一、带Rough相等关系词的Rough逻辑系统及其推理（论文文献综述）
刘清,邱桃荣,刘斓[1]（2015）在《基于非标准分析的粒计算研究》文中认为该文着力于研究粒计算的基本理论.粒计算作为一种粒数数系被研究,在这种数系中研究粒运算的基本定律、粒与粒之间的不可区分关系;研究这种粒数系中描述型的形式语言等.采用的方法是基于非标准分析中的超实数理论研究实值粒运算应遵循的规则,也研究了伴随二元关系的信息粒的合成、加粗、加细、并和交运算等;在分析前人工作的基础上、基于超实数理论进一步为粒计算研究定义了一种新的不可区分关系,得到了几个相关性质,并且证明了相关结果.随后定义了描述这种粒数数系的描述型形式语言——一种带不可区分关系词的二阶粒逻辑;粒常量、粒变量、粒函数项的相关运算定律也被定义了.最后,以示例演示了这种粒逻辑适应于描述粒数学定理、粒公式化简等.
陈令[2]（2012）在《基于粗糙集的一类彩色验证码识别研究》文中认为文章根据一类图片验证码的字符颜色、大小、字符间位置关系,使用粗糙集的方法将验证码图片中的字符分割出来,再使用AdaBoost算法进行训练,将分割得到的字符识别出来。经实验证明,该算法对该类彩色验证码,无需很高的训练样本,即具有很高的识别率和速率,基本可以满足实时应用。
周凡程[3]（2012）在《粗糙集理论在数据离散化中的应用研究》文中认为连续属性离散化技术是数据预处理过程中重要的组成部分，直接关系到数据挖掘或机器学习的效果。基于粗糙集理论的数据离散过程一般分为三个步骤：提取候选断点集合；选取结果断点子集；应用结果断点子集进行离散化。第一步候选断点的确定是解决离散化问题的基础。在保证决策表相容性的前提下，使候选断点集合具有尽可能小的基数，不但可以减少结果断点集合的计算量，而且可以减小计算过程的时间和空间开销，对整个离散化算法的后继工作具有十分重要的意义。本文基于此做了如下工作：1)详细分析了基于粗糙集的离散化过程的三个步骤：提取候选断点集合；选取结果断点子集；应用结果断点子集进行离散化。其中，前两个步骤是整个离散化算法的关键，现有的离散化算法都将研究的重点放在了结果断点子集的选取上，而忽略了候选断点集合的提取。本文以候选断点集的提取为主要研究内容，进行了仔细分析。2)针对候选断点集提取，提出了基于Shadowed Sets的候选断点提取算法.该算法根据实例在单属性上的分布，对数据样本进行分类，采用ShadowedSets计算出各类的上下近似，最终提取出候选断点集。使用多组UCI数据对此算法的性能进行检验，同时还与其它候选断点集提取算法做了对比实验。实验结果表明，此算法能有效地减少数据集候选断点的数目，提高离散化算法运行速度和识别率。3)将基于Shadowed Sets的连续属性离散化算法应用到雷达辐射源信号识别中，通过分析粗糙集理论中离散化与属性约简之间的关系，认识到离散化和属性约简在本质上都是对冗余等价关系的约简，在此认识的基础上，改进了基于粗糙集的雷达辐射源识别模型结构，最后，利用该改进的雷达辐射源识别模型对雷达辐射源特征数据库进行识别，实验结果证明了基于粗糙集理论的特征选择模型能有效地提取出数据中的有用信息，简化数据结构，从而可以简化神经网络分类器的结构，缩短分类器训练时间，提高分类器泛化能力。
陈子春[4]（2011）在《集值信息系统的知识发现与属性约简研究》文中提出粗糙集理论是一种数据分析工具,能比较有效地处理不完备、不精确与不确定信息,已经在数据挖掘、机器学习、模式识别等领域得到成功应用,其中信息系统的知识发现与知识约简是粗糙集应用研究的重要方向。集值信息系统是信息不确定、不充分的一种反映形式,是单值信息系统的一种推广。本文以粗糙集理论为工具,以国内外相关研究成果为基础,比较系统地研究了集值信息系统及集值决策表的知识获取与属性约简,主要有如下五个方面的研究成果：1.研究了集值信息系统基于变精度相容关系的知识获取与属性约简。通过引入一种变精度相容关系,给出了集值信息系统在一定相似水平下的属性约简,分析了相似水平对属性约简的影响；给出了集值决策表的广义决策规则与最优广义决策规则的提取方法；进一步,为了简化知识表示,提出了集值决策表基于变精度相容关系的相对约简与分配约简,讨论了这些约简的性质,并给出了约简计算方法。2.研究了集值信息系统基于变精度最大相容类的知识获取与属性约简。以变精度最大相容类作为基本集,讨论了集值信息系统的属性约简与相对约简,给出了这种约简与基于变精度相容关系的属性约简的内在关系；进一步,给出了集值决策表基于变精度最大相容类的广义决策规则与最优广义决策规则的提取方法。3.研究了集值信息系统基于邻域关系的知识获取与属性约简。通过引入邻域关系,提出了集值信息系统的邻域约简,给出了集值决策表的邻域决策规则的定义与提取方法；为了导出最优邻域决策规则,讨论了集值决策表的正域约简与近似分布约简,得到了计算这些约简的具体方法。4.研究了集值有序信息系统基于优势关系的知识获取与准则约简。通过引入一种优势关系,给出了集值有序信息系统的准则约简与对象基于优势类的排序方法,建立了优势粗糙集模型；进一步,给出了集值有序决策表的优势规则的提取方法以及近似分布约简与边界域约简的计算方法。5.研究了C波段无线电信号的特征约简与规则提取。通过一种新的数据离散化方法,将C波段无线电信号数据库转化为集值信息系统,并借助我们提出的变精度相容粗糙集方法讨论了C波段无线电信号的特征约简与规则提取。
王雯[5]（2010）在《SDG非相容故障决策表的粒计算约简方法及其应用》文中指出由于系统规模的日益扩大和系统复杂性的不断提高,各种不可预期的变化在系统内部常常发生,因此需要正确检测并诊断出这些变化,并采取相应措施来重新配置系统,才能将复杂系统的性能维持在一个较高的水平。此外,为了保障系统的可靠性与安全性,需要对随时监测到的故障症状进行快速及时的诊断。因此,故障诊断技术已经成为自动控制领域的一个研究热点。基于SDG的故障诊断技术具有包容大量信息的能力,可以利用存贮在SDG模型中的知识信息揭示系统变量间的内在因果关系及影响,搜寻扰动的故障源,从而有效识别系统扰动的原因,对系统的故障进行及时的诊断。SDG模型是一种过程模型,与人工智能领域的方法是融合的,粒计算是人工智能方法的重要分支,将粒计算理论引入到SDG故障诊断技术中,对诊断的特征值进行约简,剔除不需要的特征变量,这样可以大大简化传统诊断技术的复杂度和统计工作量,提高故障诊断的效率。本文以粒计算的基本理论为基础,用基于粒矩阵的知识算法约简SDG故障决策表,从而把属性约简问题转化为二进制粒矩阵的相关计算。本研究开拓了粒计算这一新兴智能计算方法在故障诊断领域的研究及应用范围。本文将粒计算理论与SDG故障诊断技术相结合,粒是数据结构和关系的统一体,可以有效地刻画和表示SDG的拓扑结构,二进制粒矩阵能够有效地描述SDG模型中的节点和边信息。同时,粒计算可以对SDG模型中的冗余知识、冗余结构进行约简,达到简化系统结构和知识规则的目的。主要的工作有:一、SDG模型的二进制信息粒表示,建立SDG模型的二进制信息粒,对SDG模型进行知识粒化;二、SDG模型中条件属性与决策属性二进制粒子的建立;三、利用二进制粒矩阵有效地刻画和表示SDG模型的拓扑结构;四、SDG模型的化简,利用粒计算理论的相关知识对SDG模型进行知识约简;五、通过仿真实验和结果对比验证该方法的有效性,最终在不改变故障诊断准确性的前提下,缩短了诊断步长,提高了诊断效率。
