基于F-粗糙集的属性约简与数据流挖掘的研究的开题报告.docx

基于F-粗糙集的属性约简与数据流挖掘的研究的开题报告
开题报告
一、研究背景和意义
当前大数据时代下，信息爆炸的情况下确保数据的质量和有效性为数据挖掘研究领域爆炸的前提，而数据流挖掘由于其高效性和实时性，已经成为大数据领域一个十分热门的方向。其关注的是数据的流动过程中，关键的维度每时每刻发生的变化。在数据流挖掘应用中，如果能够发现那些关键的约简属性，则执行挖掘任务将更加高效，并且可以保障结果的可靠性。因此，基于F-粗糙集的属性约简在数据流挖掘中具有十分重要的意义。
F-粗糙集是由徐家福等人于1997年提出的，是目前应用普遍的粗糙集扩展模型，被广泛的运用到各种学科领域中。F-粗糙集理论体系包含基本粗糙集理论和模糊粗糙集理论等。
二、研究内容和研究方法
本文将研究基于F-粗糙集的属性约简在数据流挖掘中的应用。具体内容包括以下方面：
1.研究F-粗糙集理论的基本原理，以及基于F-粗糙集的属性约简。
2.研究基于F-粗糙集的属性约简在数据流挖掘中的应用。
3.对F-粗糙集的属性约简算法进行改进，提高算法的效率。
4.通过实验提高算法的准确度和可靠性。
为了实现以上的内容，本文将采取以下研究方法：
1.通过文献调研的方式，了解F-粗糙集理论和数据流挖掘的相关知识，对已有的研究成果进行分析。
2.确定理论框架，设计算法流程，并对算法实现进行分析。
3.进行算法的实验，测试算法的可行性以及准确度。
三、预期结果和创新点
本文预计能够实现基于F-粗糙集的属性约简在数据流挖掘中的应用，进而提高数据挖掘的效率和准确性。具体的创新点在以下几个方面：
1.结合F-粗糙集和数据流挖掘，提出了一种新的数据挖掘思路，拓宽了数据挖掘的研究领域。
2.通过对F-粗糙集的属性约简算法的改进，优化了算法的效率。
3.实现了算法的测试和应用，证明了算法的可行性和实用价值。
四、进度计划
本文计划在以下时间内完成：
第一周：文献调研，确定研究方向和内容
第二周：对F-粗糙集理论原理和数据流挖掘基础知识进行学习和分析。
第三周：基于F-粗糙集的属性约简算法的设计和实现。
第四周：进行算法的实验，测试算法的可行性和可靠性。
第五周：撰写论文草稿。
第六周：修改和完善论文。
五、参考文献
[1]Waris,A.,Islam,S.,&Ahmad,R.(2018).Areviewonfeatureselectionandfeatureextractiontechniquesinmachinelearning.InternationalJournalofScientificResearchinComputerScience,EngineeringandInformationTechnology(IJSRCSEIT),3(3),1098-1103.
[2]Wang,G.,&Zhang,W.(2016).Ahybridmethodforfeatureselectionbasedonroughsetandparticleswarmoptimization.InternationalJournalofPatternRecognitionandArtificialIntelligence,30(12),1656016.
[3]He,X.,Cao,J.,Wang,J.,&Sun,S.(2018).Anincrementalattributereductionapproachbasedonroughsettheoryforconceptdrift.InformationSciences,432,284-300.