不确定信息的处理与知识挖掘PDF|Epub|txt|kindle电子书版本下载

不确定信息的处理与知识挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 背景介绍1

1.1.1 产生背景1

1.1.2 研究意义4

1.2 国内外研究现状5

1.2.1 不确定信息处理研究5

1.2.2 不确定信息知识发现研究7

1.2.3 粗糙集理论及应用研究10

第2章 粗糙集及其相关理论14

2.1 引言14

2.2 粗糙集理论的基本概念14

2.2.1 知识与知识库14

2.2.2 不精确范畴与近似集15

2.2.3 近似精度与分类质量16

2.3 知识的约简与决策规则17

2.3.1 知识的约简与核17

2.3.2 知识的相对约简与相对核18

2.3.3 知识的依赖性及依赖度19

2.3.4 决策系统与决策规则19

2.4 粗糙集扩展模型20

2.4.1 概率粗糙集模型20

2.4.2 相容粗糙集模型21

2.4.3 相似粗糙集模型22

2.4.4 限制容差关系粗糙集模型23

第3章 决策系统中连续数据的离散化24

3.1 引言24

3.2 粗糙集中离散化问题描述25

3.3 典型的连续属性离散化算法26

3.4 基于布尔逻辑的离散化算法及其改进31

3.4.1 基于布尔逻辑的离散化算法31

3.4.2 改进的启发式离散化算法34

3.4.3 算法分析35

3.4.4 实验结果及分析36

3.4.5 实例分析36

3.5 基于改进粒子群优化算法的连续属性离散化38

3.5.1 改进粒子群优化算法相关概念38

3.5.2 粒子群优化算法及其改进39

3.5.3 基于改进粒子群优化算法的连续属性离散化40

3.5.4 算法分析43

3.5.5 实验结果及分析43

3.6 粗糙集离散化算法的评价45

第4章 决策系统中不确定信息约简47

4.1 引言47

4.2 典型的属性约简算法48

4.2.1 基于分辨矩阵的约简算法48

4.2.2 基于属性依赖度的约简算法49

4.2.3 基于互信息的启发式约简算法50

4.2.4 基于遗传算法的属性约简算法51

4.3 属性约简的一种新型启发式算法52

4.3.1 相对分辨矩阵52

4.3.2 算法理论基础53

4.3.3 算法描述56

4.3.4 算法分析57

4.3.5 实例分析58

4.4 基于属性区分频度的约简改进算法61

4.4.1 求异矩阵61

4.4.2 算法原理64

4.4.3 算法描述65

4.4.4 算法分析66

4.4.5 实例分析67

第5章 决策系统中不确定信息知识挖掘70

5.1 引言70

5.2 典型的决策规则获取算法71

5.2.1 一般值约简算法71

5.2.2 基于决策矩阵的规则获取算法72

5.2.3 基于投影的缺损规则获取算法72

5.3 全局寻优的完备信息系统规则获取算法73

5.3.1 连续属性离散化74

5.3.2 属性约简74

5.3.3 属性值约简75

5.3.4 算法描述76

5.3.5 决策解释76

5.3.6 算法分析77

5.3.7 实例分析78

5.4 不完备信息系统的规则获取算法81

5.4.1 不完备信息系统与广义决策函数81

5.4.2 条件属性矩阵和决策属性矩阵83

5.4.3 基于矩阵的不完备信息决策系统规则获取算法84

5.4.4 算法分析86

5.4.5 实例分析86

第6章 不确定信息处理在城市交通管理中的应用91

6.1 引言91

6.2 城市交通管理中的不确定性因素分析92

6.3 城市交通管理中交通流状态识别概述94

6.3.1 交通流状态模式识别94

6.3.2 交通流状态模式识别过程94

6.3.3 交通流状态模式识别方法96

6.4 基于不确定信息的交通流状态模式分类97

6.4.1 特征属性选取97

6.4.2 交通流状态模式分类知识发现98

6.4.3 集成分类系统100

6.5 应用实例分析102

6.5.1 数据来源及预处理102

6.5.2 特征属性约简104

6.5.3 交通流状态模式分类知识发现106

6.5.4 交通流状态模式分析与预测107

参考文献109