1. 研究目的与意义

从数据集中对对象进行归纳学习和分类是人工智能中很重要的领域,旨在发现数据中隐藏的、未知的、潜在有用的知识,本质是在大的数据集合中寻找数据间的规则及普遍模式。

近几年来,已经研究了很多基于归纳学习的理论,发展了许多技术来处理不精确的数据,其中最成功的是粗糙集理论,它是关于数据推理的一个强大的工具,已经被成功地应用于机器学习、知识获取、模式识别和决策支持系统等领域。

粗糙集理论是1982年由波兰数学家z. pawlak教授提出来的,它是一种处理不完整、不确定信息的新型数学工具。

2. 课题关键问题和重难点

关键问题： 1、粗糙集的基本理论与决策算法；2、基于粗糙集的流数据知识更新方法；3、粗糙集流数据知识更新方法的应用；难点（研究过程中预计可能遇到的困难或问题，并提出解决的方法和措施）1、对基于粗糙集的流数据知识更新方法建立模型，并给出算法，进行计算机实现；2、对上述模型的有关性质、性能进行分析，给属性重要性界定了新的定义,最后以算例证明该模型的可行性和有效性；3.将上述方法系统应用到实际问题当中，对实际问题进行分析,利用分析结果为相关人员进行决策提供科学、可行的依据。

3. 国内外研究现状（文献综述）

1　基本算法及其复杂度1. 1　求等价关系求等价关系的的最坏复杂度为o(|a||u|2 )。

其中a 为属性集合。

|o|为对象集合。

4. 研究方案

应着重说明本课题的目标，课题研究拟采用哪些方法和手段，完成论文的实验条件等。

以下为示例：通过借鉴国内外粗糙集相关的理论成果和实践经验，本文试图调研发现基于粗糙集的流数据知识更新方法，并探索其应用研究。

研究方法：主要通过建立模型，算例分析的研究方法。

5. 工作计划

论文具体写作步骤，以下为示例：1）查阅与粗糙集、数据挖掘、流数据知识更新相关的资料；进行文献的阅读及整理，写出文献综述；2）根据文献，分析已有算法及其局限，初步建立新的算法模型； 3）进行算法的分析与比较，改进算法；算例分析；应用研究； 论文周计划：2022-2022-2学期第01-02周完成初稿撰写。

第02-03周根据导师意见修改论文，完成二稿。

第03-04周再次修改论文，完成毕业论文三稿，并上传到毕设网。