《三支決策與大數據分析》是科學出版社出版的圖書，作者是劉盾。
基本介紹
- 中文名：三支決策與大數據分析
- 作者：劉盾
- 出版社：科學出版社
- ISBN：9787030655806
內容簡介,圖書目錄,
內容簡介
三支決策是一種基於人類認知過程的粒計算研究方法。本書從大數據決策環境入手，以三支決策作為目標對象，以粒計算理論為指導思想，以大數據分析為核心技術，以機器學習相關方法為研究手段，研究三支決策與大數據分析模型的構建、算法的實現、方法的套用。本書的相關研究內容能夠適應大數據分析需求和更複雜的決策環境，擴大三支決策和粒計算理論的實際套用背景，力圖展現國內外三支決策與大數據分析的最新研究成果，並在理論、方法和套用上給出一套處理不確定性大數據問題的系統研究體系。
圖書目錄
序
前言
理論篇
第1章 三支決策概述：從粗糙集到粒計算 3
1.1 引言 3
1.2 三支決策基本模型與框架 5
1.3 三支決策、粗糙集與決策粗糙集 7
1.4 三支決策的粒計算方法 10
1.5 三支決策的粒計算框架模型 13
1.6 本章小結 14
參考文獻 15
第2章 三支決策的時空性模型 18
2.1 引言 18
2.2 三支決策模型與基本概念20
2.3 基於時間維度三支決策模型 22
2.4 基於空間維度三支決策模型 25
2.5 三支決策的時空性研究方法 29
2.6 本章小結 32
參考文獻 32
第3章 基於樣本相似度的三支屬性約簡方法 36
3.1 引言 36
3.2 基於類內相似度和類間相似度的屬性約簡 38
3.2.1 類內相似度 38
3.2.2 類間相似度 39
3.2.3 屬性約簡定義 41
3.3 啟發式約簡算法 43
3.4 實驗 44
3.4.1 約簡對比實驗 44
3.4.2 分布對比實驗 48
3.4.3 係數對比實驗 52
3.5 本章小結 52
參考文獻 53
第4章 基於決策粗糙集模型的多目標屬性約簡 55
4.1 引言 55
4.2 多目標屬性約簡 57
4.2.1 約簡定義 57
4.2.2 多目標最佳化屬性約簡方法 58
4.2.3 基於集成學習的多目標屬性約簡方法 60
4.3 實驗 63
4.3.1 實驗數據集 63
4.3.2 評價標準 64
4.3.3 實驗設定 65
4.3.4 實驗結果 65
4.4 本章小結 71
參考文獻 71
第5章 基於不完備信息系統的三支決策方法 74
5.1 引言 74
5.2 相關概念 76
5.2.1 三支決策與粗糙集理論 76
5.2.2 決策粗糙集理論 77
5.3 不完備信息系統下的三支決策方法 80
5.3.1 不完備信息系統與相似關係 80
5.3.2 基於三支決策的不完備信息系統 82
5.3.3 不完備信息系統下的三支決策理論模型 84
5.3.4 不完備信息系統下的三支決策算法設計 87
5.4 案例分析 88
5.5 本章小結 97
參考文獻 98
第6章 直覺模糊信息下的三支決策理論與方法 100
6.1 引言 100
6.2 直覺模糊集和三支決策知識 102
6.2.1 直覺模糊集相關知識 102
6.2.2 三支決策知識 103
6.3 直覺模糊粗糙近似的構造 104
6.3.1 直覺模糊數的相似測度 104
6.3.2 新直覺模糊相似度 109
6.3.3 直覺模糊目標概念的(α, β) - 下、上近似集 112
6.4 基於多風險偏好直覺模糊決策粗糙集的三支決策 113
6.4.1 多風險偏好信息下的直覺模糊決策粗糙集模型 113
6.4.2 基於多風險偏好直覺模糊決策粗糙集的三支決策 116
6.4.3 算例與比較分析 116
6.5 直覺模糊環境下基於決策粗糙集等價模型的三支決策 120
6.5.1 經典決策粗糙集等價模型的構建 121
6.5.2 KKT條件 121
6.5.3 模型等價性的驗證 122
6.5.4 直覺模糊環境下基於決策粗糙集等價模型的三支決策機率閾值確定 125
6.5.5 直覺模糊環境下基於決策粗糙集等價模型的三支決策 128
