版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著近些年來信息技術(shù)的飛速發(fā)展,全球開始進(jìn)入知識(shí)經(jīng)濟(jì)時(shí)代,知識(shí)成為社會(huì)核心生產(chǎn)資料。任何組織或個(gè)人只有不斷加強(qiáng)對(duì)知識(shí)應(yīng)用,才能在現(xiàn)今多變、速變、巨變的競(jìng)爭(zhēng)中脫穎而出。對(duì)知識(shí)的應(yīng)用不僅僅只是給其提供檢索支持環(huán)節(jié),知識(shí)適配子系統(tǒng)作為知識(shí)應(yīng)用的新方法,它不但包含對(duì)為知識(shí)用戶提供檢索支持,同時(shí)也包含了對(duì)檢索出案例的后續(xù)適配、修正再修正等過程為知識(shí)用戶提供更便捷易用的知識(shí)服務(wù),同時(shí)考慮到信息技術(shù)帶來的豐富數(shù)據(jù)信息,本文以大規(guī)模數(shù)據(jù)集為背景主要針對(duì)
2、知識(shí)適配子系統(tǒng)進(jìn)行研究。
本文首先介紹了大規(guī)模數(shù)據(jù)集下知識(shí)適配的研究背景,并引申出其研究意義,通過對(duì)國內(nèi)外相關(guān)研究現(xiàn)狀進(jìn)行總結(jié),分析其中存在的主要問題,說明本文的研究出發(fā)點(diǎn)、組織結(jié)構(gòu)和主要研究?jī)?nèi)容。
其次對(duì)知識(shí)管理、案例推理、知識(shí)適配和粗糙集的相關(guān)理論進(jìn)行說明,包括知識(shí)的定義,知識(shí)管理的定義和完整生命周期,案例的結(jié)構(gòu)表示方法,通過對(duì)案例推理的過程模型分析引入知識(shí)適配的概念和特點(diǎn),粗糙集的基本概念、主要特點(diǎn)和屬性約簡(jiǎn)方
3、法。
之后通過對(duì)現(xiàn)有知識(shí)適配方法進(jìn)行總結(jié),分析出本文的的研究思路,將知識(shí)適配子系統(tǒng)分為檢索引擎和適配引擎,在檢索引擎對(duì)比現(xiàn)有檢索算法確定采用kNN算法,在適配引擎分析了不同案例適配類型,選用多案例適配方式,最終得出本文基于大規(guī)模數(shù)據(jù)集的知識(shí)適配研究框架。
然后分別對(duì)檢索引擎和適配引擎中選定的算法進(jìn)行說明,分析其中的不足,并做出針對(duì)性的改進(jìn)措施,為kNN算法增加前置工序,RS和CV相整合的權(quán)重配置和區(qū)域劃分。為多案例誘
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于大規(guī)模數(shù)據(jù)集的模式分類器研究.pdf
- 大規(guī)模數(shù)據(jù)集高效數(shù)據(jù)挖掘算法研究.pdf
- 基于數(shù)據(jù)倉庫的大規(guī)模數(shù)據(jù)集分類數(shù)據(jù)挖掘研究與設(shè)計(jì).pdf
- 面向大規(guī)模數(shù)據(jù)集的譜聚類方法研究.pdf
- 大規(guī)模數(shù)據(jù)集下核方法的技術(shù)研究.pdf
- 基于Hadoop的移動(dòng)運(yùn)營大規(guī)模數(shù)據(jù)治理.pdf
- 基于RGB-D大規(guī)模數(shù)據(jù)集的人體行為識(shí)別算法研究.pdf
- 基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于大規(guī)模數(shù)據(jù)庫的人臉識(shí)別研究.pdf
- 基于大規(guī)模數(shù)據(jù)庫的多級(jí)指紋分類研究.pdf
- 大規(guī)模數(shù)據(jù)聚類分析方法研究.pdf
- 面向大規(guī)模數(shù)據(jù)集的相關(guān)向量機(jī)分類算法研究與應(yīng)用.pdf
- 大規(guī)模數(shù)據(jù)集分布式存儲(chǔ)模型LDDSS的研究與實(shí)現(xiàn).pdf
- 面向大規(guī)模數(shù)據(jù)集的自適應(yīng)聚類算法并行化研究.pdf
- 基于GPU大規(guī)模數(shù)據(jù)體繪制方法研究與實(shí)現(xiàn).pdf
- 基于長(zhǎng)間隔大規(guī)模數(shù)據(jù)的地圖匹配技術(shù)研究.pdf
- 基于新型計(jì)算架構(gòu)的大規(guī)模數(shù)據(jù)連接查詢優(yōu)化.pdf
- 基于劃分方法的大規(guī)模數(shù)據(jù)高效聚類算法的研究.pdf
- 面向大規(guī)模失衡數(shù)據(jù)集的數(shù)據(jù)挖掘研究.pdf
- 基于協(xié)同進(jìn)化和譜聚類的大規(guī)模數(shù)據(jù)集快速聚類方法研究.pdf
評(píng)論
0/150
提交評(píng)論