粗糙集分類模型及特徵選擇演算法研究 盧正才著 9787550462144 【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：西南財經大學
物品所在地：中國大陸
原出版社：西南財經大學
NT$458
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：202406*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：粗糙集分類模型及特徵選擇演算法研究 ISBN：9787550462144 出版社：西南財經大學 著編譯者：盧正才著 頁數：180頁 所在地：中國大陸 *此為代購商品 書號：1664164 可大量預訂，請先連絡。 內容簡介 本書分析並總結了該領域已有的研究成果，對粗糙集分類模型及特徵選擇演算法展開了深入研究，並取得了一定的研究成果，希望對廣大科研工作者有所啟發。 本書共分六章。第1章緒論，介紹研究背景和意義，以及粗糙集分類模型及特徵選擇演算法的研究現狀。第2章正向宏近似分類模型，針對不完備數據的分類問題，研究並提出了正向宏近似分類模型及其特徵選擇演算法。正向宏近似分類模型把整個決策類集作為一個整體來進行近似計算，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近似的機制。基於正向宏近似分類模型提出的特徵選擇演算法，採用正向宏近似分類模型快速產生邊界，採用邊界度量的屬性重要度作為啟發信息決定最優尋找路徑，採用邊界評估的約簡準則來識別特徵子集，明顯地提高了計算效率。第3章鄰域劃分分類模型，針對數值型和符號型數據的分類問題，提出了鄰域劃分分類模型及其特徵選擇演算法。鄰域劃分分類模型通過鄰域劃分來描述分類模型，是對鄰域決策粗糙集模型的改進和提升。基於鄰域劃分分類模型提出的特徵選擇演算法，採用不平衡二叉樹模型計算鄰域，提高了計算效率；採用鄰域正域確定度來評估屬性，提高了分類精度。第4章強化一致優勢分類模型，針對偏好型數據的分類問題，提出了強化一致優勢分類模型及其特徵選擇演算法。強化一致優勢分類模型按照強化一致優勢原則制定了對象分類策略，具有很強的魯棒性。基於強化一致優勢分類模型提出的特徵選擇演算法採用組合粗糙熵度量屬性重要度，綜合考慮了偏好決策系統的知識不確定性和目標決策類集的不確定性，能快速找到約簡。第5章混合數據分類模型及其在態勢評估系統中的應用，針對符號型、數值型、偏好型數據共同描述的分類問題，提出了混合數據分類模型，並運用態勢威脅評估分析，設計並實現了面向模型擴展的威脅評估系統。第6章總結與展望，對本書研究內容進行總結並對未來工作進行展望。 本書是關於粗糙集理論應用於數據分類的專著，希望本書的理論模型和演算法分析，能夠對從事模式識別、知識發現研究的學者以及愛好科研的朋友有一定的參考價值。作者簡介 盧正才，四川成都人，清華大學計算機科學與技術專業博士，高級工程師，主要從事人工智慧和模式識別等領域的研究。主持、主研各級科研項目10餘項，其中，國家級科技項目2項，軍隊重點科研項目6項。獲軍隊科技進步二等獎1項、三等獎2項。在SCI、日以及中文核心期刊發表論文10餘篇，獲國家發明專利3項。