歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
粗糙集分類模型及特征選擇算法研究

粗糙集分類模型及特征選擇算法研究

作者：盧正才
出版社：清華同方光盤電子出版社出版時(shí)間：2024-06-01
開本： 16開 頁數(shù)： 180
中 圖 價(jià):¥39.6(5.5折) 定價(jià)  ¥72.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

粗糙集分類模型及特征選擇算法研究 版權(quán)信息

粗糙集分類模型及特征選擇算法研究 本書特色

本書是關(guān)于粗糙集理論應(yīng)用于數(shù)據(jù)分類的專著，本書的理論模型和算法分析，能夠?qū)氖伦R(shí)別、知識(shí)發(fā)現(xiàn)研究的學(xué)者以及愛好科研的朋友有一定的參考價(jià)值。

粗糙集分類模型及特征選擇算法研究 內(nèi)容簡(jiǎn)介

隨著科技的不斷進(jìn)步，人工智能迅速發(fā)展。人工智能的發(fā)展離不開算法，而在算法中，分類技術(shù)是人工智能發(fā)展的重要組成部分。本書針對(duì)粗糙集分類技術(shù)的模型及其特征選擇算法展開了深入研究。主要內(nèi)容包括： (1)正向宏近似分類模型及其特征選擇算法。正向宏近似分類模型把整個(gè)決策類集作為一個(gè)整體來近似，從宏觀的角度描述了決策類集的上下近似，是一種能夠快速求解一系列不同屬性子集下系統(tǒng)近似的機(jī)制；谡蚝杲品诸惸Ｐ吞岢龅奶卣鬟x擇算法，采用正向宏近似分類模型快速產(chǎn)生邊界，采用邊界度量的屬性重要度作為啟發(fā)信息決定*優(yōu)尋找路徑，采用邊界評(píng)估的約簡(jiǎn)準(zhǔn)則來識(shí)別特征子集，有效提高計(jì)算效率。 (2)鄰域劃分分類模型及其特征選擇算法。鄰域劃分分類模型采用鄰域劃分來描述分類模型，是對(duì)鄰域決策粗糙集模型的改進(jìn)和提升。基于鄰域劃分分類模型提出的特征選擇算法，采用不平衡二叉樹模型計(jì)算鄰域，提高計(jì)算效率；采用鄰域正域確定度來評(píng)估屬性，提高分類精度。 (3)強(qiáng)化一致優(yōu)勢(shì)分類模型及其特征選擇算法。強(qiáng)化一致優(yōu)勢(shì)分類模型按照強(qiáng)化一致優(yōu)勢(shì)原則建立了對(duì)象分類策略，具有很強(qiáng)的魯棒性。基于強(qiáng)化一致優(yōu)勢(shì)分類模型提出的特征選擇算法采用組合粗糙熵度量屬性重要度，綜合考慮了偏好決策系統(tǒng)的知識(shí)不確定性和目標(biāo)決策類集的不確定性，能快速找到約簡(jiǎn)。 (4)混合數(shù)據(jù)分類模型及其在態(tài)勢(shì)評(píng)估系統(tǒng)中的應(yīng)用。介紹了混合數(shù)據(jù)分類模型，并把它應(yīng)用于態(tài)勢(shì)威脅評(píng)估分析，設(shè)計(jì)并實(shí)現(xiàn)了面向模型擴(kuò)展的威脅評(píng)估系統(tǒng)。

