于船舶焊接生产设计、船体焊接变形预报、焊接规范参数设计及焊缝成形质量预测等方面。本文的主要研究工作及创新内容有以下几个方面：（1）应用粗糙集建模与推理的船舶焊接生产设计将粗糙集理论和方法应用于焊接生产设计系统知识建模方面，给出基于RS获取焊接设计知识模型的方法和步骤，并提出一种基于属性重要度的推理算法。（2）基于vague粗糙集的船体焊接变形过程建模将经典RS与vague集相结合，提出一种基于vague粗糙集理论来获取复杂过程知识模型的方法，以船舶高强钢焊接变形过程知识模型的获取为例，介绍vague粗糙集建模方法在焊接过程知识建模中的应用。（3）基于vague集的近似推理方法及其在焊接领域中的应用针对现有的SAR算法中存在的问题，提出一种新的基于vague集间相似性的推理方法，以船舶高强钢焊接变形预测为例，介绍该算法在焊接变形预报领域中的应用。合成推理是近似推理领域主要方法之一，本文研究了vague环境下扩展的CRI算法，并以CO2保护焊焊接规范参数设计为例，介绍该算法在焊接工艺设计中的应用。（4）焊缝成形质量预测系统知识建模方法焊缝成形过程中的系统参量大多是基于连续值属性，扩展经典RS理论处理连续值属性决策系统（Continuous-valued AttributesDecision System, CADS）中的知识获取问题是RS理论研究的一个热点。本文对这一问题进行研究，提出一种CADS知识建模方法，以焊CO2缝成形质量预测系统建模为例，介绍该方法在焊接过程建模中的应用。
二、粗糙集的知识获取及其应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、粗糙集的知识获取及其应用（论文提纲范文）
（1）粒计算视角下三支决策TAO模型及其治略度量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 三支决策是不确定性问题解决的有效性方法之一 |
| 1.1.2 认知时代下的粒计算与三支决策 |
| 1.1.3 三支决策TAO模型及其有效性度量研究的重要意义 |
| 1.2 国内外研究现状 |
| 1.2.1 粒计算的研究进展 |
| 1.2.2 三支决策的研究进展 |
| 1.2.3 粒计算与三支决策的发展脉络 |
| 1.2.4 基于粒计算与三支决策的智能数据分析研究 |
| 1.3 论文主要研究工作 |
| 1.4 论文组织结构 |
| 第2章 粒计算与三支决策理论 |
| 2.1 粒计算 |
| 2.2 粗糙集三支决策 |
| 2.3 三支决策TAO模型 |
| 2.3.1 三分 |
| 2.3.2 治略 |
| 2.3.3 成效 |
| 2.4 基于粒计算与三支决策的智能数据决策方法 |
| 2.4.1 粒计算三元论 |
| 2.4.2 三支决策及其智能数据分析 |
| 2.5 两类三支决策有效性度量框架 |
| 2.6 本章小结 |
| 第3章 移动视角下的三支决策TAO模型研究 |
| 3.1 移动视角的三支决策问题 |
| 3.1.1 一个医疗诊断的例子 |
| 3.1.2 移动模型的基本思想 |
| 3.2 基于移动的三支决策TAO模型 |
| 3.2.1 移动策略 |
| 3.2.2 基于三分区结构的移动 |
| 3.2.3 两种移动过程分析 |
| 3.3 一种面向移动三支决策的有效性度量方法 |
| 3.3.1 比例效用度量框架 |
| 3.3.2 移动三支决策的比例效用函数 |
| 3.3.3 粗粒度度量-基于三分区的有效性度量方法 |
| 3.3.4 细粒度度量-基于等价类的有效性度量方法 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 实验分析 |
| 3.4.2 实验比较 |
| 3.5 本章小结 |
| 第4章 改变视角下的三支决策TAO模型研究 |
| 4.1 基于改变的三支决策TAO框架 |
| 4.1.1 改变策略 |
| 4.1.2 改变模型 |
| 4.1.3 基于区间集表示的改变 |
| 4.2 两个解释的例子 |
| 4.2.1 贝叶斯认证理论与改变三支决策模型 |
| 4.2.2 移动三支决策模型中与改变三支决策模型 |
| 4.3 基于量化的C-3WD模型 |
| 4.3.1 基于单量化的改变 |
| 4.3.2 基于双量化的改变 |
| 4.4 基于评估的C-3WD模型 |
| 4.4.1 带有一对偏序评估的改变 |
| 4.4.2 带有一个偏序评估的改变 |
| 4.4.3 带有一个全序集评估的改变 |
| 4.5 一种面向改变三支决策的有效性度量方法 |
| 4.5.1 一种效用度量方法 |
| 4.5.2 基于改变三支决策的双重期望效用度量方法 |
| 4.5.3 实例分析 |
| 4.6 仿真实验与结果分析 |