目錄 1 緒論1 1 研究背景和意義 1 2 分類技術研究 1 2 1 決策樹方法 1 2 1 1 ID3演算法 1 2 1 2 C4 5演算法 1 2 1 3 CART演算法 1 2 1 4 其他演算法 1 2 2 神經網路方法 1 2 3 貝葉斯方法 1 2 3 1 最大后驗概率貝葉斯分類模型 1 2 3 2 最大似然比貝葉斯分類模型 1 2 3 3 最小風險貝葉斯分類模型 1 2 4 支持向量機方法 1 2 5 K-最近鄰方法 1 2 6 粗糙集方法 1 3 粗糙集理論研究現狀 1 3 1 粗糙集分類模型 1 3 1 1 BREM模型 1 3 1 2 SOEM模型 1 3 1 3 TSEM模型 1 3 2 特徵選擇演算法 1 3 2 1 DMFS演算法 1 3 2 2 PRFS演算法 1 3 2 3 IVFS演算法 1 3 2 4 GCFS演算法 1 3 3 粗糙集理論應用 1 3 3 1 Rough Enough 1 3 3 2 KDD 1 3 3 3 ROSE 1 3 3 4 LERS 1 3 4 粗糙集分類的困難與挑戰 1 3 4 1 粗糙集分類模型的擴展問題 1 3 4 2 屬性約簡演算法效率問題 1 3 4 3 知識的不確定性度量問題 1 3 4 4 粗糙集分類方法的應用推廣問題 1 4 研究內容 1 5 本書結構 2 正向宏近似分類模型 2 1 引論 2 2 TRSM模型 2 3 MARS模型 2 3 1 不一致容差塊集 2 3 2 構建MARS模型 2 4 P-MARS模型 2 4 1 分解運算元 2 4 2 構建P-MARS模型 2 4 3 P-MARS模型示例 2 5 基於P-MARS模型的特徵選擇 2 5 1 邊界度量的屬性重要度 2 5 2 邊界評估的約簡準則 2 5 3 PMFS演算法 2 6 實驗分析 2 6 1 數據集 2 6 2 相關演算法 2 6 3 特徵子集分析 2 6 4 時間效率分析 2 7 小結 3 鄰域劃分分類模型 3 1 引論 3 2 NRSM模型 3 3 NDRS模型 3 4 NPDM模型 3 4 1 鄰域劃分 3 4 2 NPDM模型描述 3 4 3 基於NPDM模型的多粒度分析 3 5 基於NPDM模型的特徵選擇 3 5 1 NPRC評估方法 3 5 1 1 三種典型的屬性評估方法 3 5 1 2 NPRC評估方法 3 5 1 3 評估方法示例 3 5 2 UB-tree模型 3 5 2 1 相關概念和性質 3 5 2 2 UB-tree模型 3 5 2 3 UBNC演算法 3 5 3 NPFS演算法 3 6 實驗分析 3 6 1 確定鄰域半徑的取值範圍 3 6 2 屬性評估方法比較 3 6 3 特徵選擇演算法比較 3 6 3 1 特徵子集及其基數比較 3 6 3 2 分類精度比較 3 6 3 3 運行時間比較 3 7 小節 4 強化一致優勢分類模型 4 1 引論 4 2 DRSA模型 4 3 EC-DRSA模型 4 3 1 優勢類和劣勢類的決策區 4 3 2 對象的相對一致性 4 3 3 對象的強化一致優勢度 4 3 4 EC-DRSA模型描述 4 3 5 實例分析 4 3 5 1 DRSA模型 4 3 5 2 VC-DRSA模型 4 3 5 3 VP-DRSA模型 4 3 5 4 EC-DRSA模型 4 4 EC-DRSA模型的約簡 4 4 1 11種約簡及其相互關係 4 4 2 基於組合粗糙熵的屬性約簡 4 4 2 1 組合粗糙熵 4 4 2 2 屬性重要度度量 4 4 2 3 CREAR演算法 4 4 3 實例分析 4 5 小節 5 混合數據分類模型及其在態勢評估系統中的應用 5 1 引論 5 2 HDRS模型 5 3 HDRS模型在面向統一場的態勢評估系統中的應用 5 3 1 統一場概述 5 3 2 面向統一場的態勢評估系統 5 3 3 基於HDRS模型的威脅評估 5 3 4 威脅評估系統設計與實現 5 4 小節 6 總結與展望 6 1 研究總結 6 2 未來工作展望 參考文獻 附錄一 主要符號對照表 附錄二 數據安全技術數據分類分級規則 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。 |
