基于粗糙集的知识发现方法及其在ECG信号识别中的应用

发布时间：2017-04-11 04:12

  本文关键词：基于粗糙集的知识发现方法及其在ECG信号识别中的应用，由笔耕文化传播整理发布。

【摘要】：知识发现(Knowledge Discovery,KDD)是20世纪90年代初期发展起来的一个活跃的研究领域。近年来,随着知识量的剧增,它已成为目前人工智能和数据挖掘(Data Mining,DM)的研究热点。知识发现就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种数学工具和方法提炼出抽象的、隐含在其中的、人们事先不知道的客观世界的内在本质和联系。粗糙集理论是分析和处理这类不精确、不完备、不一致数据的有效数学工具。本文主要研究了基于粗糙集理论的几类知识发现方法及其约简算法,并将所研究的算法应用于心电信号的自动分析与诊断中。论文主要研究内容如下:1.研究了粗糙集的基本理论与约简算法。针对Pawlak经典近似精度没有考虑知识粒度对精度影响的不足,提出了近似精度定义的改进并讨论了其性质,改进后的近似精度既能够体现知识粒度的划分细度情况又保持了原定义的基本思想。分析了一系列的经典约简理论,提出了基于依赖度约简算法的改进,改进后的算法不论是在计算复杂性和时间复杂性方面都有较大程度提高;针对小样本问题,提出了不协调信息系统的约简方法,该方法避免了在处理一些实际应用中由于样本数据不充足而可能导致的有用信息丢失的问题,比如临床医疗诊断数据和UCI机器学习数据。实验表明该方法是有效的。2.研究了基于粗糙集的粒计算模型,讨论了粒计算的一些重要性质以及约简算法。针对没有约简核的系统,提出一个新的约简算法,该算法既可以用于有约简核的系统也可以用于没有约简核的系统,并通过实验证明了该算法的可行性。3.提出了基于属性粒的认知模型。研究了认知过程的形成机理,分析了认知信息粒的本质并讨论了它的一些性质以及应用。研究了基于认知结构的信息分类和信息约简,提出了一个利用知识依赖度和属性重要度相结合的约简算法。4.以心电图(ECG)自动分析作为应用背景,提出了一个基于黄金分割与小波变换相结合的特征提取算法,将所提取的特征建立了信息系统。利用本文所提出的粗糙集的知识发现方法对信号进行了特征选择和规则挖掘。
【关键词】：数据挖掘 知识发现 属性约简 粒计算 认知模型 心电图
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP18;TN911.7
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 主要符号对照表11-12
• 第一章 绪论12-19
• 1.1 研究背景、目的及意义12-13
• 1.2 粗糙集理论的发展与现状13-16
• 1.2.1 对经典粗糙集模型的推广13-14
• 1.2.2 粗糙集中不确定问题的理论研究14
• 1.2.3 属性约简算法研究14-15
• 1.2.4 粗糙集与其他不确定性理论相结合15-16
• 1.2.5 与人工智能领域的结合和应用研究16
• 1.3 心电图自动分析研究现状16-17
• 1.4 本文的主要研究内容与组织结构17-19
• 第二章 粗糙集基本理论与约简方法19-45
• 2.1 基本概念19-29
• 2.1.1 知识与分类19-21
• 2.1.2 知识表达系统与粗糙集的概念21-24
• 2.1.3 Pawlak近似精度与改进24-29
• 2.2 知识约简29-30
• 2.3 决策信息系统的约简算法30-37
• 2.3.1 基于正域的相对约简31-33
• 2.3.2 基于知识依赖性的约简33-36
• 2.3.3 基于依赖度的约简算法改进36-37
• 2.4 知识表达系统的协调性及其约简算法37-44
• 2.4.1 知识表达系统的协调性37-39
• 2.4.2 不协调决策信息系统的属性约简方法的改进39-44
• 2.5 本章小结44-45
• 第三章 基于粗糙集的粒计算模型与知识发现45-69
• 3.1 粒计算的基本概念45-47
• 3.1.1 粒计算的起源与发展45-46
• 3.1.2 粒度计算的基本构成46-47
• 3.2 粒计算的主要理论模型47-49
• 3.2.1 基于模糊集合论的词计算理论的粒计算模型47
• 3.2.2 基于商空间的粒计算模型47-48
• 3.2.3 基于粗糙集的粒计算模型48
• 3.2.4 基于概念格理论的粒计算模型48-49
• 3.3 基于知识粒度的属性约简49-59
• 3.3.1 经典粗糙集上知识粒的表示49-52
• 3.3.2 基于知识粒度的属性约简52-56
• 3.3.3 无属性核的信息系统的约简算法56-59
• 3.4 一般二元关系上的粒计算扩展模型59-68
• 3.4.1 二元关系上的粗糙集59-64
• 3.4.2 一般二元关系下信息系统知识的描述64-65
• 3.4.3 一般二元关系下信息系统的知识粒度及应用65-68
• 3.5 本章小结68-69
• 第四章 基于粒计算的认知模型及其应用69-85
• 4.1 基于概念格的认知模型70-75
• 4.1.1 概念格的基本定义70-73
• 4.1.2 概念格上的粒计算认知模型73-75
• 4.2 基于粗糙集的认知模型75-83
• 4.2.1 认知系统75-76
• 4.2.2 认知系统的信息粒76-79
• 4.2.3 认知信息粒在信息系统约简中的应用79-81
• 4.2.4 认知决策与分类81-83
• 4.3 本章小结83-85
• 第五章 粗糙集在心电信号识别中的应用85-103
• 5.1 心电图基本常识与测量85-90
• 5.1.1 常规导联系统86-87
• 5.1.2 心电图的测量与各段的意义87-88
• 5.1.3 常用的标准ECG数据库简介88-90
• 5.2 心电信号自动分析技术90-94
• 5.2.1 信号预处理90-91
• 5.2.2 心电特征参数的定义91-92
• 5.2.3 波形检测与特征提取92-93
• 5.2.4 特征选择93
• 5.2.5 ECG信号分类93-94
• 5.3 粗糙集在ECG信号识别中的应用94-102
• 5.3.1 信息系统的建立94-98
• 5.3.2 基于粗糙集的属性约简及规则提取98-99
• 5.3.3 基于SVM方法的实验结果99-102
• 5.4 本章小结102-103
• 第六章 总结与展望103-105
• 6.1 全文总结103-104
• 6.2 需要进一步研究的问题104-105
• 致谢105-106
• 参考文献106-119
• 攻读博士学位期间取得的成果119-121

【参考文献】

中国期刊全文数据库 前1条

1 冯琴荣;苗夺谦;程f3;徐菲菲;;知识的划分粒度表示法[J];模式识别与人工智能;2009年01期

  本文关键词：基于粗糙集的知识发现方法及其在ECG信号识别中的应用，由笔耕文化传播整理发布。

，

本文编号：298284