栾爽[6]（2010）在《基于粗糙集理论的唐家山堰塞湖泄洪问题建模与分析》文中研究表明本文对唐家山堰塞湖泄洪问题用粗糙集理论进行了建模与分析。唐家山堰塞湖泄洪问题的数据来源于当时每天的新闻报道,因此这些数据具有杂、乱、多的特性,需要对这些数据进行预处理。本文首先对这些数据进行了去噪声和离散化处理,然后用追溯算法将各数据间的时间联系去掉,使之由时态决策信息系统转换成了决策信息系统,且该决策信息系统随着每天数据的增加而更新。属性约简是粗糙集理论研究的核心内容之一,基于因对象增加而要更新的信息系统独有的特点,增量式属性约简算法应运而生。大部分增量式属性约简算法都是对辨识矩阵进行改进来提高约简效率;本文结合唐家山堰塞湖泄洪问题实际,分别给出单增量式属性约简算法和多增量式属性约简算法,这两种算法都是在原系统的划分辨识集上进行改进,从而能够更快更准确的找到新系统的划分辨识集;本文用唐家山堰塞湖泄洪问题为例,分别用这两种算法跟基于区分矩阵的约简算法进行对比,发现用区分矩阵约简需要操作98次才能够得到辨识矩阵,而用单增量属性约简只需要操作24次就能得到划分辨识集;同样,多增量式属性约简也能大大降低算法复杂度。经典的粗糙集理论是基于不可分辨关系的,用这种理论建立的模型缺乏对噪声数据的适应能力,而且对数据丢失问题也不能够很好的解决。本文在用经典的粗糙集理论对唐家山堰塞湖泄洪问题进行建模时,人为添加了几个合理约束条件才求出结果,这样求得的结果显然是没有太大说服力的;对此,本文将模型进行改进,给出基于相近—优势关系粗糙集理论,该理论是分别对相近关系粗糙集理论和优势关系粗糙集理论的改进。通过验证,用该理论解决唐家山堰塞湖泄洪问题时,得到的决策更加准确,决策规则对新添对象的覆盖度更高,且该理论不仅能够很好的应用于唐家山堰塞湖泄洪问题,而且能够应用于其他已知决策很少未知决策很多的相关问题。结论部分对本课题的研究作了总结,并对粗糙集理论在泄洪领域中的崭新应用提出展望。
吴贤维[7]（2009）在《基于粗集的规则获取算法及覆盖粗集模型研究》文中研究表明粗糙集理论是八十年代初由波兰学者Pawlak提出的一种处理不精确、不确定性问题的数学工县。由于其近年来在机器学习、模式识别、决策分析、过程控制、数据库知识发现、专家系统等领域的成功应用,越来越受到各领域专家的广泛关注。研究基于粗糙集理论的属性约简和规则提取方法具有十分重要的理论意义和实际意义;覆盖粗集是Pawlak粗集的一个扩展,它能处理Pawlak粗集不能处理的一些实际问题,因此对覆盖粗集的研究也是一个很有价值的课题。本文围绕着这两个主题.在粗糙集的理论基础指导下,做了以下三方面的工作:（1）通过分析粗糙集理论的属性约简的过程和求决策系统约简的两个算法,提出了一种规则融合方法。这种基于粗糙集的规则融合方法能形成近似决策规则,为粗糙集的规则获取提供了新的思路。（2）通过分析粗集中支持子集的本质与计算方法,研究了决策系统最小规则集的提取过程,构造一种新的最小规则集提取算法,通过实例验证了该算法在协调决策系统中获取最小规则集的有效性。（3）研究比较了四种覆盖粗集模型,优化了覆盖粗集的上近似定义,提出一种新的覆盖粗集模型。对新的覆盖粗集模型的性质进行了较深入的研究和刻画,研究发现新的模型比原有的模型能保持更多Pawlak粗集的性质,而且上、下近似操作本质上也是彼此相互依赖。
赵榆琴[8]（2008）在《基于领域本体知识和次协调逻辑的非规范需求分析研究》文中提出尽管当前大多数的软件开发技术和开发环境都视一致性为基本假设,但在软件开发过程中试图强行维护一致性的观点已经受到质疑。在需求工程中的每一阶段试图强行维护绝对一致性不仅受到需求描述本身形式化程度的影响,而且受到维护一致性的计算代价等方面的影响。反之,从软件开发的角度来看,不一致性可以将注意力转移到问题领域,对于不一致性的系统管理,不仅有助于识别不确定的领域,还可以促进开发人员之间的共同理解、交流和合作。特别重要的是可以引导需求获取的过程,改进过程建模以及为需求的有效性和正确性提供检验依据。关于不一致性在软件工程中的普遍性以及对于软件开发的驱动作用已经成为软件工程领域日益关注的研究主题。总的来说,在需求工程中,乃至软件开发过程中,对于不一致性的容忍已经得到一定程度的共识,并且关注的范围从对不一致性的检测逐渐扩展到容忍不一致性的推理研究。领域本体作为一种语义模型描述了特定领域中概念和概念之间的语义关系,而面向对象的需求分析方法是当前软件需求分析方法中比较流行和实用的方法。因此,本文研究了融合本体和面向对象技术的需求表示和获取方法；并对需求分析过程中出现的非规范需求（Non-canonical Requirements）进行了探讨,利用次协调逻辑的理论和方法,针对这些非规范需求建立新的分析模型。本文具体研究内容如下：1)给出需求分析中的非规范知识表示的解决方案；给出了一个非规范需求详细的分类,并对各类非规范需求进行自然语言的描述和形式化定义,使得对非规范需求有一个比较全面和清晰的理解。2)提出了非规范需求的扩展管理框架；借鉴一般意义上的非规范需求管理框架,提出一个基于领域知识、本体库和推理规则的框架,采用六个机制导出改进的需求信息,建立容忍不一致的需求分析模型。3)实现了基于7-值信任半格逻辑的融合本体和面向对象技术的需求获取方式；利用领域本体构建知识模型,并融合本体和面向对象技术提出需求获取方式,利用7-值信任半格逻辑获取非规范需求。4)给出了非规范需求的检测和处理方法；借鉴非规范知识的处理方法,结合各类非规范需求的特点,遵循容忍和改进的基本思想,给出了非规范需求的检测和解决方案。5)利用次协调逻辑的理论和方法,建立容忍不一致需求的分析模型。以领域知识为支撑,利用次协调逻辑的理论方法和面向对象的需求分析方法,建立能够容忍不一致需求存在的需求分析模型。在软件生命周期的需求、设计、编码、测试和维护等各个阶段,需求处于软件工程的开始部分,它提供了构建软件项目其余部分的根基,因而对于软件项目的成败尤为重要。随着面向对象、可视化编程和CASE等软件开发技术的发展和应用,软件设计、编码、测试等环节的技术日益成熟和稳定。而需求工程却由于没有可现成套用的方法而称为一个困难的课题。80年代中期,形成了软件工程的子领域——需求工程（requirements engineering.RE）。从社会系统层次出发,需求工程是系统工程的一个分支,它涉及到软件系统的目标,软件系统提供的服务、和对软件系统的约束；从软件系统层次出发,需求工程提供与软件系统相关的所有用户的显示世界的需要,和软件技术所能提供的能力之间的一个桥梁。人们开始从需求描述、需求获取、需求分析、需求的一致性、需求管理和需求建模等几个方面来研究需求工程,即将传统意义上的需求分析扩展为一整套需求工程的理论和方法。因此目前软件工程学科的重点和难点正逐渐转移到前期的需求阶段,通过对需求工程的研究来解决需求分析涉及到的诸多问题。以往研究需求工程的前提条件是：我们所获得的需求都是确定的、无不一致性的、精确的、甚至是不变的。但是人们逐渐意识到,在需求工程中的每一阶段试图强行维护需求的绝对一致性不仅受到需求描述本身形式化程度的影响,而且受到维护一致性的计算代价等方面的影响。需求不一致性的研究可以引导需求获取的过程,改进过程建模以及为需求的有效性和正确性提供检验依据。即是说,在需求工程中,乃至软件开发过程中,对于不一致性的容忍已经得到一定程度的共识,并且关注的范围从对不一致性的检测逐渐扩展到容忍不一致性的推理研究。因此,在需求工程中,如何看待和处理需求分析中的非规范知识（以下简称为非规范需求）成为热点和难点问题,并且随着知识工程,人工智能和需求工程的不断发展,人们越来越关注需分析中面对的非规范知识。本文借鉴非规范知识的表示和处理方法,将非规范需求视为非规范知识,主要介绍几种针对非规范知识的表示和处理方法,分析了将它们应用于非规范需求可能性和意义。其中特别介绍了次协调逻辑的理论和推理方法,从而使得它特别适合表示和推理非规范需求。本体和面向对象技术是两种知识表示的方法。它们在知识表示方面各有优缺点,本文首先介绍了它们的基本概念、思想和方法,然后对两种方法进行了比较分析,说明了结合两种方法来进行知识表示的可能性和意义。本文从非规范需求的定义、分类、表示、产生原因、管理,处理、检测、度量和评估几个方面介绍了非规范需求在这些方面的已有研究成果,并且分析了这些成果解决了的问题,解决方法的优点和不足之处。最后,本文介绍了将以上的技术方法结合到需求工程的各个阶段来解决需求分析的问题,着重介绍了需求获取和需求分析的方法,并且对当前几种需求工程的技术方法和非技术方法进行了探索和分析。
