基于不确定理论和机器学习的知识发现研究

《基于不确定理论和机器学习的知识发现研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学技术大学博士学位论文基于不确定理论和机器学习的知识发现研究姓名：刘后胜申请学位级别：博士专业：模式识别与智能系统指导教师：熊范纶20080501摘要髓着计算机、通信和网络技术的发展，数据呈指数级增长，这些数据已经远远超出了人的能力，如何在海量的数据中发现有用的或感兴趣的知识，是一个追切需要解决的阏题。知识发现便应运而生。知识发现是从数据集中抽取和精化的新模式。本文的数据集是基于农业知识背景。期望通过知识发现研究来获取薪麴农业知识模式或改善传统豹农业知识，从而更好地为农照生产服务。本文首先

2、综述了知识发现的发生发展以及知识发现的方法。随之针对农业生产中存在的问题，运焉不阕知识发现的方法加以解决。本文知识发现的方法有不确定性理论和机器学习方法。不确定性理论主要是粗糙集理论和证据理论；机器学习方法主要是神经网络方法和支持向量机方法。鉴于植物病害诊断涉及的植物属性很多，包括植物的根、茎、叶、花、果，症状纷繁复杂，不同的病害之间的症状且有相似之处，非专业人员有时很难区分。为此本文分别绘出基于糨糙集的酥梨病害知识发现系统构建与基于神经网络的酥梨病害分类器设计，解决非专业人员难以根据复杂相似病

3、害症状进行诊断的问题。传统的植物营养诊断方法如DRIS，M—DRIS，DOP，各有所长，在进行诊断时会出现不同的诊断结果，致使用户难以做出决策。证据理论是信息融合技术中一种非常有效的不确定理论方法，根据其证据合成公式可以融合不同的专家知识，为用户做出决策提供良好的途径。本文基于证据理论的优势，构造了营养诊断方法融合模型，对三种诊断方法D砒S、MD砒S、DOP进行融合处理，结果表示该模型是切实可行的。钎对现有的作物水分生产函数模型拟合精度低，本文提出基于支持目量回归机的方法拟合作物水分生产函数，并

4、与现有的模型进行比较，拟合结果显示，基于支持向量枧的模型拟合明显优于现有模型。通过对已有的不完备信息系统粗集扩展模型进行分析，并针对王国胤的限制容差模型存在条件限制宽松和严格的不足，对其加以改造，提嬲了改进的程限制容差关系模型，通过实例比较，验证其更具有实用性，在划分容差类时更具合理性有效性。其农业应用有待进一步研究。囊蓉秦

5、冀?童墓雾萋蓊蓁誉蓥离晒翼褰疆{鬓●黼群雹主l霉羞薹童霪§蠹露孚雩州霎雾i霪譬。毫薹誊霎善薹羹i冀蕊妻季霉攀嚣l斗i笔萋≥；i篓羹薹蚕喜；耋奏霉i囊鏊!≥藩篓篓蠹l謦速髻萋

6、薯÷!量i霎冀耋墓IA8S善}乏轰C善ABS下RACTW主也tk&Velopmontofeomputef、eo翻熬unie蕊onandinte糯etteehnology，d獭isdeVelopedwiththesealeofexponent，址正chisbeyo越tlleabil诹ofpe。ple。Howtof-mdmeusefulknowledgeorinterestingknowledge矗om也esedataistheu曙entproblem．Ri酌ta盈erthis王(110wledge

7、discoVe巧happenstobebom．Theex缸．actedand∞是鬻d鞋ew영"xABSTRACTshowsl!：sflghCandfeaslI)!c．Becauseofthelow丘ttingprecisionofthepresentmodel，thisp乏巾erproposesthefittingmetllodbasedonsupportVectorre伊essmachineforcropwaterproduction如nction．Comparedwiththepresent

8、model，theresultsho、vSthemethodbasedonsupportVectorregressmachineisbetterremarkably．Existingextensionsofroughsetmodelareanalyzedinthisp印erunderincompleteinfonnationsystem．ThispapermodifieslimitedtolerancemodeIproposedbyWangGuoyinasfaraSthelimitationon

9、relaxationa11drestrictionofconditionconstraintisconcemed．Comparedbyex锄ple，themodifiedmodelbasedonlimitedtolerancemodelshowsthatitismoreapplicable、reasonableande虢ctivewhentheuniVerseofdiscourseispartitionedimotoleranceclassifications．Itsagricultureapp