| 4.7 本章小结 |
| 第5章 粗糙集视角下的三支模决策TAO模型研究 |
| 5.1 基于粗糙集的改变三支决策模型 |
| 5.1.1 规则置信度的改变 |
| 5.1.2 定性改变与定量改变 |
| 5.2 一种基于对象改变的分类策略 |
| 5.2.1 基于RS-C3WD的分类策略 |
| 5.2.2 分类算法 |
| 5.2.3 实例分析 |
| 5.2.4 策略的有效性 |
| 5.3 一种基于属性改变的约简策略 |
| 5.3.1 基于RS-C3WD的约简策略 |
| 5.3.2 基于改变三支决策模型的属性约简算法 |
| 5.4 仿真实验与结果分析 |
| 5.4.1 约简时间对比 |
| 5.4.2 分类精度对比 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 攻读硕士学位期间所获得的科研成果 |
| 致谢 |
（2）基于增量式学习与集成学习的入侵检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 决策树研究现状 |
| 1.2.2 集成学习研究现状 |
| 1.2.3 入侵检测研究现状 |
| 1.2.4 基于粗糙集的决策树方法研究现状 |
| 1.3 本文的主要贡献 |
| 1.4 本文的组织结构 |
| 2 相关理论概述 |
| 2.1 入侵检测概述 |
| 2.1.1 入侵检测的基本概念 |
| 2.1.2 入侵检测系统的分类 |
| 2.1.3 常用的入侵检测方法 |
| 2.2 集成学习概述 |
| 2.2.1 集成学习的概念与特点 |
| 2.2.2 常用的集成学习算法 |
| 2.3 决策树概述 |
| 2.3.1 决策树的基本概念 |
| 2.3.2 常用的决策树算法 |
| 2.3.3 增量式决策树算法 |
| 2.4 粗糙集理论概述 |
| 2.4.1 粗糙集的基本概念 |
| 2.4.2 粗糙集理论中定义的信息熵模型 |
| 2.5 本章小结 |
| 3 基于粒度决策熵的决策树算法及其在入侵检测中的应用 |
| 3.1 引言 |
| 3.2 相关概念 |
| 3.3 基于粒度决策熵的决策树算法DTGDE |
| 3.3.1 DTGDE算法流程 |
| 3.3.2 DTGDE算法复杂度分析 |
| 3.3.3 DTGDE算法在入侵检测中的应用 |
| 3.4 实验以及结果分析 |
| 3.4.1 实验数据 |
| 3.4.2 实验步骤 |
| 3.4.3 实验结果及分析 |
| 3.5 本章小结 |
| 4 基于粒度决策熵的增量式决策树算法及其在入侵检测中的应用 |
| 4.1 引言 |
| 4.2 相关概念 |
| 4.3 基于粒度决策熵的增量式决策树算法IDTGDE |
| 4.3.1 IDTGDE算法流程 |
| 4.3.2 IDTGDE增量规则的修正策略 |
| 4.3.3 IDTGDE算法复杂度分析 |
| 4.3.4 IDTGDE算法在入侵检测中的应用 |
| 4.4 实验以及结果分析 |
| 4.4.1 实验数据 |
| 4.4.2 实验步骤 |
| 4.4.3 实验结果及分析 |
| 4.5 本章小结 |
| 5 基于粒度决策熵的决策森林算法及其在入侵检测中的应用 |
| 5.1 引言 |
| 5.2 随机森林算法概述 |
| 5.3 基于粒度决策熵的决策森林算法 |
| 5.4 DFGDE算法在入侵检测中的应用 |
| 5.5 实验及结果分析 |
| 5.5.1 实验数据 |
| 5.5.2 实验步骤 |
| 5.5.3 入侵检测结果及分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士期间发表的学术论文 |
（3）覆盖粗糙集与模糊粗糙集及其在化工过程故障诊断中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状分析 |
| 1.2.1 化工过程故障诊断 |
| 1.2.2 基于数据的化工过程故障诊断 |
| 1.2.3 粗糙集理论及属性约简 |
| 1.2.4 (模糊)覆盖粗糙集及其在故障诊断中应用 |
| 1.3 主要研究内容与组织结构 |
| 2 覆盖粗糙集最大、最小描述若干问题研究 |
| 2.1 引言 |
| 2.2 覆盖粗糙集理论预备知识 |
| 2.3 基于矩阵的最小、最大描述计算方法 |
| 2.4 基于最小、最大描述的覆盖近似空间约简方法 |
| 2.5 基于最小、最大描述的覆盖信息系统约简方法 |
| 2.5.1 基于最小描述的覆盖信息系统约简方法 |
| 2.5.2 基于最大描述的覆盖信息系统约简方法 |
| 2.6 本章小结 |
| 3 覆盖粗糙集的故障诊断方法及其在化工汽轮机组故障诊断中的应用 |
| 3.1 引言 |
