学位论文 > 优秀研究生学位论文题录展示
基于数据挖掘和数据融合的游戏关卡自动生成系统
作 者: 齐彦君
导 师: 张冰怡; 王金林
学 校: 天津大学
专 业: 软件工程
关键词: 数据挖掘 数据融合 属性约减 游戏关卡 自动生成
分类号: TP311.13
类 型: 硕士论文
年 份: 2012年
下 载: 3次
引 用: 0次
阅 读: 论文下载
内容摘要
在游戏开发过程中,关卡设计作为游戏开发的重点,如果都由设计师逐一设计将花费大量的时间和资本,而且玩家黏着度低。同时,游戏玩法数据中蕴含着对游戏设计有重要意义的数据。数据挖掘和数据融合是两种分析处理数据、提取有用知识的技术,它们在功能上具有一定的互补性。因此,本文提出了一种基于数据挖掘和数据融合技术的游戏关卡自动生成方法,该方法首先利用布尔逻辑和粗糙集理论相结合的离散化方法对游戏玩法数据进行预处理,并提出了一种基于信息增益的属性约减算法消除冗余属性;接着利用决策树ID3算法建立一个游戏难易程度的评估模型,构造决策树;然后利用数据融合D-S算法得到体现玩家行为的数据,并结合决策树得到对于玩家的难易程度,同时把新的体现玩家行为的数据存入训练数据集中;最后根据难易程度获得游戏关卡参数,并根据关卡数据自动生成游戏关卡。本文对数据挖掘和数据融合两种技术进行深入的研究和实验,研究的成果如下:⑴针对传统的均匀离散化等算法需要人为的设定一些参数处理数据,并且运用该类算法的决策树的识别率并不高等问题,本文采用了基于布尔逻辑和粗糙集理论的离散化算法,该算法不需要一些人为的因素并且识别率也相对比较高,可以有效的对原始数据进行离散化处理。⑵针对所获取的游戏玩法数据中存在冗余的属性的问题,本文需要利用算法处理离散化后的数据。通过对已有的属性约减算法的研究以及ID3决策树算法中信息增益概念的重要性,本文提出了一种基于信息增益的属性约减算法,有效的解决了数据的冗余性。⑶针对未利用剪枝的决策树过于复杂并且识别率不高等问题,通过分析对决策树进行先剪枝和后剪枝的处理后决策树的识别率,该算法平衡了决策树复杂程度和准确率。本文在充分考虑决策树的复杂度和分类正确率后,构造出了一棵尽量简单的决策树。⑷本文研究了数据挖掘和数据融合技术的集成问题。针对两种技术在功能上互补的特性,通过两种技术的结合,完善了模型的获取过程,同时也提高了融合的准确性;建立了两种技术的集成模型,可以有效的应用到信息处理中。
|
全文目录
中文摘要 3-4 ABSTRACT 4-6 目录 6-8 第一章 绪论 8-13 1.1 引言 8-9 1.2 游戏关卡设计的发展 9 1.3 相关技术的研究现状 9-12 1.3.1 数据挖掘技术的发展 9-10 1.3.2 数据融合技术的发展 10-12 1.3.3 数据挖掘和数据融合技术相结合的发展 12 1.4 论文的内容组织结构 12-13 第二章 数据挖掘和数据融合技术介绍 13-21 2.1 数据挖掘技术介绍 13-16 2.1.1 数据挖掘的相关概念 13-14 2.1.2 数据挖掘的过程 14-15 2.1.3 数据挖掘常用的方法 15-16 2.2 数据融合技术介绍 16-19 2.2.1 数据融合的相关概念 16-17 2.2.2 数据融合的融合模型 17-18 2.2.3 数据融合常用的方法 18-19 2.3 数据挖掘和数据融合集成技术介绍 19-20 2.4 本章小结 20-21 第三章 数据挖掘和数据融合技术在游戏关卡设计中的研究 21-32 3.1 概述 21-22 3.2 游戏关卡设计中游戏玩法数据的挖掘 22-30 3.2.1 数据挖掘算法的选择 23-25 3.2.2 游戏玩法数据离散化方法的选择 25-28 3.2.3 决策树的剪枝 28-30 3.3 游戏关卡设计中游戏玩法数据的融合 30-31 3.4 本章小结 31-32 第四章 基于数据挖掘和数据融合技术的游戏关卡自动生成系统设计 32-41 4.1 概述 32 4.2 系统框架结构 32-33 4.2.1 系统实现流程 32-33 4.2.2 系统框架结构图 33 4.3 游戏玩法数据的收集和预处理 33-36 4.3.1 游戏玩法数据属性选择及获取模块 34-35 4.3.2 基于粗糙集理论的数据预处理模块 35-36 4.4 基于属性约减的数据挖掘算法的实现 36-39 4.4.1 基于信息增益和属性相关性的属性约减算法 36-37 4.4.2 数据挖掘算法实现 37-39 4.5 游戏玩法数据的融合算法的实现 39 4.6 游戏关卡信息的生成 39-40 4.7 本章小结 40-41 第五章 实验设计与结果分析 41-45 5.1 实验准备 41 5.2 实验结果分析 41-44 5.2.1 不同离散化算法对构建决策树的影响 41-42 5.2.2 基于信息增益的属性约减算法对构建决策树的影响 42-43 5.2.3 加入数据挖掘和数据融合技术对推箱子游戏的影响 43-44 5.3 实验总结 44-45 第六章 总结与展望 45-47 6.1 论文总结 45-46 6.2 展望 46-47 参考文献 47-51 发表论文和参加科研情况说明 51-52 致谢 52
|
相似论文
- 基于微型无人平台导航多传感器信息融合算法研究,V249.32
- 心肌细胞电生理仿真计算引擎自动生成的研究与实现,R319
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 基于数据挖掘技术的保健品营销研究,F426.72
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
- 基于MDA的界面自动生成方法的研究,TP311.5
- 海上平台消防系统研究,U698.4
- Bicluster数据分析软件设计与实现,TP311.52
- 基于变异粒子群的聚类算法研究,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于数据挖掘的税务稽查选案研究,F812.42
- 面向社区教育的个性化学习系统的研究与实现,TP391.6
- 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
- 数据仓库技术在银行客户管理系统中的研究和实现,TP315
- 基于行业参数优化模型的投资项目决策支持系统,F283
- 数据集市在电信经营分析中的应用研究,TP311.13
- 一个基于ORM的项目生成工具的设计与实现,TP311.52
- 数据挖掘在高职院校学生成绩分析中的应用,TP311.13
- 无线传感器网络的目标定位跟踪算法研究,TN929.5
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com
|