基于粗糙集的不确定信息知识发现及在城市交通管理中的应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-27页 |
| ·研究背景及研究意义 | 第13-16页 |
| ·研究背景 | 第13-16页 |
| ·研究意义 | 第16页 |
| ·国内外研究现状 | 第16-24页 |
| ·不确定信息处理研究 | 第16-18页 |
| ·不确定信息知识发现研究 | 第18-20页 |
| ·粗糙集理论及应用研究 | 第20-24页 |
| ·本文的研究内容及结构安排 | 第24-25页 |
| ·本文的主要研究内容 | 第24-25页 |
| ·本文的研究结构 | 第25页 |
| ·本文的主要创新点 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第2章 粗糙集及其相关理论 | 第27-37页 |
| ·引言 | 第27页 |
| ·粗糙集理论的基本概念 | 第27-30页 |
| ·知识与知识库 | 第27-28页 |
| ·不精确范畴与近似集 | 第28-29页 |
| ·近似精度与分类质量 | 第29-30页 |
| ·知识的约简与决策规则 | 第30-32页 |
| ·知识的约简与核 | 第30页 |
| ·知识的相对约简与相对核 | 第30-31页 |
| ·知识的依赖性及依赖度 | 第31-32页 |
| ·决策系统与决策规则 | 第32页 |
| ·粗糙集扩展模型 | 第32-35页 |
| ·概率粗糙集模型 | 第33页 |
| ·相容粗糙集模型 | 第33-34页 |
| ·相似粗糙集模型 | 第34-35页 |
| ·限制容差关系粗糙集模型 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第3章 决策系统中连续数据的离散化研究 | 第37-53页 |
| ·引言 | 第37-38页 |
| ·粗糙集中离散化问题描述 | 第38-39页 |
| ·基于布尔逻辑的离散化算法及其改进 | 第39-45页 |
| ·基于布尔逻辑的离散化算法 | 第39-41页 |
| ·改进的启发式离散化算法 | 第41-42页 |
| ·算法分析 | 第42-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·实例分析 | 第44-45页 |
| ·基于改进粒子群优化算法的连续属性离散化 | 第45-51页 |
| ·改进粒子群优化算法相关概念 | 第45页 |
| ·粒子群优化算法及其改进 | 第45-47页 |
| ·基于改进粒子群优化算法的连续属性离散化 | 第47-49页 |
| ·算法分析 | 第49页 |
| ·实验结果及分析 | 第49-51页 |
| ·粗糙集离散化算法的评价 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 决策系统中不确定信息约简算法研究 | 第53-69页 |
| ·引言 | 第53-54页 |
| ·属性约简的一种新型启发式算法 | 第54-61页 |
| ·相对分辨矩阵 | 第54页 |
| ·算法理论基础 | 第54-57页 |
| ·算法描述 | 第57-59页 |
| ·算法分析 | 第59页 |
| ·实例分析 | 第59-61页 |
| ·基于属性区分频度的约简改进算法 | 第61-68页 |
| ·求异矩阵 | 第62-64页 |
| ·算法原理 | 第64-65页 |
| ·算法描述 | 第65-66页 |
| ·算法分析 | 第66页 |
| ·实例分析 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 决策系统中不确定信息知识发现研究 | 第69-85页 |
| ·引言 | 第69-70页 |
| ·全局寻优的完备信息系统规则获取算法 | 第70-76页 |
| ·连续属性离散化 | 第70页 |
| ·属性约简 | 第70-71页 |
| ·属性值约简 | 第71-72页 |
| ·算法描述 | 第72页 |
| ·决策解释 | 第72-73页 |
| ·算法分析 | 第73-74页 |
| ·实例分析 | 第74-76页 |
| ·不完备信息系统的规则获取算法 | 第76-84页 |
| ·不完备信息系统与广义决策函数 | 第77-78页 |
| ·相容属性矩阵和决策属性矩阵 | 第78-79页 |
| ·基于矩阵的不完备信息决策系统规则获取算法 | 第79-81页 |
| ·算法分析 | 第81页 |
| ·实例分析 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 第6章 不确定信息处理在城市交通管理中的应用 | 第85-100页 |
| ·引言 | 第85-86页 |
| ·城市交通管理中的不确定性因素分析 | 第86-87页 |
| ·城市交通管理中交通流状态识别概述 | 第87-89页 |
| ·交通流状态模式识别 | 第87-88页 |
| ·交通流状态模式识别过程 | 第88-89页 |
| ·交通流状态模式识别方法 | 第89页 |
| ·基于不确定信息的交通流状态模式分类 | 第89-94页 |
| ·特征属性选取 | 第89-90页 |
| ·交通流状态模式分类知识发现 | 第90-92页 |
| ·集成分类系统 | 第92-94页 |
| ·应用实例分析 | 第94-99页 |
| ·数据来源及预处理 | 第94-96页 |
| ·特征属性约简 | 第96-97页 |
| ·交通流状态模式分类知识发现 | 第97-98页 |
| ·交通流状态模式分析与预测 | 第98-99页 |
| ·本章小结 | 第99-100页 |
| 结论 | 第100-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-116页 |
| 攻读博士学位期间发表的论文与科研项目 | 第116页 |
