基于Rough集和ANN的专家系统知识获取研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·论文研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·论文主要研究内容 | 第9页 |
| ·论文研究总体思路 | 第9-10页 |
| ·论文创新点 | 第10页 |
| ·论文结构 | 第10-11页 |
| 2 专家系统及知识获取的Rough集和ANN方法 | 第11-27页 |
| ·专家系统及其知识获取 | 第11-15页 |
| ·专家系统概述 | 第11-13页 |
| ·专家系统的知识表示 | 第13-14页 |
| ·专家系统知识获取的传统方法及其不足 | 第14页 |
| ·专家系统的自动知识获取 | 第14-15页 |
| ·知识获取的Rough集方法 | 第15-23页 |
| ·Rough集概述 | 第15-16页 |
| ·Rough集理论 | 第16-18页 |
| ·Rough集知识约简 | 第18-23页 |
| ·知识获取的神经网络方法和BP神经网络 | 第23-27页 |
| ·神经网络简介 | 第23-25页 |
| ·BP神经网络 | 第25页 |
| ·神经网络的优势 | 第25-27页 |
| 3 Rough集和ANN相结合的知识获取 | 第27-39页 |
| ·粗糙集和神经网络的互补特性分析 | 第27-28页 |
| ·粗糙集理论和神经网络的结合方法 | 第28-31页 |
| ·基本思想 | 第28页 |
| ·处理流程 | 第28-31页 |
| ·知识获取的粗糙集处理阶段 | 第31页 |
| ·问题描述 | 第31页 |
| ·应用特点 | 第31页 |
| ·知识获取的神经网络处理阶段 | 第31-36页 |
| ·网络模型的选取 | 第32-33页 |
| ·网络相关参数的选取 | 第33-34页 |
| ·输入输出数据的编码 | 第34-35页 |
| ·输出结果的评价 | 第35-36页 |
| ·多种约简结果的处理方法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 实验及结果分析 | 第39-49页 |
| ·实验数据选取 | 第39-40页 |
| ·数据预处理及约简 | 第40-44页 |
| ·数据集导入及分割 | 第40-41页 |
| ·连续属性离散化及属性约简 | 第41-44页 |
| ·神经网络实现及其训练 | 第44-47页 |
| ·BP神经网络的设计与实现 | 第44-45页 |
| ·输入数据准备 | 第45-46页 |
| ·神经网络训练及测试 | 第46-47页 |
| ·实验结果分析 | 第47-49页 |
| 5 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 附录 (部分代码) | 第55-59页 |
| 在学期间的研究成果 | 第59页 |
