粒認(rèn)知計(jì)算

目錄　
前言　
第1章　粒認(rèn)知計(jì)算與粗糙集　1　
1.1　粒認(rèn)知計(jì)算　1　
1.1.1　知識(shí)與知識(shí)發(fā)現(xiàn)　1　
1.1.2　粒　1　
1.1.3　認(rèn)知計(jì)算　3　
1.1.4　粒計(jì)算　3　
1.2　粗糙集　4　
1.2.1　粗糙集示例　4　
1.2.2　基于粗糙集的知識(shí)表示　5　
1.2.3　不確定知識(shí)與度量　7　
1.3　變精度粗糙集　9　
1.3.1　變精度正區(qū)域　9　
1.3.2　變精度分布表　11　
1.4　二型模糊粗糙集　14　
1.4.1　模糊粗糙集　14　
1.4.2　區(qū)間二型模糊集　15　
1.4.3　基于高斯核的區(qū)間二型模糊粗糙集　15　
第2章　粗糙集約簡　19　
2.1　約簡　19　
2.1.1　約簡預(yù)處理　20　
2.1.2　缺失值和屬性離散化處理　20　
2.1.3　基于信息熵的并行連續(xù)屬性離散化　20　
2.2　基于二進(jìn)制分辨矩陣的屬性約簡　22　
2.2.1　相容決策表與不相容決策表　22　
2.2.2　二進(jìn)制分辨矩陣及其生成算法　23　
2.2.3　基于二進(jìn)制分辨矩陣的屬性約簡　24　
2.2.4　二進(jìn)制分辨矩陣動(dòng)態(tài)單約簡　25　
2.2.5　決策表屬性約簡　28　
2.2.6　決策表值約簡　28　
2.3　基于二進(jìn)制分辨矩陣的動(dòng)態(tài)多約簡算法　29　
2.3.1　動(dòng)態(tài)多約簡算法　29　
2.3.2　與基于正區(qū)域算法對(duì)比　31　
2.3.3　動(dòng)態(tài)更新機(jī)制性能分析　32　
2.3.4　屬性重要度權(quán)重對(duì)約簡結(jié)果的影響　33　
第3章　群智約簡　35　
3.1　微粒群算法　35　
3.1.1　基本微粒群算法　35　
3.1.2　二進(jìn)制離散微粒群算法　37　
3.1.3　微粒群算法與其他進(jìn)化算法的比較　39　
3.2　微粒群約簡算法　39　
3.2.1　設(shè)計(jì)思路　40　
3.2.2　不可分辨關(guān)系計(jì)算　41　
3.2.3　雙矩編碼方式　41　
3.2.4　算法設(shè)計(jì)與分析　42　
3.3　群搜索約簡算法　47　
3.3.1　群搜索算法　47　
3.3.2　算法設(shè)計(jì)　51　
3.3.3　算法流程　52　
3.4　群智約簡示例及結(jié)果　53　
3.4.1　實(shí)例演示　53　
3.4.2　基準(zhǔn)數(shù)據(jù)集約簡　55　
第4章　完備約簡　57　
4.1　完備約簡與多知識(shí)　57　
4.1.1　約簡的完備性　57　
4.1.2　譜系二叉樹結(jié)構(gòu)　59　
4.1.3　多知識(shí)系統(tǒng)的完整性指標(biāo)　61　
4.2　知識(shí)的空間結(jié)構(gòu)　63　
4.2.1　完備約簡的空間結(jié)構(gòu)　63　
4.2.2　多知識(shí)的空間結(jié)構(gòu)　66　
4.2.3　知識(shí)雙層空間結(jié)構(gòu)　68　
4.3　基于譜系二叉樹結(jié)構(gòu)的完備屬性約簡　69　
4.3.1　完備屬性約簡策略　69　
4.3.2　分布表與屬性序　70
4.3.3　二值分類與譜系樹剪枝　73　
4.4　基于變精度粗糙集的完備屬性約簡算法　76　
4.5　完備屬性約簡算法的性能分析　78　
4.5.1　標(biāo)準(zhǔn)數(shù)據(jù)集測(cè)試　78　
4.5.2　譜系二叉樹剪枝策略的優(yōu)化分析　80　
4.5.3　與非核屬性替換策略的比較　84　
4.5.4　與群智能優(yōu)化策略的比較　85　
第5章　模糊約簡　87　
5.1　區(qū)間二型模糊粗糙集單約簡算法　87　