| 3.2 预备知识 |
| 3.2.1 化工汽轮机组及常见故障类型 |
| 3.2.2 不完备决策表与极大相容块 |
| 3.3 极大相容块的矩阵计算方法 |
| 3.3.1 基于最大描述的极大相容块计算方法 |
| 3.3.2 基于容差类的极大相容块的矩阵计算方法 |
| 3.4 基于极大相容块的不完备信息系统属性约简方法 |
| 3.5 基于“极大相容块+智能分类器”的不完备信息故障诊断方法 |
| 3.6 不完备信息下化工汽轮机组的故障诊断应用 |
| 3.6.1 化工汽轮机组故障不完备决策信息系统 |
| 3.6.2 决策信息表预处理 |
| 3.6.3 化工汽轮机组的“极大相容块+智能分类器”故障诊断模型建立 |
| 3.6.4 化工汽轮机组故障样本诊断 |
| 3.7 本章小结 |
| 4 基于β-覆盖的模糊覆盖粗糙集 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.3 模糊β-覆盖近似空间中概念之间的关系 |
| 4.3.1 模糊β-最小描述与各类约简之间的关系 |
| 4.3.2 模糊β-最大描述与β-核、I-约简之间的关系 |
| 4.4 模糊β-覆盖近似空间之间的关系 |
| 4.4.1 生成的模糊β-覆盖近似空间 |
| 4.4.2 I-生成的模糊β-覆盖近似空间 |
| 4.5 七个诱导的模糊β-覆盖近似空间和相应的格结构 |
| 4.5.1 七个诱导的模糊β-覆盖的一些新的性质 |
| 4.5.2 一些导出模糊β-覆盖的格结构 |
| 4.6 本章小结 |
| 5 模糊覆盖粗糙集的故障诊断方法及其在TE化工过程故障诊断中的应用 |
| 5.1 引言 |
| 5.2 TE化工过程 |
| 5.3 基于模糊β-邻域的模糊覆盖信息系统属性约简方法 |
| 5.4 “模糊覆盖粗糙集+智能分类器”的故障诊断方法 |
| 5.5 基于“模糊覆盖粗糙集+SVM”的TE化工过程故障诊断实验 |
| 5.5.1 获取并初始化数据 |
| 5.5.2 基于模糊β-邻域的TE化工过程故障数据集的属性约简 |
| 5.5.3 基于TE化工过程的“模糊覆盖粗糙集+SVM”故障诊断模型建立 |
| 5.5.4 基于TE化工过程的“模糊覆盖粗糙集+SVM”故障诊断 |
| 5.6 本章小结 |
| 6 广义模糊覆盖粗糙集 |
| 6.1 引言 |
| 6.2 预备知识 |
| 6.2.1 直觉模糊集 |
| 6.2.2 单值中智集 |
| 6.3 两类直觉模糊覆盖粗糙集模型 |
| 6.3.1 直觉模糊β-邻域、直觉模糊β-邻域系统和β-邻域 |
| 6.3.2 两类直觉模糊覆盖粗糙集模型 |
| 6.3.3 直觉模糊覆盖粗糙集模型和其他粗糙集模型之间的关系 |
| 6.4 单值中智覆盖粗糙集模型 |
| 6.4.1 单值中智覆盖近似空间 |
| 6.4.2 三类单值中智覆盖粗糙集模型 |
| 6.5 多粒度单值中智覆盖粗糙集模型 |
| 6.5.1 多粒度单值中智β-覆盖近似空间 |
| 6.5.2 三类多粒度单值中智覆盖粗糙集模型 |
| 6.5.3 不同中智β-覆盖产生相同的多粒度单值中智覆盖近似算子的条件 |
| 6.6 本章小结 |
| 7 广义模糊粗糙集的决策方法及其在聚合釜故障诊断中的应用 |
| 7.1 引言 |
| 7.2 聚合釜反应过程与常见故障 |
| 7.3 基于直觉模糊覆盖粗糙集的群决策方法及其在故障诊断中的应用 |
| 7.3.1 乐观多粒度直觉模糊覆盖粗糙集模型 |
| 7.3.2 基于直觉模糊故障信息的多属性群决策问题 |
| 7.3.3 基于乐观多粒度直觉模糊覆盖粗糙集的故障信息群决策方法 |
| 7.3.4 直觉模糊决策方法在聚合釜故障诊断中的应用 |
| 7.4 基于多粒度单值中智覆盖粗糙集的群决策方法及故障诊断应用 |
| 7.4.1 基于单值中智故障信息的多属性群决策问题 |
| 7.4.2 基于多粒度单值中智覆盖粗糙集的故障信息群决策方法 |
| 7.4.3 单值中智决策方法在聚合釜故障诊断中的应用 |
| 7.4.4 对比分析 |
| 7.5 本章小结 |
| 8 总结与展望 |
| 8.1 全文工作总结 |
| 8.2 研究工作创新点 |
| 8.3 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录A: 最小、最大描述的集合计算Matlab程序（第二章） |
| 附录B: 最小、最大描述的矩阵计算Matlab程序（第二章） |
| 附录C: 本文应用的化工汽轮机组故障诊断数据（第三章） |
| 附录D: 基于不可分辨矩阵的不完备信息属性约简Matlab程序（第三章） |
| 附录E: SVM故障诊断Matlab程序（第三章） |
| 附录F: 基于模糊β-邻域的约简计算Matlab程序（第五章） |
