对基于粗糙集的粒计算理论中的动态知识发现问题进行研究.主要内容包括四部分:1. 属性集粗化细化时,基于粗糙集的粒计算理论中的近似集动态更新理论分析与验证以及决策规则增量提取的方法研究与设计;2. 对象集粗化细化时,基于粗糙集的粒计算理论中规则动态获取机理理论分析与性能评测;3. 对象、属性集同时粗化细化时,基于粗糙集的粒计算理论中知识增长与维护的理论与方法研究;4. 属性值粗化细化时,基于粗糙集的粒计算理论中的近似集增量更新理论分析与验证以及决策规则增量提取的方法研究与设计.这些问题的解决,对于解决大规模复杂现实信息系统学习问题,充分体现粒计算在不确定性问题处理和知识发现与数据挖掘中的优势,完善粒计算理论与方法,提高知识发现效率和拓展粒计算的应用领域等有重要意义.
{{i.achievement_title}}
数据更新时间:2023-05-31
论大数据环境对情报学发展的影响
服务经济时代新动能将由技术和服务共同驱动
资源型地区产业结构调整对水资源利用效率影响的实证分析—来自中国10个资源型省份的经验证据
多源数据驱动CNN-GRU模型的公交客流量分类预测
卡斯特“网络社会理论”对于人文地理学的知识贡献-基于中外引文内容的分析与对比
高维混合数据异常知识发现的粒计算模型关键问题研究
基于粒计算的快速知识发现算法研究及其在控制中的应用
基于公理模糊集和粒计算的多元动态数据的知识发现与语义表示
基于粒计算的动态知识更新的矩阵方法研究