不確定信息的處理與知識挖掘 [Processing And Discovery Of Uneertain Information] 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《不確定信息的處理與知識挖掘》在作者對粗糙集相關理論進行研究及應用的基礎上，係統論述瞭不確定信息的處理與知識挖掘理論、方法體係，囊括瞭包含作者近期成果在內的一些先進模型、算法和實例。主要內容包括：基於廣義決策係統分割點區分度的連續屬性離散化方法、基於改進粒子群優化的連續屬性離散化方法、基於相對分辨矩陣和信息熵的屬性約簡算法、基於屬性區分頻度的約簡改進算法、基於全局尋優的完備信息係統知識獲取算法、基於相容矩陣計算的不完備信息係統知識獲取算法，最後介紹瞭不確定信息的處理在城市交通領域中的應用研究。

目錄

前言
第1章 緒論
1.1 背景介紹
1.1.1 産生背景
1.1.2 研究意義
1.2 國內外研究現狀
1.2.1 不確定信息處理研究
1.2.2 不確定信息知識發現研究
1.2.3 粗糙集理論及應用研究

第2章 粗糙集及其相關理論
2.1 引言
2.2 粗糙集理論的基本概念
2.2.1 知識與知識庫
2.2.2 不精確範疇與近似集
2.2.3 近似精度與分類質量
2.3 知識的約簡與決策規則
2.3.1 知識的約簡與核
2.3.2 知識的相對約簡與相對核
2.3.3 知識的依賴性及依賴度
2.3.4 決策係統與決策規則
2.4 粗糙集擴展模型
2.4.1 概率粗糙集模型
2.4.2 相容粗糙集模型
2.4.3 相似粗糙集模型
2.4.4 限製容差關係粗糙集模型

第3章 決策係統中連續數據的離散化
3.1 引言
3.2 粗糙集中離散化問題描述
3.3 典型的連續屬性離散化算法
3.4 基於布爾邏輯的離散化算法及其改進
3.4.1 基於布爾邏輯的離散化算法
3.4.2 改進的啓發式離散化算法
3.4.3 算法分析
3.4.4 實驗結果及分析
3.4.5 實例分析
3.5 基於改進粒子群優化算法的連續屬性離散化
3.5.1 改進粒子群優化算法相關概念
3.5.2 粒子群優化算法及其改進
3.5.3 基於改進粒子群優化算法的連續屬性離散化
3.5.4 算法分析
3.5.5 實驗結果及分析
3.6 粗糙集離散化算法的評價

第4章 決策係統中不確定信息約簡
4.1 引言
4.2 典型的屬性約簡算法
4.2.1 基於分辨矩陣的約簡算法
4.2.2 基於屬性依賴度的約簡算法
4.2.3 基於互信息的啓發式約簡算法
4.2.4 基於遺傳算法的屬性約簡算法
4.3 屬性約簡的一種新型啓發式算法
4.3.1 相對分辨矩陣
4.3.2 算法理論基礎
4.3.3 算法描述
4.3.4 算法分析
4.3.5 實例分析
4.4 基於屬性區分頻度的約簡改進算法
4.4.1 求異矩陣
4.4.2 算法原理
4.4.3 算法描述
4.4.4 算法分析
4.4.5 實例分析

第5章 決策係統中不確定信息知識挖掘
5.1 引言
5.2 典型的決策規則獲取算法
5.2.1 一般值約簡算法
5.2.2 基於決策矩陣的規則獲取算法
5.2.3 基於投影的缺損規則獲取算法
5.3 全局尋優的完備信息係統規則獲取算法
5.3.1 連續屬性離散化
5.3.2 屬性約簡
5.3.3 屬性值約簡
5.3.4 算法描述
5.3.5 決策解釋
5.3.6 算法分析
5.3.7 實例分析
5.4 不完備信息係統的規則獲取算法
5.4.1 不完備信息係統與廣義決策函數
5.4.2 條件屬性矩陣和決策屬性矩陣
5.4.3 基於矩陣的不完備信息決策係統規則獲取算法
5.4.4 算法分析
5.4.5 實例分析

第6章 不確定信息處理在城市交通管理中的應用
6.1 引言
6.2 城市交通管理中的不確定性因素分析
6.3 城市交通管理中交通流狀態識彆概述
6.3.1 交通流狀態模式識彆
6.3.2 交通流狀態模式識彆過程
6.3.3 交通流狀態模式識彆方法
6.4 基於不確定信息的交通流狀態模式分類
6.4.1 特徵屬性選取
6.4.2 交通流狀態模式分類知識發現
6.4.3 集成分類係統
6.5 應用實例分析
6.5.1 數據來源及預處理
6.5.2 特徵屬性約簡
6.5.3 交通流狀態模式分類知識發現
6.5.4 交通流狀態模式分析與預測

參考文獻

精彩書摘

　　《不確定信息的處理與知識挖掘》：
　　（4）遺傳算法
　　遺傳算法是Holland於1967年提齣的模擬生物進化過程的知識發現模型，是由計算機科學和自然遺傳學相互交叉融閤而成的一種計算方法。該算法由繁殖、交叉及變異三個基本算子組成，在執行過程中，首先對問題的可能解進行編碼，産生初始種群，其次計算種群的適應度值，選擇適應度值大的種群進行復製、交叉和變異等遺傳操作，最後産生新的種群。經過多次遺傳操作，直至得到滿足要求的種群，從而求得最優解。遺傳算法具有很強的並行性和魯棒性，在優化計算、機器學習等領域有著廣泛的應用。但隨著數據集規模的增大，該算法會存在早熟收斂等問題。
　　1.2.3 粗糙集理論及應用研究
　　粗糙集理論是一種處理不完整性和不確定性問題的新型數學工具。它自1982年提齣以來，無論是在理論還是在應用上都是一種新的、重要的、迅速發展的解決多屬性決策問題的方法。由於粗糙集理論利用上近似集和下近似集這一嶄新角度來描述係統的不確定性，它一經提齣便得到瞭美國著名控製學傢、模糊集之父Zadeh L.A.的高度重視和評價，並將其列入他新提倡的軟計算的基礎理論之中。近年來，粗糙集理論在世界上發展非常迅速，對粗糙集理論的研究主要集中在數學性質、模型拓展、與其他不確定性理論的結閤以及粗糙集知識發現等。這些研究有的是純理論的，有的是受應用推動而産生的。
　　1.粗糙集數學性質方麵
　　在粗糙集理論數學性質方麵，主要研究粗糙集的代數結構、拓撲結構、粗糙邏輯以及粗糙集的收斂性等問題。Bonikowaki Z.[59]對粗糙集的代數結構和拓撲結構以及粗糙集的收斂性等問題進行瞭分析討論，對粗糙邏輯的研究主要集中在Rough邏輯及處理近似推理的邏輯工具上。如Lin T.Y.和Liu Q.[60]等基於拓撲學觀點定義瞭粗糙上近似算子L和下近似算子H，並建立瞭帶有這兩個算子的近似推理的邏輯演繹係統；Liu Q還提齣瞭帶算子L和H的Rough邏輯的近似推理模式和歸結原理，並證明瞭它的歸結完備性定理。此後，Liau C.J.和Yao Y.Y.對應於各種非經典邏輯將決策邏輯進行瞭拓展，它們大多關注某個決策係統的知識錶示；而Fan T.F.等則在多個決策係統上拓展瞭決策邏輯。
　　……

前言/序言

不確定信息的處理與知識挖掘 [Processing And Discovery Of Uneertain Information] 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價