| 附录G: TE化工过程部分数据（第五章） |
| 附录H: 单值中智覆盖粗糙集上、下近似计算Matlab程序（第七章） |
| 攻读博士学位期间发表的科研成果目录 |
（4）三支决策二阶段分类模型的改进及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 三支决策国内外研究现状 |
| 1.3 目前遇到的问题及发展趋势 |
| 1.4 本文的主要内容及技术路线 |
| 1.4.1 对区域转移模型的研究 |
| 1.4.2 区域转移模型对三支决策二阶段分类模型的优化 |
| 1.4.3 序贯三支决策层数确定方案的研究 |
| 1.5 本章小结 |
| 第二章 相关理论基础 |
| 2.1 三支决策与粒计算 |
| 2.1.1 粗糙集理论 |
| 2.1.2 三支决策 |
| 2.1.3 粒计算 |
| 2.2 三支决策的二阶段分类模型 |
| 2.3 区域转移模型 |
| 2.4 本章小结 |
| 第三章 粗糙集区域转移行为的效用研究 |
| 3.1 区域转移的概念 |
| 3.2 粗糙集区域转移行为 |
| 3.3 粗糙集区域转移的效用性 |
| 3.4 本章小结 |
| 第四章 用区域转移改进三支决策二阶段分类模型 |
| 4.1 三支决策二阶段分类模型中的区域转移行为 |
| 4.2 由元素的区域转移引起的边界域重构研究 |
| 4.3 基于区域转移的三支决策二阶段分类算法 |
| 4.4 算例及其分析 |
| 4.5 本章小结 |
| 第五章 用序贯层数优化三支决策二阶段分类模型 |
| 5.1 由属性重要度到元素重要度 |
| 5.2 基于元素重要度的序贯三支决策层数的确定 |
| 5.2.1 劣势元素和优势元素 |
| 5.2.2 基于元素重要度的序贯三支决策层数确定方法 |
| 5.2.3 算例 |
| 5.3 序贯层数确定模型与基于区域转移的三支决策二阶段分类模型的整合 |
| 5.4 本章小结 |
| 第六章 洪水等级分类中的一种改进三支决策二阶段分类方法 |
| 6.1 应用实例 |
| 6.2 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间的成果 |
| 致谢 |
（5）三支直觉模糊决策方法及在人机任务分配中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 课题来源 |
| 1.3 国内外研究现状分析 |
| 1.3.1 人机任务分配中的数据挖掘方法国内外研究现状分析 |
| 1.3.2 决策粗糙集与三支决策国内外研究现状分析 |
| 1.3.3 直觉模糊集在多属性决策中的应用国内外研究现状分析 |
| 1.3.4 三支决策与直觉模糊集相结合国内外研究现状分析 |
| 1.3.5 国内外研究现状述评与本文研究问题 |
| 1.4 论文研究内容与结构安排 |
| 1.5 论文主要创新点 |
| 1.6 本章小结 |
| 第二章 三支决策与直觉模糊集相关理论 |
| 2.1 三支决策 |
| 2.1.1 决策粗糙集模型 |
| 2.1.2 基于决策粗糙集的三支决策 |
| 2.2 直觉模糊集相关理论 |
| 2.2.1 直觉模糊集及其运算 |
| 2.2.2 直觉模糊相似度 |
| 2.2.3 直觉模糊相似度测度回顾 |
| 2.2.4 直觉模糊相似度测度的不足分析 |
| 2.3 直觉模糊信息系统 |
| 2.4 本章小结 |
| 第三章 基于直觉模糊信息系统的三支直觉模糊决策方法 |
| 3.1 直觉模糊粗糙近似的构造 |
| 3.1.1 直觉模糊数的相似测度 |
| 3.1.2 直觉模糊集的相似度和相异度 |
| 3.1.3 新直觉模糊相似度 |
| 3.1.4 直觉模糊目标概念的(?)-下、上近似集 |
| 3.2 多风险偏好的直觉模糊决策粗糙集模型 |
| 3.3 基于直觉模糊信息系统的三支直觉模糊决策方法 |
| 3.4 实例与比较分析 |
| 3.4.1 人机任务分配实例分析 |
| 3.4.2 提出方法与现有方法的比较 |
| 3.5 本章小结 |
| 第四章 基于直觉模糊数排序的三支直觉模糊决策方法 |
| 4.1 直觉模糊决策粗糙集 |
| 4.2 直觉模糊决策粗糙集下直觉模糊数排序方法分析 |
| 4.2.1 六种代表性直觉模糊数排序方法 |
| 4.2.2 六种直觉模糊数排序方法比较分析 |
| 4.3 基于直觉模糊数排序的三支直觉模糊决策机制 |
| 4.3.1 基于直觉模糊单排序函数的三支直觉模糊决策机制 |
| 4.3.2 基于直觉模糊双排序函数的三支直觉模糊决策机制 |
| 4.4 两类直觉模糊排序函数下的三支决策比较分析 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第五章 基于决策粗糙集等价模型的三支直觉模糊决策方法 |