魏达[9]（2008）在《移动IP网络中基于策略的QoS管理技术研究》文中研究指明基于策略的网络管理已经逐渐发展成为一种新的网络管理模式,将其应用于移动IP网络中的QoS管理有着非常积极的作用。本文的主要研究内容包括:○1提出了一个移动IP网络中支持QoS的策略信息模型（MQPIM）。该模型扩展了QPIM（RFC3644）信息模型且在支持传统QoS的基础上,引入到移动环境下的QoS中以实现移动QoS保证。可以支持通过策略控制移动过程和无线资源的使用,描述移动环境下的QoS保证技术;○2建立了移动IP网络中基于策略的注册管理机制,实现了COPS-MIPv6的扩展,以支持移动IPv6中移动终端基于策略的注册管理,完成对移动IPv6的报文进行正确的封装;○3给出了基于策略的网络管理系统中动态策略的定义,将乘积空间条件事件代数、单点覆盖随机集应用于动态策略更新,建立了两个动态策略更新模型,不仅能很好地处理策略中定性和定量描述信息,而且能充分利用经验、知识等,使更新后的动态策略能满足移动业务的QoS要求,充分利用当前网络资源;○4提出一种基于策略动作排序的改进算法。通过分析粗糙集理论中基于差别矩阵的属性约简方法,结合策略库中对于动作属性的偏序关系的确立,对策略的动作属性与网络系统性能指标形成的决策信息表进行约简,形成系列的决策规则,以获得策略动作的潜在冲突,为动态策略的冲突检测和消解提供必要的支持。
陈丽燕[10]（2008）在《集对分析和粗糙集理论在水文水资源中的应用研究》文中认为水环境作为一个开放的大系统,其中很多信息都存在着一定的不确定性,水文水资源领域中的数据,总是受天文、地理、人为活动等众多因素的影响。因而,水文水资源数据具有非线性、多变化、随机性较大等特点,但同时也具有多年变化的周期性和趋势性。常规的线性模型很难解决这些问题,忽视信息的不确定性,又可能给问题的研究结果带来较大误差。因此,为解决水文水资源中的复杂问题,处理水文水资源中的各种不确定性数据,本文采用集对分析和粗糙集理论。通过MATLAB计算机语言编程,建立数学模型,应用于实践中,取得了良好的效果。集对分析（Set Pair Analysis,SPA）和粗糙集（Rough Set,RS）理论都可以用来处理确定不确定的问题,前者是用同异反联系度作为工具,而粗集理论利用上近似集和下近似集来表达这种不确定性和粗糙程度。集对分析可以很好的解决传统的评价方法不能同时考虑信息的确定性和由随机、模糊、不确知、中介和突发等不确定所导致的综合不确定性问题。粗糙集理论粗糙集的这些特点在处理水文水资源数据方面显示了巨大的优势。本论文的主要研究成果如下:1.基于集对分析理论在水文水资源中的应用,将集对分析将同异反联系数推广到四元联系数、五元联系数,进而推广到多元联系数,并将五元联系数应用于湖泊富营养化程度评价、水质评价以及土壤环境质量评价中,取得了良好的效果。2.粗糙集理论是一种新型处理不确定性知识的工具,但传统的粗糙集理论需要首先将数据进行离散化,本文采用基于邻域粒化和粗糙逼近的数值属性约简,将其应用于并将其应用在在区域水资源可持续利用系统评价中,对传统的评价指标进行属性约简,采用约简后的指标进行评价,评价结果与SP模型得到的评价结果基本一致,说明约简结果比较准确,取得满意的效果,并为水资源评价提供了快捷、实用的方法。基于以上模型的建立,本论文实现了理论与实践的有机结合。该论文的研究成果既为水文水资源领域不确定数据处理的提供了新的方法和思路,同时也拓宽了集对分析和粗糙集理论的应用范围,并且在理论上做了相应的改进,以便更好的应用于水文水资源领域。
二、带Rough相等关系词的Rough逻辑系统及其推理（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、带Rough相等关系词的Rough逻辑系统及其推理（论文提纲范文）
（2）基于粗糙集的一类彩色验证码识别研究（论文提纲范文）
| 0 引言 |
| 1 验证码特征分析 |
| 1.1 字符颜色特征分析 |
| 1.2 字符大小特征分析 |
| 1.3 字符间位置与间距特征分析 |
| 2 验证码字符分割与识别 |
| 3 实验结果与分析 |
| 4 结束语 |
（3）粗糙集理论在数据离散化中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状分析 |
| 1.2.1 粗糙集的发展状况 |
| 1.2.2 离散化算法的发展与研究现状 |
| 1.2.3 基于粗糙集的离散化算法的研究现状 |
| 1.3 本文研究的内容及论文结构 |
| 第二章 基本知识介绍 |
| 2.1 粗糙集理论 |
| 2.1.1 知识表达系统 |
| 2.1.2 知识约简和核 |
| 2.2 基于粗糙集理论的数据离散化 |
| 2.2.1 离散化算法的任务与目标 |
| 2.2.2 离散化问题描述 |
| 2.2.3 粗糙集离散化过程分析 |
| 2.3 典型的数据离散化算法 |
| 2.3.1 等距离划分算法 |
| 2.3.2 等频率划分算法 |
| 2.3.3 Na ve Scaler 算法 |
| 2.3.4 基于布尔逻辑运算的离散化算法 |
| 2.3.5 基于贪心搜索思想的启发式算法 |
| 2.3.6 基于属性重要性的算法 |
| 第三章 基于 Shadowed Sets 的粗糙集快速离散化算法 |
| 3.1 候选断点集提取分析 |
| 3.2 基于 Shadowed Sets 的候选断点提取算法 |
| 3.2.1 Shadowed Sets 的基本概念 |
| 3.2.2 基于 Shadowed Sets 的候选断点集提取算法 |
| 3.2.3 候选断点集的修正 |
| 3.3 实验计算 |
| 3.4 结论 |
| 第四章 离散化在雷达辐射源识别中的应用 |
| 4.1 引言 |
| 4.2 雷达辐射源识别 |
| 4.2.1 雷达辐射源的定义 |
| 4.2.2 雷达辐射源信号识别模型结构 |
| 4.3 离散化在特征选择中的应用 |
| 4.3.1 粗糙集中离散化与属性约简之间的关系 |
| 4.3.2 改进的基于粗糙集的识别模型结构 |
| 4.4 实验计算 |
| 第五章 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（4）集值信息系统的知识发现与属性约简研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 本文研究的意义 |