5.2　模糊概念格及其規(guī)則提取　88　
5.2.1　模糊概念格　88　
5.2.2　無冗余規(guī)則提取定理　90　
5.2.3　模糊剪枝策略　92　
5.3　基于模糊概念格的決策規(guī)則提取算法　93　
5.4　屬性約簡及模糊規(guī)則提取算法實(shí)驗(yàn)　94　
5.4.1　約簡參數(shù)實(shí)驗(yàn)　95　
5.4.2　模糊約簡示例及對(duì)比分析　96　
5.5　基于模糊約簡的規(guī)則提取示例　97　
第6章　并行約簡　99　
6.1　并行計(jì)算　99　
6.1.1　集群并行計(jì)算　99　
6.1.2　并行計(jì)算編程模型　99　
6.1.3　并行算法的構(gòu)造原則　100　
6.1.4　并行算法的性能評(píng)價(jià)　100　
6.2　MapReduce并行編程模型與架構(gòu)　103　
6.2.1　MapReduce并行編程模型　103　
6.2.2　Hadoop并行框架　104　
6.2.3　集群容錯(cuò)性與分布式文件系統(tǒng)　105　
6.3　簡化決策表及其并行生成算法　106　
6.3.1　簡化決策表　106　
6.3.2　劃分等價(jià)類　106　
6.3.3　基于MapReduce的簡化決策表并行生成算法　107　
6.4　二進(jìn)制分辨矩陣并行生成算法　108　
6.4.1　算法的預(yù)加載過程及矩陣行編號(hào)　108　
6.4.2　基于MapReduce的二進(jìn)制分辨矩陣并行生成算法　110
6.5　并行屬性約簡算法　111　
6.5.1　并行核屬性求解算法　111　
6.5.2　基于MapReduce的并行屬性約簡算法　112　
6.5.3　基于MapReduce的并行屬性循環(huán)多約簡算法　112　
6.5.4　算法實(shí)現(xiàn)優(yōu)化　113　
6.6　正區(qū)域并行屬性多約簡算法　114　
6.6.1　簡化決策表并行生成算法　114　
6.6.2　基于簡表的正區(qū)域并行多約簡算法　115　
6.6.3　正區(qū)域并行多約簡算法實(shí)例分析　115　
第7章　規(guī)則提取　118　
7.1　形式概念分析基本概念　118　
7.1.1　單值屬性的形式背景　118　
7.1.2　多值屬性的形式背景　119　
7.1.3　形式概念和哈斯圖　120　
7.2　概念格的構(gòu)造及其規(guī)則處理算法　122　
7.2.1　概念格構(gòu)造方法　122　
7.2.2　概念格規(guī)則提取　122　
7.2.3　知識(shí)沖突的處理算法　124　
7.3　形式概念算法設(shè)計(jì)及仿真實(shí)驗(yàn)　128　
7.3.1　形式概念算法設(shè)計(jì)　128　
7.3.2　基準(zhǔn)數(shù)據(jù)集仿真實(shí)驗(yàn)　129　
7.4　基于屬性約簡的知識(shí)抽取和結(jié)構(gòu)　133　
7.4.1　多知識(shí)抽取框架　133　
7.4.2　基于多知識(shí)系統(tǒng)的知識(shí)空間結(jié)構(gòu)　134　
第8章　粒遷移學(xué)習(xí)　144　
8.1　粒遷移學(xué)習(xí)思想　144　
8.2　基于數(shù)據(jù)集結(jié)構(gòu)信息的粒遷移學(xué)習(xí)　145　
8.2.1　特征粒度與負(fù)遷移問題　145　
8.2.2　數(shù)據(jù)集結(jié)構(gòu)信息的區(qū)間?；?46　
8.2.3　區(qū)間二型模糊隱馬爾可夫模型　147　
8.3　基于對(duì)應(yīng)關(guān)系的粒遷移學(xué)習(xí)　150　
8.3.1　對(duì)應(yīng)關(guān)系中特征映射的粒度　150　
8.3.2　基于對(duì)應(yīng)關(guān)系的粒遷移學(xué)習(xí)方法　151　
8.3.3　粒二型模糊隱馬爾可夫模型　154　