| 5.1 决策粗糙集的等价模型 |
| 5.1.1 等价模型的构建 |
| 5.1.2 KKT条件 |
| 5.1.3 模型等价性的验证 |
| 5.2 模糊环境下决策粗糙集等价模型的拓展 |
| 5.2.1 区间环境下基于决策粗糙集等价模型的拓展 |
| 5.2.2 三角模糊环境下基于决策粗糙集等价模型的拓展 |
| 5.2.3 语言环境下基于决策粗糙集等价模型的拓展 |
| 5.3 基于决策粗糙集等价模型的三支直觉模糊决策方法 |
| 5.3.1 优化视角下的直觉模糊决策粗糙集 |
| 5.3.2 直觉模糊环境下基于决策粗糙集等价模型的阈值确定 |
| 5.3.3 基于决策粗糙集等价模型的三支直觉模糊决策机制 |
| 5.4 实例与比较分析 |
| 5.4.1 载人航天任务分配实例分析 |
| 5.4.2 提出方法与现有方法的比较 |
| 5.5 本章小结 |
| 第六章 基于直觉模糊集成算子的三支直觉模糊群决策方法 |
| 6.1 三支直觉模糊群决策 |
| 6.1.1 三支直觉模糊群决策问题描述 |
| 6.1.2 直觉模糊集成算子 |
| 6.1.3 群决策环境下直觉模糊决策粗糙集阈值确定模型 |
| 6.2 基于直觉模糊集成算子的三支直觉模糊群决策机制 |
| 6.3 实例与比较分析 |
| 6.3.1 三支直觉模糊群决策在人机任务分配中的应用 |
| 6.3.2 提出方法与现有方法的比较分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 攻读博士学位期间完成的成果及主持/参与的项目 |
| 致谢 |
（6）面向态势认知的粗糙集决策方法研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 基本符号列表 |
| 第1章 绪论 |
| 1.1 研究背景和科学意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的科学意义 |
| 1.2 课题来源 |
| 1.3 国内外研究现状 |
| 1.3.1 态势认知理论发展现状 |
| 1.3.2 粒计算发展现状 |
| 1.3.3 粗糙集理论发展现状 |
| 1.3.4 三支决策理论发展现状 |
| 1.4 本文的研究工作与技术路线 |
| 1.5 论文结构安排 |
| 第2章 相关理论基础 |
| 2.1 引言 |
| 2.2 态势认知基本知识 |
| 2.2.1 态势要素 |
| 2.2.2 态势要素关系 |
| 2.3 粗糙集理论与三支决策 |
| 2.3.1 Pawlak粗糙集 |
| 2.3.2 决策粗糙集与三支决策 |
| 2.4 本章小结 |
| 第3章 测试代价敏感的知识获取和粗糙数据建模 |
| 3.1 引言 |
| 3.2 相关基本概念 |
| 3.2.1 弱不可分辨关系粗糙集 |
| 3.2.2 量化不可分辨关系和粗糙集模型 |
| 3.2.3 测试代价敏感的决策信息系统 |
| 3.3 基于测试代价敏感的粗糙数据建模 |
| 3.3.1 测试代价敏感的量化粗糙集方法 |
| 3.3.2 近似质量的实验对比 |
| 3.4 属性约简 |
| 3.4.1 下近似分布保持约简方法 |
| 3.4.2 知识与测试代价融合的约简方法 |
| 3.4.3 评价指标 |
| 3.5 测试代价敏感的约简在公共数据集上的实验分析 |
| 3.6 无人机空战场景中态势感知的实例分析 |
| 3.7 本章小结 |
| 第4章 基于并行和序贯的多粒度认知策略 |
| 4.1 引言 |
| 4.2 三支决策与粒计算 |
| 4.3 基于并行策略的多粒度决策粗糙集模型 |
| 4.3.1 乐观与悲观多粒度决策粗糙集 |
| 4.3.2 柔性多粒度决策粗糙集 |
| 4.3.3 决策规则和风险决策代价 |
| 4.3.4 阈值学习的朴素算法 |
| 4.3.5 实验分析 |
| 4.4 基于序贯策略的多粒度三支分类模型 |
| 4.4.1 序贯三支决策方法 |
| 4.4.2 Local和Global约简 |
| 4.4.3 基于局部约简的序贯三支分类方法 |
| 4.4.4 实验分析 |
| 4.5 本章小结 |
| 第5章 基于混合代价的多粒度粗糙集模型及态势评估 |
| 5.1 引言 |
| 5.2 基于混合代价的粗糙数据建模 |
| 5.2.1 混合代价敏感多粒度粗糙集模型 |
| 5.2.2 几种粗糙集模型之间的关系 |
| 5.2.3 混合代价敏感粗糙集中的代价准则 |
| 5.3 代价敏感环境下的多粒度信息粒度约简 |
| 5.3.1 基于决策单调准则约简 |
| 5.3.2 基于最小代价准则约简 |
| 5.3.3 基于遗传优化的约简算法 |