| 1.2 粗糙集理论概述 |
| 1.3 粗糙集理论的基本概念 |
| 1.3.1 知识与知识库 |
| 1.3.2 知识的约简 |
| 1.3.3 经典粗糙集模型 |
| 1.4 粗糙集理论中的知识表示 |
| 1.4.1 信息系统及其决策表 |
| 1.4.2 属性重要性度量与决策规则 |
| 1.4.3 信息系统的知识约简 |
| 1.4.4 信息系统的常用知识约简方法 |
| 1.5 集值信息系统研究概况 |
| 1.5.1 集值信息系统 |
| 1.5.2 集值信息系统基于相容关系的粗糙集研究概述 |
| 1.5.3 集值信息系统基于优势关系的粗糙集研究概述 |
| 1.6 本文研究的主要内容 |
| 1.7 本文组织结构 |
| 第2章 集值信息系统基于变精度相容关系的知识发现方法 |
| 2.1 集值信息系统上的变精度相容关系 |
| 2.2 集值信息系统基于变精度相容关系的粗糙集模型 |
| 2.3 集值信息系统基于变精度相容关系的知识约简 |
| 2.4 相似水平对集值信息系统属性约简的影响 |
| 2.5 集值决策表基于变精度相容关系的决策规则 |
| 2.5.1 集值决策表基于变精度相容关系的广义决策规则 |
| 2.5.2 集值决策表的最优广义决策规则 |
| 2.6 集值决策表基于变精度相容关系的属性约简 |
| 2.6.1 协调集值决策表的属性约简 |
| 2.6.2 集值决策表的分配约简 |
| 2.7 小结 |
| 第3章 集值信息系统基于变精度最大相容类的知识发现方法 |
| 3.1 集值信息系统上的变精度最大相容类 |
| 3.2 基于变精度最大相容类的集合近似 |
| 3.3 集值信息系统基于变精度最大相容类的知识约简 |
| 3.3.1 基于变精度最大相容类的属性约简 |
| 3.3.2 基于变精度最大相容类的相对约简 |
| 3.4 集值决策表基于变精度最大相容类的广义决策规则 |
| 3.5 集值决策表基于变精度最大相容类的最优广义决策规则 |
| 3.6 集值决策表基于变精度最大相容类的属性约简 |
| 3.7 小结 |
| 第4章 集值信息系统基于邻域关系的知识发现方法 |
| 4.1 集值信息系统上的邻域关系 |
| 4.2 集值信息系统基于邻域关系的粗糙集方法 |
| 4.3 集值信息系统基于邻域关系的属性约简 |
| 4.4 集值决策表的邻域决策规则 |
| 4.5 邻域协调集值决策表的属性约简 |
| 4.6 集值决策表基于邻域关系的近似分布约简 |
| 4.7 小结 |
| 第5章 集值有序信息系统的优势粗糙方法 |
| 5.1 优势粗糙集方法的一些基本概念 |
| 5.2 集值信息系统上的优势关系 |
| 5.3 集值有序信息系统在优势关系下的属性约简 |
| 5.4 集值有序信息系统中对象的排序 |
| 5.5 集值有序决策表上的优势粗糙集方法 |
| 5.6 集值有序决策表上的优势决策规则 |
| 5.7 集值有序决策表基于优势关系的属性约简 |
| 5.7.1 协调集值有序决策表的属性约简 |
| 5.7.2 集值有序决策表的分布约简 |
| 5.8 小结 |
| 第6章 C波段无线电信号的特征约简 |
| 6.1 无线电信号监测与分析概述 |
| 6.2 C波段无线电信号信息系统的建立 |
| 6.3 连续属性值的离散化 |
| 6.4 C波段无线电信号的特征约简与规则提取 |
| 6.5 小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表论文及科研情况 |
（5）SDG非相容故障决策表的粒计算约简方法及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及其意义 |
| 1.2 课题研究现状 |
| 1.3 热交换器的特点 |
| 1.4 论文的主要研究工作及结构安排 |
| 第二章 基于符号定向图（SDG）的故障诊断技术 |
| 2.1 SDG 模型 |
| 2.1.1 SDG 定义 |
| 2.1.2 SDG 模型的建立方法 |
| 2.2 SDG 模型的简化及推理 |
| 2.2.1 SDG 模型的简化 |
| 2.2.2 SDG 模型的传统推理 |
| 2.2.3 SDG 模型的改进规则推理 |
| 2.2.4 SDG 模型的改进模糊推理 |
| 2.3 基于SDG 模型的故障诊断技术 |
| 2.3.1 故障诊断方法 |
| 2.3.2 基于SDG 的故障诊断方法 |
| 2.4 热交换器常见的故障现象 |
| 2.5 SDG 故障诊断技术在热交换器诊断中的不足和局限性 |
| 第三章 基于粗糙集的粒计算理论 |
| 3.1 粗糙集与粒计算理论 |
| 3.1.1 粗糙集和粒计算理论的研究现状 |
| 3.1.2 粗糙集和粒计算理论的基本知识 |
| 3.2 基于粗糙集的粒计算 |
| 3.2.1 粗糙集中粒的概念描述及相关运算 |
| 3.2.2 粗糙集中的粒约简与粒推理 |
| 3.3 基于粒计算的具体应用 |
| 3.3.1 粒计算的具体应用 |
| 3.3.2 粒计算在SDG 故障诊断技术中的应用 |
| 第四章 基于粒计算理论的SDG 故障诊断技术 |
| 4.1 二进制粒计算 |
| 4.1.1 SDG 模型的二进制信息粒表示 |
| 4.1.2 二进制粒矩阵的定义 |
| 4.1.3 基于二进制粒矩阵的知识约简 |
| 4.2 一个知识约简的具体算例 |
| 4.2.1 算例的知识约简过程 |
| 4.2.2 算例的结果对比与验证 |
| 4.3 粒计算理论在SDG 故障诊断技术中的具体应用 |
| 4.3.1 双程列管式换热器 |
| 4.3.2 双程列管式换热器SDG 模型的建立 |
| 4.3.3 SDG 模型的知识粒化与故障诊断技术中的粒约简 |
| 4.4 结果的分析、验证与对比 |
| 4.4.1 双程列管式热交换器故障诊断的结果分析与验证 |
| 4.4.2 双程列管式热交换器故障诊断结果的对比 |
| 第五章 总结与展望 |
| 5.1 论文工作的总结及改进方向 |
| 5.2 研究内容的展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
| 攻读硕士学位期间参加的科研项目 |
（6）基于粗糙集理论的唐家山堰塞湖泄洪问题建模与分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 选题背景及意义 |
| 1.2.1 问题来源及背景 |
| 1.2.2 研究内容及意义 |
| 1.3 问题研究现状 |
| 1.3.1 泄洪问题研究现状 |
| 1.3.2 粗糙集理论的研究现状 |
| 1.4 本文的结构和创新点 |
| 1.4.1 论文结构 |
| 1.4.2 创新点 |
| 本章小结 |
| 第二章 粗糙集理论综述 |
| 2.1 经典集与等价关系 |
| 2.2 粗糙集及其近似 |
| 2.3 协调近似空间 |
| 2.4 粗糙集理论的主要特点 |
| 本章小结 |
| 第三章 唐家山堰塞湖泄洪问题准备与分析 |
| 3.1 数据整理 |
| 3.1.1 数据收集 |
| 3.1.2 去除数据噪声 |
| 3.2 数据预处理 |
| 3.2.1 粗糙集中的离散化方法 |
| 3.2.2 数据的离散化处理 |
| 3.2.3 离散化数据分析 |
| 3.2.4 信息系统 |
