下载此文档

知网怎么查重.doc


文档分类:论文 | 页数:约12页 举报非法文档有奖
1/12
下载提示
  • 1.该资料是网友上传的,本站提供全文预览,预览什么样,下载就什么样。
  • 2.下载该文档所得收入归上传者、原创者。
  • 3.下载的文档,不会出现我们的网址水印。
1/12 下载此文档
文档列表 文档介绍
知网怎么查重近来要写个论文,需要下载一些参考文献,但是在中国知网,万方,维普等文献检索网站上只能查看论文摘要,无法下载全文,怎么办呢,于是就开始了百度论文免费全文下载方法的艰苦历程,终于有所收获,找到了一些方法,但是这些方法大部分都已经失效了,无法使用。不过,最终还是让我找到了一个比较好的工具,通过这个工具可以很方便的下载论文全文,解决了知网怎么查重的问题。下面就为大家介绍一下这个方法,亲测可用。其实也很简单首先,下载一个软件,软件地址:http://rj./soft/detail/:为绿色软件,下载后不用安装,直接解压缩打开文献检索浏览器。下图是软件界面:里面有大量的中英文数据库可供大家使用,下面以知网为例给大家做个演示,其它数据库的使用方法与此类似,首先打开知网数据库选择一个入口输入搜索词,搜索点击标题下载是不是很简单啊,知网怎么查重的问题是不是就这样很简单的解决了啊?这个文献检索浏览器不仅有中国知网免费入口,还有万方,维普,龙源,读秀等数据库的免费入口。那么问题来了,这个浏览器可以免费使用吗,答案是不能免费使用。不过注册费用很低,不过就是一瓶饮料钱,不过我认为和大家东奔西走花费很大的精力自己去寻找这些免费入口比起来,简直是太划算了。好了,下面大家可以测试检索一下下面这篇示例文章,看看是否好用。正负域覆盖广义粗糙集与知识粗传播研究--《山东大学》2007年博士论文 近年来,粗糙集理论及其应用正吸引世界范围内越来越多学者的研究兴趣,许多高水平的研究和应用成果相继发表在各类国际学术杂志上。作为处理不确定和含糊问题的新的数学方法,粗糙集理论对于现代计算机应用,无疑是最具挑战性的领域之一。自粗糙集问世以来,已在人工智能和认知科学方面,尤其在机器学习、智能系统、模式识别、知识发现、决策分析和专家系统等方面都得到了广泛应用。 本文主要研究正负域覆盖广义粗糙集、知识粗传播和函数S-粗糙集对系统未知规律的挖掘,并尝试将粗糙集理论应用于学位与研究生教育的评估与中药材的产地鉴别。 将Pawlak粗糙集进行推广是粗糙集理论研究的热点之一,Zakowski将等价关系对论域的划分推广为覆盖,从而建立了覆盖广义粗糙集理论,被认为是在数据挖掘中具有广泛应用前景的模型,许多学者对覆盖广义粗糙集进行了进一步的研究,取得了一些相应结果。但是,Zakowski提出的覆盖广义粗糙集的覆盖上近似中含有在所给覆盖下能够完全确定不属于所讨论集合的元素,就是说覆盖上近似集过于粗糙。另外,Zakowski提出的覆盖广义粗糙集的上近似与下近似不具有对偶性,为理论研究带来困难。另一方面,如果给定论域上的一个集合是精确的,那么论域中的每一个元素或者属于该集合,或者不属于该集合,即属于其补集,不存在边界。如果论域中存在一些元素既不能确定其属于该集合也不能确定其不属于该集合,说明该集合存在边界,是粗糙集。基于上述思想和Zakowski覆盖广义粗糙集存在的不足,本文提出了一种新的覆盖广义粗糙集—正负域覆盖广义粗糙集,正负域覆盖广义粗糙集不仅克服了Zakowski覆盖粗糙集边界中含有可确定元素的不足,减小了粗糙度,使得对不清晰概念的刻画更加准确,而且正负域覆盖运算具有对偶性。在正负域覆盖广义粗糙集理论研究方面重点做了以下工作; 对比Pawlak粗糙集的性质讨论了正负域覆盖广义粗糙集的性质,发现大部分性质对正负域覆盖广义粗糙集仍然成立,指出不再成立的性质,并给出了具体例子。 在等价关系所定义的划分下,对同一集合不同的划分一定产生不同的上下近似。但在覆盖条件下,不同的覆盖可能产生相同的正负域覆盖。通过定义等价覆盖,得到不同覆盖产生相同正负域覆盖广义粗糙集的充要条件是覆盖是等价的。 在正负域覆盖广义粗糙集代数结构方面,给出了正负域覆盖广义粗糙集正、负域运算的公理化体系;证明了在拟双代表覆盖论域上,正负域覆盖广义粗糙集关于(?)_c构成格。 关于正负域覆盖广义粗糙集这些基本问题的解决,从逻辑和代数上搞清楚了正负域覆盖运算的结构和本质,为正负域覆盖广义粗糙集的进一步讨论及在数据挖掘中的应用奠定了坚实的基础。 Pawlak粗糙集在知识发现、数据挖掘和认知科学方面得到广泛应用。在信息化时代的今天,知识的传播扮演着越来越重要的角色。本文利用粗糙集理论,依据人们认识知识和传播知识的规律,在知识粗识别和粗交流的基础上提出了知识粗传播的数学模型。给出了知识粗传播中,无论以何种顺序传播,对给定的概念X在n个Agent之间传播,最终结果的界值及其与公共知识与可能知识关系;讨论了传播结果为空和传播结果保持不失真的条件。 知识粗传播在机器学习、专家系统及决策分析等方面有着潜在的应用前景,最优传播顺序及相关问题的进一步讨论解决,不仅具有重要的理论意义,而且具有重要的实际应用价值。 2002年史

知网怎么查重 来自淘豆网m.daumloan.com转载请标明出处.