8.4　基于生成結(jié)構(gòu)的粒遷移學(xué)習(xí)　156
8.4.1　粒度與子結(jié)構(gòu)　156　
8.4.2　序列遷移學(xué)習(xí)與子結(jié)構(gòu)正則化　157　
8.4.3　基于生成結(jié)構(gòu)的粒遷移學(xué)習(xí)模型　158　
8.4.4　時(shí)間復(fù)雜性　164　
8.5　基于模型選擇的粒模型推斷方法　165　
8.5.1　粒模型推斷與模型選擇　165　
8.5.2　規(guī)則性知識(shí)與似然比模型選擇方法　165　
8.5.3　似然比模型選擇方法　166　
第9章　多知識(shí)森林　168　
9.1　決策樹與隨機(jī)森林　168　
9.2　單知識(shí)森林　170　
9.3　多知識(shí)森林　173　
9.4　集成多知識(shí)森林分類　　175　
9.4.1　非平衡數(shù)據(jù)過采樣SMOTE　175　
9.4.2　集成多知識(shí)森林擇優(yōu)參數(shù)驗(yàn)證實(shí)驗(yàn)　176　
9.4.3　矯正性組合投票機(jī)制實(shí)驗(yàn)分析　178　
第10章　暴力犯罪分析　179　
10.1　暴力犯罪及其因素　179　
10.2　暴力犯罪特征分析模型　180　
10.3　數(shù)據(jù)采集與分析　180　
10.4　算法應(yīng)用和對(duì)比　186　
第11章　序列標(biāo)注　188　
11.1　序列標(biāo)注中的遷移學(xué)習(xí)問題　188　
11.2　基于數(shù)據(jù)集結(jié)構(gòu)的粒遷移學(xué)習(xí)結(jié)果分析　190　
11.2.1　實(shí)驗(yàn)數(shù)據(jù)集介紹　190　
11.2.2　實(shí)驗(yàn)預(yù)備　191　
11.2.3　實(shí)驗(yàn)數(shù)據(jù)　194　
11.2.4　實(shí)驗(yàn)設(shè)置　194　
11.2.5　實(shí)驗(yàn)結(jié)果與分析　195　
11.3　基于對(duì)應(yīng)關(guān)系的粒遷移學(xué)習(xí)結(jié)果與分析　198　
11.3.1　實(shí)驗(yàn)數(shù)據(jù)　198　
11.3.2　實(shí)驗(yàn)設(shè)置　198　
11.3.3　實(shí)驗(yàn)結(jié)果與分析　199　
11.4　基于生成結(jié)構(gòu)的粒遷移學(xué)習(xí)結(jié)果與分析　203　
11.4.1　實(shí)驗(yàn)數(shù)據(jù)　203
11.4.2　實(shí)驗(yàn)設(shè)置　203　
11.4.3　實(shí)驗(yàn)結(jié)果與分析　204　
11.5　基于模型選擇的粒遷移學(xué)習(xí)結(jié)果與分析　210　
11.5.1　實(shí)驗(yàn)數(shù)據(jù)　210　
11.5.2　實(shí)驗(yàn)設(shè)置　211　
11.5.3　實(shí)驗(yàn)結(jié)果與分析　211　
第12章　腦認(rèn)知分析　214　
12.1　腦功能通路　214　
12.2　數(shù)據(jù)準(zhǔn)備　215　
12.2.1　數(shù)據(jù)來源　215　
12.2.2　布羅德曼分區(qū)　217　
12.3　腦認(rèn)知多知識(shí)約簡　218　
12.3.1　決策值為英文的知識(shí)處理　220　
12.3.2　實(shí)驗(yàn)結(jié)果及分析　223　
12.4　記憶想象認(rèn)知分析　225　
12.4.1　感興趣區(qū)域的選擇　225　
12.4.2　腦數(shù)據(jù)預(yù)處理　226　
12.4.3　約簡比較與討論　227　
12.4.4　知識(shí)抽取與討論　232　
參考文獻(xiàn)　239