| 5.4 粒度约简评价指标 |
| 5.5 公共数据集中的实验分析 |
| 5.5.1 代价设置与比较 |
| 5.5.2 信息粒度约简性能比较 |
| 5.6 混合代价敏感粗糙模型在兵棋推演场景态势评估中的应用 |
| 5.7 本章小结 |
| 第6章 面向复杂数据的多粒度态势预测方法 |
| 6.1 引言 |
| 6.2 相关基本概念 |
| 6.2.1 序贯三支决策模型 |
| 6.2.2 邻域粗糙集及其序贯性质 |
| 6.2.3 合理粒度准则 |
| 6.3 基于序贯三支策略的预测方法 |
| 6.3.1 S3WC框架 |
| 6.3.2 局部与全局属性子空间 |
| 6.3.3 基于合理粒度的S3WC预测算法 |
| 6.4 公共数据集中的实验分析 |
| 6.4.1 实验设置及参数选取 |
| 6.4.2 局部和全局属性子空间的性能比较 |
| 6.4.3 分类性能比较 |
| 6.4.4 实验结果讨论 |
| 6.5 S3WC-JS在兵棋推演场景态势预测实例中的应用 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文总结 |
| 7.2 未来研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文和参与的科研项目 |
| 致谢 |
（7）面向集中有序集值信息系统的粗糙集模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及目的 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的 |
| 1.2 研究内容与创新点 |
| 1.2.1 研究创新点 |
| 1.2.2 研究内容 |
| 第二章 粗糙集理论综述 |
| 2.1 粗糙集理论国内外研究综述 |
| 2.2 不完备信息系统下粗糙集理论研究 |
| 2.3 模糊信息系统下粗糙集理论研究 |
| 2.4 偏好信息系统下粗糙集理论研究 |
| 2.5 文献评述 |
| 第三章 不完备集中有序集值信息系统的粗糙集模型 |
| 3.1 引言 |
| 3.2 集中有序析取型集值信息系统下的粗糙集模型 |
| 3.2.1 集中有序析取型集值信息系统 |
| 3.2.2 β-集中有序优势关系 |
| 3.2.3 β-集中有序关系下的粗糙集模型 |
| 3.3 集中有序析取型集值决策系统及其相对约简 |
| 3.3.1 基于β-集中有序关系的粗糙决策模型 |
| 3.3.2 集中有序析取型集值决策系统的相对约简 |
| 3.3.3 算例分析 |
| 3.4 模糊集中优势关系下的析取型集值信息系统及其知识约简 |
| 3.4.1 模糊集中优势关系 |
| 3.4.2 集中有序析取型集值信息系统的属性约简 |
| 3.4.3 集中有序析取型集值决策系统的相对约简 |
| 3.4.4 算例分析 |
| 3.5 建模流程图 |
| 3.6 本章小结 |
| 第四章 模糊集中有序集值信息系统的粗糙集模型 |
| 4.1 引言 |
| 4.2 模糊集中有序集值决策系统 |
| 4.3 模糊集中有序析取型集值决策系统的粗糙集模型 |
| 4.3.1 β-集中有序优势关系下的粗糙模糊集 |
| 4.3.2 模糊集中有序析取型集值决策系统的知识约简 |
| 4.3.3 算例分析 |
| 4.4 模糊集中有序合取型集值决策系统的粗糙集模型 |
| 4.4.1 集中有序关系下的粗糙模糊集 |
| 4.4.2 模糊集中有序合取型集值决策系统的知识约简 |
| 4.4.3 算例分析 |
| 4.5 建模流程图 |
| 4.6 本章小结 |
| 第五章 集中有序析取型集值系统下粗糙集在信用评价中的应用 |
| 5.1 研究背景与目的 |
| 5.1.1 信用评价的背景 |
| 5.1.2 信用评价的目的 |
| 5.2 信用评价指标体系的选取 |
| 5.2.1 信用评价指标体系选取的原则 |
| 5.2.2 信用评价指标体系的构建 |
| 5.3 基于扩展粗糙集模型的客户信用评价 |
| 5.3.1 原始决策表获取与数据预处理 |
| 5.3.2 建模流程 |
| 5.3.3 属性约简及规则提取 |
| 5.3.4 结论与建议 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）灰色多粒度粗糙集理论及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 粗糙集理论研究现状 |
| 1.2.2 多粒度粗糙集理论研究现状 |
| 1.2.3 不一致决策系统属性约简的研究现状 |
| 1.3 论文研究目标 |
| 1.4 论文内容安排 |
| 第二章 基础知识 |
