本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
基本信息
书名:三支决策与大数据分析
定价:188.00元
作者:刘盾等
出版社:科学出版社(SCIENCE PRESS)
出版日期:2020-07-01
ISBN:9787030655806
字数:
页码:372
版次:
装帧:平装
开本:16开
商品重量:
编辑推荐
内容提要
三支决策是一种基于人类认知过程的粒计算研究方法。《三支决策与大数据分析》从大数据决策环境入手,以三支决策作为目标对象,以粒计算理论为指导思想,以大数据分析为核心技术,以机器学习相关方法为研究手段,研究三支决策与大数据分析模型的构建、算法的实现、方法的应用。《三支决策与大数据分析》的相关研究内容能够适应大数据分析需求和更复杂的决策环境,扩大三支决策和粒计算理论的实际应用背景,力图展现外三支决策与大数据分析的新研究成果,并在理论、方法和应用上给出一套处理不确定性大数据问题的系统研究体系。
目录
目录 n
序 n
前言 n
理论篇 n
章 三支决策概述:从粗糙集到粒计算 3 n
1.1 引言 3 n
1.2 三支决策基本模型与框架 5 n
1.3 三支决策、粗糙集与决策粗糙集 7 n
1.4 三支决策的粒计算方法 10 n
1.5 三支决策的粒计算框架模型 13 n
1.6 本章小结 14 n
参考文献 15 n
第2章 三支决策的时空性模型 18 n
2.1 引言 18 n
2.2 三支决策模型与基本概念20 n
2.3 基于时间维度三支决策模型 22 n
2.4 基于空间维度三支决策模型 25 n
2.5 三支决策的时空性研究方法 29 n
2.6 本章小结 32 n
参考文献 32 n
第3章 基于样本相似度的三支属性约简方法 36 n
3.1 引言 36 n
3.2 基于类内相似度和类间相似度的属性约简 38 n
3.2.1 类内相似度 38 n
3.2.2 类间相似度 39 n
3.2.3 属性约简定义 41 n
3.3 启发式约简算法 43 n
3.4 实验 44 n
3.4.1 约简对比实验 44 n
3.4.2 分布对比实验 48 n
3.4.3 系数对比实验 52 n
3.5 本章小结 52 n
参考文献 53 n
第4章 基于决策粗糙集模型的多目标属性约简 55 n
4.1 引言 55 n
4.2 多目标属性约简 57 n
4.2.1 约简定义 57 n
4.2.2 多目标优化属性约简方法 58 n
4.2.3 基于集成学习的多目标属性约简方法 60 n
4.3 实验 63 n
4.3.1 实验数据集 63 n
4.3.2 评价标准 64 n
4.3.3 实验设置 65 n
4.3.4 实验结果 65 n
4.4 本章小结 71 n
参考文献 71 n
第5章 基于不完备信息系统的三支决策方法 74 n
5.1 引言 74 n
5.2 相关概念 76 n
5.2.1 三支决策与粗糙集理论 76 n
5.2.2 决策粗糙集理论 77 n
5.3 不完备信息系统下的三支决策方法 80 n
5.3.1 不完备信息系统与相似关系 80 n
5.3.2 基于三支决策的不完备信息系统 82 n
5.3.3 不完备信息系统下的三支决策理论模型 84 n
5.3.4 不完备信息系统下的三支决策算法设计 87 n
5.4 案例分析 88 n
5.5 本章小结 97 n
参考文献 98 n
第6章 直觉模糊信息下的三支决策理论与方法 100 n
6.1 引言 100 n
6.2 直觉模糊集和三支决策知识 102 n
6.2.1 直觉模糊集相关知识 102 n
6.2.2 三支决策知识 103 n
6.3 直觉模糊粗糙近似的构造 104 n
6.3.1 直觉模糊数的相似测度 104 n
6.3.2 新直觉模糊相似度 109 n
6.3.3 直觉模糊目标概念的(α, β) - 下、上近似集 112 n
6.4 基于多风险偏好直觉模糊决策粗糙集的三支决策 113 n
6.4.1 多风险偏好信息下的直觉模糊决策粗糙集模型 113 n
6.4.2 基于多风险偏好直觉模糊决策粗糙集的三支决策 116 n
6.4.3 算例与比较分析 116 n
6.5 直觉模糊环境下基于决策粗糙集等价模型的三支决策 120 n
6.5.1 经典决策粗糙集等价模型的构建 121 n
6.5.2 KKT条件 121 n
6.5.3 模型等价性的验证 122 n
6.5.4 直觉模糊环境下基于决策粗糙集等价模型的三支决策概率阈值确定 125 n
6.5.5 直觉模糊环境下基于决策粗糙集等价模型的三支决策 128 n
6.5.6 算例与比较分析 130 n
6.6 本章小结 134 n
参考文献 135 n
算法篇 n
第7章 三支聚类算法研究 141 n
7.1 三支聚类表示 141 n
7.2 三支聚类模型 143 n
7.2.1 理论模型框架 143 n
7.2.2 基于概率的评估函数 144 n
7.2.3 三支阈值自动确定 145 n
7.3 三支聚类算法 151 n
7.3.1 面向多视图数据的三支主动学习算法 151 n
7.3.2 面向大规模数据的三支聚类集成算法 157 n
7.3.3 面向混合属性数据的三支聚类算法 163 n
7.4 本章小结 170 n
参考文献 171 n
第8章 三支社区分类算法研究 173 n
8.1 引言 173 n
8.2 相关知识 175 n
8.2.1 相关定义 175 n
8.2.2 三支社区表示 176 n
8.2.3 社区结构的评价指标 177 n
8.3 基于三支决策的重叠社区发现算法 178 n
8.3.1 算法描述 179 n
8.3.2 算法步骤 179 n