| 3.2.5 时态决策信息系统转换为信息系统 |
| 3.3 方法分析 |
| 本章小结 |
| 第四章 唐家山堰塞湖泄洪问题建模 |
| 4.1 模型的建立与求解 |
| 4.1.1 属性约简 |
| 4.1.2 决策规则 |
| 4.2 唐家山堰塞湖泄洪问题推广 |
| 4.2.1 单增量式属性约简算法 |
| 4.2.2 唐家山堰塞湖泄洪问题单增量约简 |
| 4.2.3 多增量式属性约简算法 |
| 4.2.4 唐家山堰塞湖泄洪问题多增量约简 |
| 本章小结 |
| 第五章 唐家山堰塞湖泄洪问题模型改进 |
| 5.1 基于优势关系的粗糙集 |
| 5.1.1 基于偏好关系的优势属性集 |
| 5.1.2 分类质量与近似约简 |
| 5.1.3 决策规则的获取 |
| 5.1.4 基于优势粗糙集的方案排序 |
| 5.2 基于相近关系的粗糙集 |
| 5.2.1 相近关系 |
| 5.2.2 相近度 |
| 5.2.3 基于相近关系的相近粗糙集 |
| 5.2.4 隶属函数与属性约简 |
| 5.3 相近-优势关系粗糙集 |
| 5.3.1 相近—优势关系 |
| 5.3.2 覆盖度与近似约简 |
| 5.3.3 决策规则的获取 |
| 5.4 基于相近—优势关系的唐家山堰塞湖泄洪问题 |
| 5.4.1 问题分析 |
| 5.4.2 模型的建立与求解 |
| 5.4.3 模型推广与评价 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（7）基于粗集的规则获取算法及覆盖粗集模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本课题的研究背景 |
| 1.2 本课题的研究现状 |
| 1.2.1 粗糙集理论的研究现状 |
| 1.2.2 覆盖粗集理论的研究现状 |
| 1.3 本课题研究的目的及意义 |
| 1.4 本文的主要工作 |
| 第二章 准备知识 |
| 2.1 粗糙集基本概念 |
| 2.1.1 近似与粗糙集 |
| 2.1.2 上、下近似算子的性质 |
| 2.2 知识表达系统及约简 |
| 2.2.1 知识表达系统的基本概念 |
| 2.2.2 决策系统的约简 |
| 2.3 本章小结 |
| 第三章 基于粗集的决策系统约简算法及规则融合方法的研究 |
| 3.1 基本概念 |
| 3.2 求决策系统约简的算法 |
| 3.2.1 基于区分矩阵的决策系统约简算法 |
| 3.2.2 基于属性重要性的启发式算法约简 |
| 3.3 求决策系统约简的融合算法 |
| 3.4 决策规则和决策算法 |
| 3.5 决策系统的规则融合方法 |
| 3.6 本章小结 |
| 第四章 最小规则集提取算法 |
| 4.1 最小规则集 |
| 4.2 最小规则集提取算法 |
| 4.3 实例演示 |
| 4.4 算法复杂性分析 |
| 4.5 本章小结 |
| 第五章 覆盖粗集模型研究 |
| 5.1 基本概念和四种覆盖粗集模型 |
| 5.1.1 覆盖粗集的基本概念 |
| 5.1.2 四种覆盖粗集模型 |
| 5.2 一种新的覆盖粗集模型 |
| 5.2.1 覆盖下近似的性质 |
| 5.2.2 覆盖上近似的性质 |
| 5.3 覆盖的约简和覆盖近似的依赖性 |
| 5.4 五种覆盖粗集模型之间的关系 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作与成就 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间论文发表情况 |
| 致谢 |
（8）基于领域本体知识和次协调逻辑的非规范需求分析研究（论文提纲范文）
| 基于领域本体知识和次协调逻辑的非规范需求分析研究 |
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 研究内容 |
| 1.3 论文组织结构 |
| 第2章 融合本体与面向对象技术的需求表示和获取方法 |
| 2.1 本体基本概念 |
| 2.2 领域本体的构建方法 |
| 2.2.1 领域本体 |
| 2.2.2 构建方法 |
| 2.3 基于本体知识的需求表示和获取 |
| 2.3.1 领域本体的需求分析 |
| 2.3.2 领域本体的需求获取 |
| 2.3.3 领域本体的形式化表示 |
| 2.3.4 应用本体的构建 |
| 2.4 基于面向对象技术的本体的表示 |
| 2.5 融合本体和面向对象技术的知识表示 |
| 2.5.1 本体技术与面向对象技术的比较 |
| 2.5.2 融合本体和面向对象技术的知识表示的基本思想 |
| 2.6 融合本体和面向对象技术的只是表示实例说明 |
| 第3章 非规范需求问题研究 |
| 3.1 非规范需求产生的原因 |
| 3.2 非规范需求的概念 |
| 3.3 非规范需求的分类 |
| 3.4 各类非规范需求的定义、解释及例示 |
| 3.4.1 各类非规范需求的定义 |
| 3.4.2 各类非规范需求的解释 |
| 3.5 非规范需求的管理 |
| 3.6 非规范需求的检测 |
| 3.6.1 检测过程 |
| 3.6.2 检测算法 |
| 3.7 非规范需求处理的基本方法 |
| 3.7.1 优先级冲突的需求 |
| 3.7.2 不完整的需求 |
| 3.7.3 模糊的需求 |
| 3.7.4 领域术语不一致的需求 |
| 3.7.5 冗余的需求 |
| 3.7.6 矛盾的需求 |
| 3.7.7 随时间变化的需求 |
| 3.7.8 随环境变化的需求 |
| 第4章 基于本体技术的容忍不一致需求的分析模型 |
| 4.1 软件需求分析模型概述 |
| 4.2 基于带标记的准经典逻辑的容忍不一致处理方法 |
| 4.3 基于目标的需求不一致处理方法 |
| 4.3.1 分歧检测技术 |
| 4.3.2 分歧处理方法 |
| 4.4 基于本体的容忍不一致需求的分析模型构建 |
| 第5章 结束语 |
| 参考文献 |
| 附录A 企业销售系统领域场景描述 |
| 攻读学位期间发表的论文 |
| 致谢 |
| 基于逻辑基础的需求分析方法探讨 |
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 需求分析研究背景 |
| 1.2 需求分析研究意义 |
| 1.3 需求分析的研究内容 |
| 第2章 非规范知识的表示及推理 |
| 2.1 非规范知识处理的基础理论和关键技术概述 |
| 2.2 非规范知识的分类 |
| 2.3 非规范知识的表示 |
| 2.3.1 框架表示法 |
| 2.3.2 谓词表示法 |
| 2.3.3 面向对象的表示方法 |
| 2.3.4 基于Rough Set的表示法 |
| 2.4 应用于非规范知识的知识推理方法 |
| 2.4.1 不确定性推理 |
| 2.4.2 非单调推理 |
| 2.4.3 次协调逻辑推理 |
| 第3章 本体与面向对象技术 |
| 3.1 本体的形式化表示 |
| 3.1.1 本体的定义 |
| 3.1.2 本体的组成 |
| 3.1.3 本体的设计原则 |
| 3.1.4 本体的分类 |
| 3.1.5 本体的描述语言 |
| 3.1.6 本体构建方法 |
| 3.1.7 本体的应用 |
| 3.2 面向对象技术概述 |
| 3.2.1 基本概念 |
| 3.2.2 面向对象的软件开发技术 |