| 2.1 粗糙集理论 |
| 2.1.1 粗糙集理论的基本概念 |
| 2.1.2 粗糙集理论模型 |
| 2.1.3 粗糙集的知识约简 |
| 2.1.4 分辨矩阵与分辨函数 |
| 2.1.5 属性重要度 |
| 2.2 多粒度粗糙集理论 |
| 2.2.1 乐观和悲观多粒度粗糙集 |
| 2.2.2 可变多粒度粗糙集 |
| 2.2.3 三种多粒度粗糙集模型之间的关系 |
| 2.3 灰色系统理论 |
| 2.3.1 灰色系统的知识表达 |
| 2.3.2 灰色关联系数 |
| 2.4 本章小结 |
| 第三章 灰色多粒度粗糙集 |
| 3.1 引言 |
| 3.2 灰色关联关系 |
| 3.3 灰色多粒度粗糙集 |
| 3.3.1 乐观灰色多粒度粗糙集 |
| 3.3.2 悲观灰色多粒度粗糙集 |
| 3.3.3 灰色多粒度粗糙集下、上近似计算 |
| 3.4 基于悲观灰色多粒度粗糙集的属性约简 |
| 3.5 实验与分析 |
| 3.6 本章小结 |
| 第四章 变精度灰色多粒度粗糙集及其属性约简 |
| 4.1 引言 |
| 4.2 变精度多粒度粗糙集 |
| 4.2.1 变精度多粒度粗糙集的模型 |
| 4.2.2 变精度灰色多粒度粗糙集与乐观型和悲观型之间的关系 |
| 4.2.3 变精度灰色多粒度粗糙集下、上近似计算算法 |
| 4.3 基于变精度灰色多粒度粗糙集的属性约简 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 第五章 不一致灰色决策系统的属性约简 |
| 5.1 引言 |
| 5.2 一致决策置信系统 |
| 5.2.1 基于近似分布一致的灰色决策系统转化 |
| 5.2.2 基于近似分布一致的决策置信系统转化 |
| 5.3 基于一致决策置信系统的分辨矩阵约简 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的学术成果 |
（9）油气不均一分布及成藏差异性评价方法及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 创新点摘要 |
| 第一章 引言 |
| 1.1 论文研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 油气地质与勘探理论研究现状 |
| 1.2.2 油气勘探目标评价研究现状 |
| 1.3 论文的研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文完成主要工作量 |
| 第二章 油气不均一分布及成藏差异性评价理论 |
| 2.1 评价相关概述 |
| 2.1.1 评价定义 |
| 2.1.2 评价流程 |
| 2.2 评价理论基础 |
| 2.2.1 油气地质与勘探理论 |
| 2.2.2 评价学理论 |
| 2.3 评价一般原则 |
| 第三章 油气不均一分布及成藏差异性评价方法 |
| 3.1 评价对象单元的划分与表征 |
| 3.1.1 评价对象单元的级次划分 |
| 3.1.2 评价对象单元的层次介绍 |
| 3.1.3 评价对象单元的信息表征 |
| 3.2 评价因素指标的确立与处理 |
| 3.2.1 油气成藏差异性影响因素 |
| 3.2.2 评价因素指标的类型与特点 |
| 3.2.3 评价指标体系的形成与完善 |
| 3.2.4 评价指标体系的规范化处理 |
| 3.3 评价方法模型的选择与构建 |
| 3.3.1 评价方法模型的分类与比较 |
| 3.3.2 评价方法模型的优化与改进 |
| 3.3.3 评价方法模型的选择原则 |
| 3.3.4 评价的一般方法模型库 |
| 第四章 基于油气区带-圈闭单元的评价应用 |
| 4.1 研究区概况及存在问题 |
| 4.2 评价对象单元的确定 |
| 4.2.1 油气地质单元的层次划分 |
| 4.2.2 油气不均一分布特征 |
| 4.3 评价指标体系的建立 |
| 4.3.1 油气差异成藏评价要素剖析 |
| 4.3.2 基于粗糙集的指标优选及权重确定 |
| 4.4 评价方法模型的应用 |
| 4.4.1 改进的层次分析评价 |
| 4.4.2 改进的地质风险评价 |
| 4.4.3 集对分析评价 |
| 4.4.4 分类建模评价 |
| 4.5 勘探目标组合评价及统计分析 |
| 4.5.1 油气不均一分布组合评价 |
| 4.5.2 成藏差异性统计比较 |
| 4.6 油气勘探开发启示 |
| 第五章 基于钻探目标-储聚单元的评价应用 |
| 5.1 研究区概况及存在问题 |
| 5.2 评价对象单元的确定 |
| 5.2.1 油气地质单元的层次划分 |
| 5.2.2 油气不均一分布特征 |
| 5.3 评价指标体系的建立 |