粗糙集分類模型及特征選擇算法研究 目錄

目 錄 1 緒論 ／ １ 1.1 研究背景和意義 ／ １ 1.2 分類技術(shù)研究 ／ ３ 1.2.1 決策樹方法 ／ 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 神經(jīng)網(wǎng)絡(luò)方法 ／ ５ 1.2.3 貝葉斯方法 ／ ７ 1.2.3.１ *大后驗(yàn)概率貝葉斯分類模型 ／ ８ 1.2.3.２ *大似然比貝葉斯分類模型 ／ ８ 1.2.3.３ *小風(fēng)險(xiǎn)貝葉斯分類模型 ／ ８ 1.2.４ 支持向量機(jī)方法 ／ ９ 1.2.５ Ｋ－*近鄰方法 ／ １０ 1.2.６ 粗糙集方法 ／ １１ 1.3 粗糙集理論研究現(xiàn)狀 ／ １２ 1.3.1 粗糙集分類模型 ／ 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 特征選擇算法 ／ 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 粗糙集理論應(yīng)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 粗糙集分類的困難與挑戰(zhàn) ／ １９ 1.3.4.1 粗糙集分類模型的擴(kuò)展問題 ／ １９ 1.3.4.2 屬性約簡(jiǎn)算法效率問題 ／ １９ 1.3.4.3 知識(shí)的不確定性度量問題 ／ ２０ 1.3.4.4 粗糙集分類方法的應(yīng)用推廣問題 ／ ２０ 1.4 研究?jī)?nèi)容 ／ ２０ 1.5 本書結(jié)構(gòu) ／ ２３ 2 正向宏近似分類模型 ／ ２４ 2.1 引論 ／ ２４ 2.2 ＴＲＳＭ 模型 ／ ２５ 2.3 ＭＡＲＳ 模型 ／ ２７ 2.3.1 不一致容差塊集 ／ ２７ 2.3.2 構(gòu)建 ＭＡＲＳ 模型 ／ ２８ 2.4 Ｐ－ＭＡＲＳ 模型 ／ ３０ 2.4.1 分解算子 ／ ３０ 2.4.2 構(gòu)建 Ｐ－ＭＡＲＳ 模型 ／ ３２ 2.4.3 Ｐ－ＭＡＲＳ 模型示例 ／ ３６ 2.5 基于 Ｐ－ＭＡＲＳ 模型的特征選擇 ／ ３８ 2.5.1 邊界度量的屬性重要度 ／ ３９ 2.5.2 邊界評(píng)估的約簡(jiǎn)準(zhǔn)則 ／ ３９ 2.5.3 ＰＭＦＳ 算法 ／ ４０ 2.6 實(shí)驗(yàn)分析 ／ ４２ 2.6.1 數(shù)據(jù)集 ／ ４２ 2.6.2 相關(guān)算法 ／ ４２ 2.6.3 特征子集分析 ／ ４３ 2.6.4 時(shí)間效率分析 ／ ４４ 2.7 小結(jié) ／ ４７ 3 鄰域劃分分類模型 ／ ４８ 3.1 引論 ／ ４８ 3.2 ＮＲＳＭ 模型 ／ ５０ 3.3 ＮＤＲＳ 模型 ／ ５３ 3.4 ＮＰＤＭ 模型 ／ ５４ 3.4.2 鄰域劃分 ／ 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 模型的特征選擇 ／ ６２ 3.5.1 ＮＰＲＣ 評(píng)估方法 ／ ６２ 3.5.1.1 三種典型的屬性評(píng)估方法 ／ ６３ 3.5.1.2 ＮＰＲＣ 評(píng)估方法 ／ ６５ 3.5.1.3 評(píng)估方法示例 ／ ６７ 3.5.2 ＵＢ－ｔｒｅｅ 模型 ／ ７０ 3.5.2.1 相關(guān)概念和性質(zhì) ／ 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 實(shí)驗(yàn)分析 ／ ７８ 3.6.1 確定鄰域半徑的取值范圍 ／ ７８ 3.6.2 屬性評(píng)估方法比較 ／ ８０ 3.6.3 特征選擇算法比較 ／ ８０ 3.6.3.1 特征子集及其基數(shù)比較 ／ ８０ 3.6.3.2 分類精度比較 ／ ８２ 3.6.3.3 運(yùn)行時(shí)間比較 ／ ８３ 3.7 小節(jié) ／ ８４ 4 強(qiáng)化一致優(yōu)勢(shì)分類模型 ／ ８５ 4.1 引論 ／ ８５ 4.2 ＤＲＳＡ 模型 ／ ８６ 4.3 ＥＣ－ＤＲＳＡ 模型 ／ ８９ 4.3.1 優(yōu)勢(shì)類和劣勢(shì)類的決策區(qū) ／ ８９ 4.3.2 對(duì)象的相對(duì)一致性 ／ ９１ 4.3.3 對(duì)象的強(qiáng)化一致優(yōu)勢(shì)度 ／ ９２ 4.3.4 ＥＣ－ＤＲＳＡ 模型描述 ／ ９４ 4.3.5 實(shí)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 模型的約簡(jiǎn) ／ １０１ 4.4.1 １１ 種約簡(jiǎn)及其相互關(guān)系 ／ １０２ 4.4.2 基于組合粗糙熵的屬性約簡(jiǎn) ／ １０７ 4.4.2.1 組合粗糙熵 ／ １０７ 4.4.2.2 屬性重要度度量 ／ １０９ 4.4.2.3 ＣＲＥＡＲ 算法 ／ １０９ 4.4.3 實(shí)例分析 ／ １１０ 4.5 小節(jié) ／ １１３ 5 混合數(shù)據(jù)分類模型及其在態(tài)勢(shì)評(píng)估系統(tǒng)中的應(yīng)用 ／ １１４ 5.1 引論 ／ １１４ 5.2 ＨＤＲＳ 模型 ／ １１５ 5.3 ＨＤＲＳ 模型在面向統(tǒng)一場(chǎng)的態(tài)勢(shì)評(píng)估系統(tǒng)中的應(yīng)用 ／ １１６ 5.3.1 統(tǒng)一場(chǎng)概述 ／ １１６ 5.3.2 面向統(tǒng)一場(chǎng)的態(tài)勢(shì)評(píng)估系統(tǒng) ／ １１８ 5.3.3 基于 ＨＤＲＳ 模型的威脅評(píng)估 ／ １２０ 5.3.4 威脅評(píng)估系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) ／ １２５ 5.4 小節(jié) ／ １２８ 6 總結(jié)與展望 ／ １３０ 6.1 研究總結(jié) ／ １３０ 6.2 未來工作展望 ／ １３３ 參考文獻(xiàn) ／ １３５ 附錄一 主要符號(hào)對(duì)照表 ／ １４８ 附錄二 數(shù)據(jù)安全技術(shù) 數(shù)據(jù)分類分級(jí)規(guī)則 ／ １５１
展開全部

粗糙集分類模型及特征選擇算法研究 作者簡(jiǎn)介

盧正才，清華大學(xué)畢業(yè)，工學(xué)博士，高級(jí)工程師；現(xiàn)任職于瀘州職業(yè)技術(shù)學(xué)院。主要研究方向?yàn)槿斯ぶ悄芎湍Ｊ阶R(shí)別。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服