| 3.3 本体与面向对象技术的关系 |
| 第4章 非规范需求的表示、管理及其处理方法 |
| 4.1 需求中的非规范知识 |
| 4.1.1 非规范需求的定义 |
| 4.1.2 非规范需求的分类 |
| 4.1.3 非规范需求的表示 |
| 4.1.4 非规范需求产生的原因 |
| 4.2 非规范需求的管理框架 |
| 4.2.1 不一致需求管理的经典框架 |
| 4.2.2 不一致需求管理的扩展框架 |
| 4.3 需求不一致处理的主要方法 |
| 4.3.1 需求不一致的处理 |
| 4.3.2 需求不一致的检测、度量与评估 |
| 第5章 需求工程的理论与方法 |
| 5.1 需求工程 |
| 5.2 需求工程的阶段 |
| 5.3 需求工程方法 |
| 5.3.1 需求获取方法 |
| 5.3.2 需求分析方法 |
| 5.3.3 当前需求工程方法的几点探索 |
| 5.4 需求工程的非技术问题 |
| 参考文献 |
| Research of non-canonical requirements analysis based on domain ontology knowledge and paraconsistent logic |
| Abstract |
| Chapter one Preface |
| 1.1 Background of the research |
| 1.2 Content of research |
| 1.3 Organizational structure of the paper |
| Chapter two The method of requirements representation and capture integrate with ontology and object-oriented |
| 2.1 Overviews of ontology |
| 2.2 Methods for construction domain ontology |
| 2.2.1 Domain ontology |
| 2.2.2 Construction method |
| 2.3 Requirements description and elicitation based on ontology |
| 2.3.1 Requirements analysis of ontology |
| 2.3.2 Requirements elicitation of ontology |
| 2.3.3 The formalization of ontology |
| 2.3.4 The construction of application ontology |
| 2.4 The representation of object-oriented technology to ontology |
| 2.5 The method of knowledge representation integrate with ontology and object-oriented |
| 2.5.1 The comparison of ontology and object-oriented technology |
| 2.5.2 Knowledge representation ideas of fusion ontology and object-oriented technology |
| 2.6 Instance illumination of knowledge representation integrate with ontology and object-oriented |
| Chapter Three The research of non-canonical requirements |
| 3.1 The cause of non-canonical requirements |
| 3.2 Basic concepts in non-canonical requirements |
| 3.3 The classification of non-canonical requirements |
| 3.4 The semantic explanation of non-canonical requirement |
| 3.4.1 The definition of various of con-canonical requirements |
| 3.4.2 The explanation of various of non-canonical requirements |
| 3.5 The management of non-canonical requirements |
| 3.6 The detecting of non-canonical requirements |
| 3.6.1 Detecting process |
| 3.6.2 Detecting algorithm |
| 3.7 The handing of non-canonical requirements |
| 3.7.1 Requirements with priority conflicts |
| 3.7.2 Incomplete requirement |
| 3.7.3 Fuzzy requirement |
| 3.7.4 Domain term inconsistent requirement |
| 3.7.5 Redundant requirement |
| 3.7.6 Conflicting requirement |
| 3.7.7 Requirement with the changing of time |
| 3.7.8 Requirement with the changing of environment |
| Chapter four The analysis model of tolerance of inconsistent requirement based on Ontology technology |
| 4.1 Outline of analysis model of software requirement |
| 4.2 Tolerance inconsistent approaches based on the classical logic with tag |
| 4.3 Solving method of inconsistent requirement based on target |
| 4.3.1 Divarication Detection Technology |
| 4.3.2 The treatment of divarication |
| 4.4 The construction of requirement analysis model toleranced inconsistencebased ontology |
| Chapter five Concluding remarks |
| Research of regquirements analysis method based on logical |
| Abstract |
| Chapter one Preface1 |