8.3.3 实验分析 183 n
8.4 基于三支决策的重叠社区演化算法 196 n
8.4.1 演化事件定义 196 n
8.4.2 算法框架 198 n
8.4.3 算法描述 198 n
8.4.4 可视化结果 199 n
8.5 本章小结 204 n
参考文献 204 n
第9章 三支主动学习方法 206 n
9.1 引言 206 n
9.2 问题定义 206 n
9.2.1 数据模型 207 n
9.2.2 具体描述问题定义 208 n
9.3 计算模型 209 n
9.3.1 标签均匀分布模型 209 n
9.3.2 冲突解决模型 212 n
9.4 算法描述 215 n
9.4.1 ALEC 215 n
9.4.2 ALRC 217 n
9.4.3 CADU 218 n
9.5 实验 220 n
9.5.1 ALEC算法实验结果 220 n
9.5.2 ALRC算法实验结果 228 n
9.5.3 CADU算法实验结果 232 n
9.6 本章小结 236 n
参考文献 236 n
0章 三支代价敏感属性选择方法 239 n
10.1 引言 239 n
10.2 属性选择定义 240 n
10.2.1 属性(集)评价 240 n
10.2.2 属性选择 243 n
10.2.3 代价结构 244 n
10.3 代价敏感属性选择计算模型 246 n
10.3.1 经典粗糙集计算模型 246 n
10.3.2 可辨识矩阵计算模型 247 n
10.3.3 三支决策(粒)计算模型 248 n
10.4 算法设计 252 n
10.4.1 减法策略算法描述 252 n
10.4.2 加法策略算法描述 254 n
10.4.3 算法时间复杂度分析 254 n
10.5 实验分析 255 n
10.5.1 数据集 255 n
10.5.2 实验设计 256 n
10.5.3 实验结果分析 256 n
10.6 本章小结 259 n
参考文献 260 n
1章 基于三支决策粗糙集模型的多类代价敏感学习 262 n
11.1 引言 262 n
11.2 多类三支决策理论模型 264 n
11.2.1 代价函数 264 n
11.2.2 模型 266 n
11.2.3 性质 268 n
11.2.4 算法 269 n
11.3 多类三支决策理论模型 270 n
11.4 实验 273 n
11.4.1 实验数据集 273 n
11.4.2 实验方法 274 n
11.4.3 实验结果 275 n
11.4.4 参数影响 276 n
11.4.5 讨论 277 n
11.5 本章小结 278 n
参考文献 278 n
应用篇 n
2章 三支推荐方法及其应用 283 n
12.1 引言 283 n
12.2 协同过滤推荐问题定义 284 n
12.2.1 基于邻居的协同过滤推荐 284 n
12.2.2 粒计算和三支决策 285 n
12.3 基于回归的二元推荐 285 n
12.3.1 回归推荐问题定义 286 n
12.3.2 基于回归的算法 287 n
12.3.3 运行示例#1 289 n
12.4 误分类代价小化推荐 290 n
12.4.1 代价敏感推荐问题定义 291 n
12.4.2 误分类代价小化算法 291 n
12.4.3 运行示例#2 292 n
12.5 三支决策推荐 292 n
12.5.1 三支推荐问题定义 292 n
12.5.2 三支推荐框架 294 n
12.5.3 三支推荐算法 295 n
12.5.4 运行示例#3 297 n
12.6 实验 298 n
12.6.1 数据集 298 n
12.6.2 实验设计 299 n
12.6.3 结果 299 n
12.7 本章小结 305 n
参考文献 305 n
3章 三支图像识别方法及其应用 308 n
13.1 引言 308 n
13.2 三支决策及深度神经网络 310 n
13.3 基于DNN的序贯粒度特征提取方法 312 n
13.4 基于粒度特征的代价敏感序贯三支决策 314 n
13.5 实验分析与验证 316 n
13.5.1 数据库介绍及实验设置 316 n
13.5.2 基于DNN粒度特征的人脸图像 317 n
13.5.3 误分类代价、总代价和误差分析 318 n
13.6 本章小结 319 n
参考文献 320 n
4章 三支自编码器方法及其应用 324 n
14.1 引言 324 n
14.2 相关工作 326 n
14.3 多粒度特征函数 327 n
14.3.1 多粒度自动编码器 327 n
14.3.2 基于受限玻尔兹曼机的多粒度特征 329 n
14.4 基于自动编码器的序贯三支决策模型 330 n
14.4.1 序贯决策 331 n
14.4.2 三支决策 332 n
14.5 实验与结果分析 334 n
14.5.1 基于RBM网络的重构误差分析 335 n
14.5.2 基于RBM网络的代价误差分析 337 n
14.5.3 基于全连接的网络的人脸识别分析 339 n
14.6 本章小结 340 n
参考文献 341 n
5章 三支工业大数据应用 345 n
15.1 引言 345 n
15.2 三支过热度预测 347 n
15.2.1 铝电解过程中的过热度 347 n
15.2.2 铝电解过热度预测模型 348 n
15.2.3 规则的提取与存储 349 n
15.2.4 规则的增量式更新方法 351 n
15.2.5 实验分析 353 n
15.3 分层组织机构成员评价 355 n
15.3.1 三分类多粒度评价模型 356 n
15.3.2 实验分析 365 n
15.4 本章小结 370 n
参考文献 370 n
彩图
作者介绍
序言