| 5.3.1 油气差异成藏评价要素剖析 |
| 5.3.2 基于条件概率法的指标优选及权重确定 |
| 5.4 评价方法模型的应用 |
| 5.4.1 基于变权TOPSIS模型的评价 |
| 5.4.2 基于Logistic回归模型的评价 |
| 5.4.3 基于SVM支持向量机模型的评价 |
| 5.5 勘探目标组合评价及统计分析 |
| 5.5.1 油气不均一分布组合评价 |
| 5.5.2 成藏差异性统计比较 |
| 5.6 油气勘探开发启示 |
| 第六章 基于油气藏-储层单元的评价应用 |
| 6.1 研究区概况及存在问题 |
| 6.2 评价对象单元的确定 |
| 6.2.1 油气地质单元的层次划分 |
| 6.2.2 油气不均一分布特征 |
| 6.3 评价指标体系的建立 |
| 6.3.1 油气差异成藏评价要素剖析 |
| 6.3.2 基于熵权法的指标优选及权重确定 |
| 6.4 评价方法模型的应用 |
| 6.4.1 改进的模糊灰色综合评价 |
| 6.4.2 人工神经网络综合评价 |
| 6.4.3 数据包络分析综合评价 |
| 6.5 勘探目标组合评价及统计分析 |
| 6.5.1 油气不均一分布组合评价 |
| 6.5.2 成藏差异性统计比较 |
| 6.6 油气勘探开发启示 |
| 第七章 认识与展望 |
| 7.1 评价不足与展望 |
| 7.2 评价系统设计 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 作者简介 |
（10）船舶焊接智能系统知识建模与推理方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 专家系统及智能建模方法 |
| 1.3 基于粗糙集理论的知识获取 |
| 1.4 扩展的粗糙集理论与知识获取 |
| 1.5 知识推理 |
| 1.6 本文的主要工作和课题意义 |
| 1.7 本文的组织结构 |
| 第2章 不确定性集合理论基础 |
| 2.1 模糊集 |
| 2.2 Vague 集 |
| 2.3 粗糙集 |
| 第3章 船舶焊接生产设计系统知识建模与推理方法 |
| 3.1 引言 |
| 3.2 基于 RS 知识建模方法 |
| 3.3 应用 RS 知识建模的船体焊接生产设计系统 |
| 3.4 基于决策规则的推理策略 |
| 3.5 本章小结 |
| 第4章 船体结构焊接变形预测系统知识建模与近似推理方法研究 |
| 4.1 引言 |
| 4.2 基于 Vague 粗糙集的知识建模方法 |
| 4.3 基于 vague 集间相似度的近似推理 |
| 4.4 舰船高强钢结构焊接变形预测 |
| 4.5 本章小结 |
| 第5章 基于合成规则推理的船舶焊接规范参数设计方法 |
| 5.1 引言 |
| 5.2 [I]上的逻辑算子 |
| 5.3 基于 vague 集的合成推理 |
| 5.4 船体 CO_2焊接规范参数设计 |
| 5.5 本章小结 |
| 第6章 焊缝成形质量预测系统知识建模与推理方法研究 |
| 6.1 引言 |
| 6.2 连续值属性决策系统知识建模方法 |
| 6.3 基于 CADS 知识模型的推理 |
| 6.4 低碳钢 CO_2焊缝成形质量预测 |
| 6.5 本章小结 |
| 第7章 结论及创新之处 |
| 7.1 本文工作总结 |
| 7.2 本文创新点 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表论文及从事的科研项目 |
四、粗糙集的知识获取及其应用（论文参考文献）
- [1]粒计算视角下三支决策TAO模型及其治略度量研究[D]. 郭豆豆. 哈尔滨师范大学, 2021(08)
- [2]基于增量式学习与集成学习的入侵检测方法研究[D]. 张旻宇. 青岛科技大学, 2021(02)
- [3]覆盖粗糙集与模糊粗糙集及其在化工过程故障诊断中的应用[D]. 王敬前. 陕西科技大学, 2021(01)
- [4]三支决策二阶段分类模型的改进及其应用[D]. 郎锴. 南昌工程学院, 2020(06)
- [5]三支直觉模糊决策方法及在人机任务分配中的应用研究[D]. 刘久兵. 南京大学, 2019
- [6]面向态势认知的粗糙集决策方法研究[D]. 鞠恒荣. 南京大学, 2019
- [7]面向集中有序集值信息系统的粗糙集模型研究[D]. 孔欣欣. 南京航空航天大学, 2019(02)
- [8]灰色多粒度粗糙集理论及应用研究[D]. 康蕴. 厦门大学, 2018(08)
- [9]油气不均一分布及成藏差异性评价方法及其应用研究[D]. 朱兆群. 中国石油大学(华东), 2017(07)
- [10]船舶焊接智能系统知识建模与推理方法研究[D]. 冯志强. 上海交通大学, 2012(07)