| 1.1 The background of research on requirement analysis |
| 1.2 The significance of the research on requirement analysis |
| 1.3 The contents of the research on requirement analysis |
| Chapter two Overviews of non-canonical knowledge |
| 2.1 Basic theory and key technology for handing non-canonical knowledge |
| 2.2 The classification of non-canonical knowledge |
| 2.3 The description of non-canonical knowledge |
| 2.3.1 Framework method |
| 2.3.2 Predicate method |
| 2.3.3 Object-oriented method |
| 2.3.4 Rough set method |
| 2.4 The reasoning of non-canonical knowledge |
| 2.4.1 Uncertainty reasoning10 |
| 2.4.1.1 Probability inference |
| 2.4.1.2 Credibility-based method |
| 2.4.1.3 Fuzzy reasoning13 |
| 2.4.2 Nonmonotonic reasoning |
| 2.4.2.1 Nonmonotonic reasoning14 |
| 2.4.2.2 Default reasoning |
| 2.4.3 Paraconsistent logic reasoning |
| 2.4.3.1 Paraconsistent logic |
| 2.4.3.2 Annotated predicate calculus |
| Chapter three Ontology and object-oriented technology |
| 3.1 The formalization of ontology |
| 3.1.1 The definition of ontology |
| 3.1.2 The composition of ontology |
| 3.1.3 The design principles of ontology |
| 3.1.4 The classification of ontology |
| 3.1.5 The description language of ontology |
| 3.1.5.1 The development of ontology language .22 |
| 3.1.5.2 The type of description language of ontology |
| 3.1.6 Methods for construction ontology |
| 3.1.7 The application of ontology |
| 3.2 The overview of object-oriented Technology |
| 3.2.1 The basic concept |
| 3.2.2 Object-oriented software development technology |
| 3.2.2.1 Object-Oriented Analysis |
| 3.2.2.2 Object-oriented design |
| 3.2.2.3 Implementation of Object-Oriented |
| 3.3 The relations of ontology and object-oriented technology |
| Chapter four Overviews of non-canonical software requirements |
| 4.1 Non-canonical knowledge in requirements |
| 4.1.1 The definition of non-canonical requirements |
| 4.1.2 The classification of non-canonical requirements |
| 4.1.3 The description of non-canonical requirement |
| 4.1.4 The cause of non-canonical requirements |
| 4.2 The management framework of non-canonical requirements |
| 4.2.1 The classical management framework of inconsistency requirements |
| 4.2.2 The expanded management framework of inconsistency requirement |
| 4.3 The main methods of inconsistency requirement |
| 4.3.1 Handing inconsistency requirement |
| 4.3.2 Detecting, evaluation and measuring inconsistency requirements |
| Chapter five Overviews of requirement engineering |
| 5.1 Requirement engineering |
| 5.2 The phases of requirement engineering |
| 5.3 The method of requirement engineering |
| 5.3.1 The method of requirement elicitation |
| 5.3.2 The method of requirement analysis |
| 5.3.3 Analysis of the current requirement for the Exploration |
| 5.4 The non-technology problem of requirement engmeermg |
（9）移动IP网络中基于策略的QoS管理技术研究（论文提纲范文）
| 提要 |
| 第1章 绪论 |
| 1.1 基于策略的网络管理 |
| 1.2 移动IP网络中的QOS |
| 1.3 基于策略的QOS管理研究现状 |
| 1.4 本文工作与组织形式 |
| 第2章 移动IP 网络中支持QOS 的策略信息模型 |
| 2.1 引言 |
| 2.2 IETF策略信息模型 |
| 2.2.1 PCIM信息模型 |
| 2.2.2 PCIMe信息模型 |
| 2.2.3 QPIM信息模型 |
| 2.3 QPIM信息模型的组织结构 |
| 2.3.1 QPIM信息模型的目标 |
| 2.3.2 QoS策略建模 |
