扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
粗糙集分类模型及特征选择算法研究 版权信息
- ISBN：9787550462144
- 条形码：9787550462144 ; 978-7-5504-6214-4
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
粗糙集分类模型及特征选择算法研究 本书特色
本书是关于粗糙集理论应用于数据分类的专著，本书的理论模型和算法分析，能够对从事识别、知识发现研究的学者以及爱好科研的朋友有一定的参考价值。
粗糙集分类模型及特征选择算法研究 内容简介
随着科技的不断进步，人工智能迅速发展。人工智能的发展离不开算法，而在算法中，分类技术是人工智能发展的重要组成部分。本书针对粗糙集分类技术的模型及其特征选择算法展开了深入研究。主要内容包括： (1)正向宏近似分类模型及其特征选择算法。正向宏近似分类模型把整个决策类集作为一个整体来近似，从宏观的角度描述了决策类集的上下近似，是一种能够快速求解一系列不同属性子集下系统近似的机制。基于正向宏近似分类模型提出的特征选择算法，采用正向宏近似分类模型快速产生边界，采用边界度量的属性重要度作为启发信息决定*优寻找路径，采用边界评估的约简准则来识别特征子集，有效提高计算效率。 (2)邻域划分分类模型及其特征选择算法。邻域划分分类模型采用邻域划分来描述分类模型，是对邻域决策粗糙集模型的改进和提升。基于邻域划分分类模型提出的特征选择算法，采用不平衡二叉树模型计算邻域，提高计算效率；采用邻域正域确定度来评估属性，提高分类精度。 (3)强化一致优势分类模型及其特征选择算法。强化一致优势分类模型按照强化一致优势原则建立了对象分类策略，具有很强的鲁棒性。基于强化一致优势分类模型提出的特征选择算法采用组合粗糙熵度量属性重要度，综合考虑了偏好决策系统的知识不确定性和目标决策类集的不确定性，能快速找到约简。 (4)混合数据分类模型及其在态势评估系统中的应用。介绍了混合数据分类模型，并把它应用于态势威胁评估分析，设计并实现了面向模型扩展的威胁评估系统。
粗糙集分类模型及特征选择算法研究 目录
目 录
1 绪论 ／ １
1.1 研究背景和意义 ／ １
1.2 分类技术研究 ／ ３
1.2.1 决策树方法 ／ ３
1.2.1.1 ＩＤ３ 算法 ／ ４
1.2.1.2 Ｃ４.５ 算法 ／ ４
1.2.1.3 ＣＡＲＴ 算法 ／ ５
1.2.1.4 其他算法 ／ ５
1.2.2 神经网络方法 ／ ５
1.2.3 贝叶斯方法 ／ ７
1.2.3.１ *大后验概率贝叶斯分类模型 ／ ８
1.2.3.２ *大似然比贝叶斯分类模型 ／ ８
1.2.3.３ *小风险贝叶斯分类模型 ／ ８
1.2.４ 支持向量机方法 ／ ９
1.2.５ Ｋ－*近邻方法 ／ １０
1.2.６ 粗糙集方法 ／ １１
1.3 粗糙集理论研究现状 ／ １２
1.3.1 粗糙集分类模型 ／ １２
1.3.1.1 ＢＲＥＭ 模型 ／ １３
1.3.1.2 ＳＯＥＭ 模型 ／ １４
1.3.1.3 ＴＳＥＭ 模型 ／ １４
1.3.2 特征选择算法 ／ １５
1.3.2.1 ＤＭＦＳ 算法 ／ １５
1.3.2.2 ＰＲＦＳ 算法 ／ １６
1.3.2.3 ＩＶＦＳ 算法 ／ １７
1.3.2.4 ＧＣＦＳ 算法 ／ １７
1.3.3 粗糙集理论应用 ／ １８
1.3.3.1 Ｒｏｕｇｈ Ｅｎｏｕｇｈ ／ １８
1.3.3.2 ＫＤＤ－Ｒ ／ １８
1.3.3.3 ＲＯＳＥ ／ １８
1.3.3.4 ＬＥＲＳ ／ １９
1.3.4 粗糙集分类的困难与挑战 ／ １９
1.3.4.1 粗糙集分类模型的扩展问题 ／ １９
1.3.4.2 属性约简算法效率问题 ／ １９
1.3.4.3 知识的不确定性度量问题 ／ ２０
1.3.4.4 粗糙集分类方法的应用推广问题 ／ ２０
1.4 研究内容 ／ ２０
1.5 本书结构 ／ ２３
2 正向宏近似分类模型 ／ ２４
2.1 引论 ／ ２４
2.2 ＴＲＳＭ 模型 ／ ２５
2.3 ＭＡＲＳ 模型 ／ ２７
2.3.1 不一致容差块集 ／ ２７
2.3.2 构建 ＭＡＲＳ 模型 ／ ２８
2.4 Ｐ－ＭＡＲＳ 模型 ／ ３０
2.4.1 分解算子 ／ ３０
2.4.2 构建 Ｐ－ＭＡＲＳ 模型 ／ ３２
