基於粒計算的數據分析與系統建模 朱修彬著 9787560670959 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：西安電子科技大學
物品所在地：中國大陸
原出版社：西安電子科技大學
NT$235
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202404*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：基於粒計算的數據分析與系統建模 ISBN：9787560670959 出版社：西安電子科技大學 著編譯者：朱修彬著 頁數：130 所在地：中國大陸 *此為代購商品 書號：1647380 可大量預訂，請先連絡。 內容簡介 本書建立了統一的基於粒計算的概念和演算法框架，並將這些概念和演算法用於數據分析和系統建模；討論了粒計算的前沿和熱點問題，如信息粒的編碼與解碼、信息粒的表示和構建、基於信息粒度最優分配的粒度模糊模型的建立、基於粒度模型的異常值檢測、基於信息粒的預測模型設計、模型可解釋性的研究等。本書內容涵蓋了數據挖掘和粒計算的諸多前沿問題，並且對所提及的每個數據分析和建模演算法都進行了詳盡的描述和實驗。 本書可供數據挖掘領域的研究人員、學生、IT業者等參考學習。目錄 第1章 緒論1 1 引言 1 2 粒計算的發展現狀 1 3 本書的研究目的和意義 1 4 本書的主要工作 1 4 1 信息粒編碼與解碼 1 4 2 基於合理粒度原則創建信息粒描述符與信息粒的性能評估 1 4 3 粒度數據描述：ε-信息粒簇的設計 1 4 4 粒度TS模糊模型的設計與實現：模糊子空間聚類與信息粒度最優分配的結合 1 4 5 非平衡數據集的粒度化欠採樣 參考文獻 第2章 信息粒和信息粒度 2 1 信息粒和信息粒度 2 2 信息粒的描述以及處理機制 2 2 1 集合 2 2 2 模糊集 2 2 3 陰影集 2 2 4 其他模型 2 3 信息粒度的量化 2 4 高型和高階的信息粒以及混合信息粒 參考文獻 第3章 信息粒的編碼與解碼 3 1 問題的定義 3 2 粒數據描述和重建 3 3 使用碼本表示和重建粒數據 3 3 1 表示機制 3 3 2 重建機制 3 4 碼本的優化 3 4 1 優化目標 3 4 2 使用PSO演算法對碼本進行優化 3 5 實驗 3 5 1 一維數據 3 5 2 多維數據 3 6 應用研究：粒模糊網路的解釋 3 7 結論 參考文獻 第4章 基於合理粒度準則創建信息粒描述符與信息粒的性能評估 4 1 問題描述 4 2 合理粒度準則和粒化-解粒化機制 4 3 信息粒的創建 4 3 1 指導創建信息粒的目標函數 4 3 2 評估信息粒重建能力的目標函數 4 4 使用DE演算法對目標函數進行優化 4 5 實驗 4 5 1 二維合成數據集 4 5 2 Seeds數據集 4 5 3 ILPD數據集 4 5 4 Wilt數據集 4 6 結論 參考文獻 第5章 粒度數據描述：ε-信息粒簇的設計 5 1 問題的定義 5 2 FCM演算法及其優化版本 5 2 1 Fuzzy C-Means底層演算法和表示機制 5 2 2 Fuzzy C-Means的改進版本 5 2 3 重建誤差評判準則 5 3 信息粒的構造過程 5 3 1 產生數值原型 5 3 2 形成ε-信息粒簇 5 3 3 數據的粒度重建 5 3 4 粒數據描述符的性能評價 5 4 總體優化過程 5 5 實驗 5 5 1 二維合成數據集 5 5 2 Wilt數據集 5 5 3 MiniBooNE particle identification數據集 5 5 4 Statlog(Shuttle)數據集 5 6 結論 參考文獻 第6章 粒度TS模糊模型的設計與實現 6 1 問題的定義 6 2 特徵加權FCM演算法 6 3 利用模糊聚類演算法建立TS模糊模型 6 4 粒度模糊模型 6 5 信息粒度的最優分配和目標函數 6 6 實驗 6 6 1 二維合成數據集 6 6 2 具有偏態分佈的合成數據集 6 6 3 Concrete Compressive Strength數據集 6 6 4 Wine Quality(red wine)數據集 6 6 5 Physicochemical Properties of Protein Tertiary Structure數據集 6 7 結論 參考文獻 第7章 非平衡數據集的粒度化欠採樣 7 1 問題的定義 7 2 相關研究進展 7 2 1 採樣方法 7 2 2 演算法層面的改進 7 2 3 代價敏感學習策略 7 2 4 分類器組合策略 7 3 粒計算和信息粒 7 4 粒度欠採樣方法 7 4 1 構造信息粒 7 4 2 粒數據的欠採樣 7 4 3 數值數據的加權 7 5 分類器和目標函數 7 5 1 基於加權數據的支持向量機 7 5 2 基於加權數據的k近鄰演算法 7 5 3 評價準則 7 6 實驗 7 6 1 二維合成數據集 7 6 2 機器學習數據集 7 7 結論 參考文獻 第8章 總結與展望 8 1 主要工作總結 8 2 未來工作展望 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