| 2.3.3 规则层次 |
| 2.4 MQPIM信息模型 |
| 2.4.1 支持MQoS的策略系统典型规则分析 |
| 2.4.2 MQPIM信息模型的类层次 |
| 2.5 MQPIM信息模型类定义 |
| 2.5.1 动作类定义 |
| 2.5.2 其他类定义 |
| 2.6 本章小结 |
| 第3章 移动IP 网络中基于策略的注册管理 |
| 3.1 引言 |
| 3.2 移动IP网络中的注册过程 |
| 3.2.1 移动IPv4的注册过程 |
| 3.2.2 移动IPv6的注册过程 |
| 3.3 移动IP网络中基于策略的注册管理 |
| 3.4 COPS-MIP协议 |
| 3.4.1 COPS协议对象格式 |
| 3.4.2 COPS-MIP自定义对象格式 |
| 3.4.3 COPS-MIP报文含义与格式 |
| 3.5 COPS-MIPV6协议扩展 |
| 3.6 COPS-MIP协议的实现 |
| 3.6.1 PDP的COPS-MIP通信模块 |
| 3.6.2 移动IP客户模块 |
| 3.6.3 PEP的COPS-MIP通信模块 |
| 3.6.4 移动IP报文封装 |
| 3.6.5 COPS-MIP报文的封装 |
| 3.6.6 COPS-MIP协议通信的流程 |
| 3.7 本章小结 |
| 第4章 移动IP 网络中动态策略的更新 |
| 4.1 引言 |
| 4.2 动态策略的定义 |
| 4.3 动态策略的更新 |
| 4.3.1 策略的事件空间模型 |
| 4.3.2 事件空间模型的合理性分析 |
| 4.3.3 动态策略更新流程 |
| 4.4 基于PS-CEA的动态策略更新 |
| 4.4.1 乘积空间条件事件代数 |
| 4.4.2 测度空间的定义 |
| 4.4.3 动态策略更新模型 |
| 4.4.4 应用举例 |
| 4.5 基于单点覆盖随机集的动态策略更新 |
| 4.5.1 单点覆盖随机集理论 |
| 4.5.2 不确定信息和模糊性信息的统一处理框架 |
| 4.5.3 动态策略更新模型 |
| 4.5.4 应用举例 |
| 4.5.5 比较分析 |
| 4.6 本章小结 |
| 第5章 基于属性约简的策略动作冲突评价 |
| 5.1 引言 |
| 5.2 粗糙集理论 |
| 5.2.1 粗糙集的定义 |
| 5.2.2 知识约简 |
| 5.2.3 知识表达系统 |
| 5.2.4 差别矩阵 |
| 5.3 基于差别矩阵的属性约简算法 |
| 5.3.1 完备的基于差别矩阵的约简算法 |
| 5.3.2 基于策略动作排序的属性约简算法 |
| 5.3.3 决策表的属性值约简 |
| 5.4 策略动作的潜在冲突评价 |
| 5.4.1 策略动作的潜在冲突评价模型 |
| 5.4.2 数据采集和表示 |
| 5.5 实例分析 |
| 5.5.1 数据预处理 |
| 5.5.2 基于动作排序的属性约简 |
| 5.5.3 决策规则生成 |
| 5.6 本章小结 |
| 第6 章总结与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 附录 |
| 中文摘要 |
| Abstract |
| 致谢 |
（10）集对分析和粗糙集理论在水文水资源中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究动态和趋势 |
| 1.2.1 集对分析理论的研究现状 |
| 1.2.2 粗糙集理论的发展与研究动态 |
| 1.3 主要研究内容与方法 |
| 1.4 研究的技术路线 |
| 2 集对分析理论概述 |
| 2.1 集对分析基本理论 |
| 2.1.1 集对及其表示 |
| 2.1.2 同异反联系及同异反联系度 |
| 2.1.3 联系度的确定方法 |
| 2.1.4 联系数及其意义 |
| 2.2 集对势的基本理论 |
| 2.2.1 集对势基本概念 |
| 2.2.2 集对势的分级排序表 |
| 2.2.3 基于集对分析及联系度系统集对势排序的评价方法 |
| 2.3 集对分析的基本内容 |
| 2.4 集对分析的基本特点 |
| 2.5 集对分析评价方法的步骤 |
| 2.6 本章小结 |
| 3 集对分析的推广及其在水文水资源方面的应用 |
| 3.1 集对分析理论的推广 |
| 3.2 集对分析在水文水资源应用的研究进展 |
| 3.2.1 评价问题 |
| 3.2.2 预报预测问题 |
| 3.2.3 集对分析法的改进及其应用 |
| 3.3 集对分析理论的推广在水文水资源中的应用 |
| 3.3.1 五元联系数水质评价模型 |
| 3.3.2 五元联系数在湖泊水质评价中的应用 |
| 3.3.3 五元联系数在沱江水质综合评价分析中的应用 |
| 3.3.4 五元联系数在土壤环境质量评价中的应用 |
| 3.4 小结 |
| 4 粗糙集理论基本原理 |
| 4.1 粗糙集基础理论 |
| 4.1.1 知识的概念与不可辨识关系 |
| 4.1.2 粗糙集合逼近 |
| 4.1.3 相关定义与相关函数 |
| 4.2 粗糙集逼近的性质 |
| 4.3 属性约筒 |
| 4.4 粗糙集理论的特点 |
| 4.5 粗糙集理论的研究方法和算法 |
| 4.6 粗糙集的几种特殊模型 |
| 4.7 粗糙集理论的应用 |
| 4.8 粗糙集处理的基本步骤及算法 |
| 5 粗糙集理论的拓展及其在水文水资源方面的应用 |
| 5.1 传统粗糙集理论在水文水资源方面的应用 |
| 5.2 基于邻域粒化和粗糙逼近的数值属性约简 |
| 5.2.1 数值空间的粒化与逼近 |
| 5.2.2 基于邻域模型的前向贪心数值属性约简 |
| 5.3 邻域粗糙集在区域水资源可持续利用系统评价中的应用 |
| 5.4 结论 |
| 6 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录一:集对势的等级和次序 |
| 附录二:四元联系数中a,b,c,d的大小关系及其排序 |
| 附录三:五元联系数中a,b,c,d,e的大小关系及其态势表 |
| 攻读硕士学位期间发表的学术论文 |
四、带Rough相等关系词的Rough逻辑系统及其推理（论文参考文献）
- [1]基于非标准分析的粒计算研究[J]. 刘清,邱桃荣,刘斓. 计算机学报, 2015(08)
- [2]基于粗糙集的一类彩色验证码识别研究[J]. 陈令. 信息网络安全, 2012(06)
- [3]粗糙集理论在数据离散化中的应用研究[D]. 周凡程. 国防科学技术大学, 2012(04)
- [4]集值信息系统的知识发现与属性约简研究[D]. 陈子春. 西南交通大学, 2011(03)
- [5]SDG非相容故障决策表的粒计算约简方法及其应用[D]. 王雯. 太原理工大学, 2010(10)
- [6]基于粗糙集理论的唐家山堰塞湖泄洪问题建模与分析[D]. 栾爽. 大连交通大学, 2010(08)
- [7]基于粗集的规则获取算法及覆盖粗集模型研究[D]. 吴贤维. 五邑大学, 2009(04)
- [8]基于领域本体知识和次协调逻辑的非规范需求分析研究[D]. 赵榆琴. 云南师范大学, 2008(S1)
- [9]移动IP网络中基于策略的QoS管理技术研究[D]. 魏达. 吉林大学, 2008(11)
- [10]集对分析和粗糙集理论在水文水资源中的应用研究[D]. 陈丽燕. 东北农业大学, 2008(04)