2.4.3 Ｐ－ＭＡＲＳ 模型示例 ／ ３６
2.5 基于 Ｐ－ＭＡＲＳ 模型的特征选择 ／ ３８
2.5.1 边界度量的属性重要度 ／ ３９
2.5.2 边界评估的约简准则 ／ ３９
2.5.3 ＰＭＦＳ 算法 ／ ４０
2.6 实验分析 ／ ４２
2.6.1 数据集 ／ ４２
2.6.2 相关算法 ／ ４２
2.6.3 特征子集分析 ／ ４３
2.6.4 时间效率分析 ／ ４４
2.7 小结 ／ ４７
3 邻域划分分类模型 ／ ４８
3.1 引论 ／ ４８
3.2 ＮＲＳＭ 模型 ／ ５０
3.3 ＮＤＲＳ 模型 ／ ５３
3.4 ＮＰＤＭ 模型 ／ ５４
3.4.2 邻域划分 ／ ５４
3.4.2 ＮＰＤＭ 模型描述 ／ ５７
3.4.3 基于 ＮＰＤＭ 模型的多粒度分析 ／ ６０
3.5 基于 ＮＰＤＭ 模型的特征选择 ／ ６２
3.5.1 ＮＰＲＣ 评估方法 ／ ６２
3.5.1.1 三种典型的属性评估方法 ／ ６３
3.5.1.2 ＮＰＲＣ 评估方法 ／ ６５
3.5.1.3 评估方法示例 ／ ６７
3.5.2 ＵＢ－ｔｒｅｅ 模型 ／ ７０
3.5.2.1 相关概念和性质 ／ ７０
3.5.2.2 ＵＢ－ｔｒｅｅ 模型 ／ ７２
3.5.2.3 ＵＢＮＣ 算法 ／ ７４
3.5.3 ＮＰＦＳ 算法 ／ ７５
3.6 实验分析 ／ ７８
3.6.1 确定邻域半径的取值范围 ／ ７８
3.6.2 属性评估方法比较 ／ ８０
3.6.3 特征选择算法比较 ／ ８０
3.6.3.1 特征子集及其基数比较 ／ ８０
3.6.3.2 分类精度比较 ／ ８２
3.6.3.3 运行时间比较 ／ ８３
3.7 小节 ／ ８４
4 强化一致优势分类模型 ／ ８５
4.1 引论 ／ ８５
4.2 ＤＲＳＡ 模型 ／ ８６
4.3 ＥＣ－ＤＲＳＡ 模型 ／ ８９
4.3.1 优势类和劣势类的决策区 ／ ８９
4.3.2 对象的相对一致性 ／ ９１
4.3.3 对象的强化一致优势度 ／ ９２
4.3.4 ＥＣ－ＤＲＳＡ 模型描述 ／ ９４
4.3.5 实例分析 ／ ９５
4.3.5.1 ＤＲＳＡ 模型 ／ ９６
4.3.5.2 ＶＣ－ＤＲＳＡ 模型 ／ ９８
4.3.5.3 ＶＰ－ＤＲＳＡ 模型 ／ ９９
4.3.5.4 ＥＣ－ＤＲＳＡ 模型 ／ １００
4.4 ＥＣ－ＤＲＳＡ 模型的约简 ／ １０１
4.4.1 １１ 种约简及其相互关系 ／ １０２
4.4.2 基于组合粗糙熵的属性约简 ／ １０７
4.4.2.1 组合粗糙熵 ／ １０７
4.4.2.2 属性重要度度量 ／ １０９
4.4.2.3 ＣＲＥＡＲ 算法 ／ １０９
4.4.3 实例分析 ／ １１０
4.5 小节 ／ １１３
5 混合数据分类模型及其在态势评估系统中的应用 ／ １１４
5.1 引论 ／ １１４
5.2 ＨＤＲＳ 模型 ／ １１５
5.3 ＨＤＲＳ 模型在面向统一场的态势评估系统中的应用 ／ １１６
5.3.1 统一场概述 ／ １１６
5.3.2 面向统一场的态势评估系统 ／ １１８
5.3.3 基于 ＨＤＲＳ 模型的威胁评估 ／ １２０
5.3.4 威胁评估系统设计与实现 ／ １２５
5.4 小节 ／ １２８
6 总结与展望 ／ １３０
6.1 研究总结 ／ １３０
6.2 未来工作展望 ／ １３３
参考文献 ／ １３５
附录一 主要符号对照表 ／ １４８
附录二 数据安全技术 数据分类分级规则 ／ １５１
展开全部
粗糙集分类模型及特征选择算法研究 作者简介
卢正才，清华大学毕业，工学博士，高级工程师；现任职于泸州职业技术学院。主要研究方向为人工智能和模式识别。
书友推荐
- >
山海经
山海经
¥22.7¥68.0 - >
自卑与超越
自卑与超越
¥17.1¥39.8 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥20.6¥48.0 - >
唐代进士录
唐代进士录
¥17.1¥39.8 - >
史学评论
史学评论
¥13.9¥42.0 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
莉莉和章鱼
莉莉和章鱼
¥16.0¥42.0 - >
中国历史的瞬间
中国历史的瞬间
¥16.7¥38.0
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