6.5.6 算例與比較分析 130
6.6 本章小結 134
參考文獻 135
算法篇
第7章 三支聚類算法研究 141
7.1 三支聚類表示 141
7.2 三支聚類模型 143
7.2.1 理論模型框架 143
7.2.2 基於機率的評估函式 144
7.2.3 三支閾值自動確定 145
7.3 三支聚類算法 151
7.3.1 面向多視圖數據的三支主動學習算法 151
7.3.2 面向大規模數據的三支聚類集成算法 157
7.3.3 面向混合屬性數據的三支聚類算法 163
7.4 本章小結 170
參考文獻 171
第8章 三支社區分類算法研究 173
8.1 引言 173
8.2 相關知識 175
8.2.1 相關定義 175
8.2.2 三支社區表示 176
8.2.3 社區結構的評價指標 177
8.3 基於三支決策的重疊社區發現算法 178
8.3.1 算法描述 179
8.3.2 算法步驟 179
8.3.3 實驗分析 183
8.4 基於三支決策的重疊社區演化算法 196
8.4.1 演化事件定義 196
8.4.2 算法框架 198
8.4.3 算法描述 198
8.4.4 可視化結果 199
8.5 本章小結 204
參考文獻 204
第9章 三支主動學習方法 206
9.1 引言 206
9.2 問題定義 206
9.2.1 數據模型 207
9.2.2 具體描述問題定義 208
9.3 計算模型 209
9.3.1 標籤均勻分布模型 209
9.3.2 衝突解決模型 212
9.4 算法描述 215
9.4.1 ALEC 215
9.4.2 ALRC 217
9.4.3 CADU 218
9.5 實驗 220
9.5.1 ALEC算法實驗結果 220
9.5.2 ALRC算法實驗結果 228
9.5.3 CADU算法實驗結果 232
9.6 本章小結 236
參考文獻 236
第10章 三支代價敏感屬性選擇方法 239
10.1 引言 239
10.2 屬性選擇定義 240
10.2.1 屬性(集)評價 240
10.2.2 屬性選擇 243
10.2.3 代價結構 244
10.3 代價敏感屬性選擇計算模型 246
10.3.1 經典粗糙集計算模型 246
10.3.2 可辨識矩陣計算模型 247
10.3.3 三支決策(粒)計算模型 248
10.4 算法設計 252
10.4.1 減法策略算法描述 252
10.4.2 加法策略算法描述 254
10.4.3 算法時間複雜度分析 254
10.5 實驗分析 255
10.5.1 數據集 255
10.5.2 實驗設計 256
10.5.3 實驗結果分析 256
10.6 本章小結 259
參考文獻 260
第11章 基於三支決策粗糙集模型的多類代價敏感學習 262
11.1 引言 262
11.2 多類三支決策理論模型 264
11.2.1 代價函式 264
11.2.2 模型 266
11.2.3 性質 268
11.2.4 算法 269
11.3 多類三支決策理論模型 270
11.4 實驗 273
11.4.1 實驗數據集 273
11.4.2 實驗方法 274
11.4.3 實驗結果 275
11.4.4 參數影響 276
11.4.5 討論 277
11.5 本章小結 278
參考文獻 278
套用篇
第12章 三支推薦方法及其套用 283
12.1 引言 283
12.2 協同過濾推薦問題定義 284
12.2.1 基於鄰居的協同過濾推薦 284
12.2.2 粒計算和三支決策 285
12.3 基於回歸的二元推薦 285
12.3.1 回歸推薦問題定義 286
12.3.2 基於回歸的算法 287
12.3.3 運行示例#1 289
12.4 誤分類代價最小化推薦 290
12.4.1 代價敏感推薦問題定義 291
12.4.2 誤分類代價最小化算法 291
12.4.3 運行示例#2 292
12.5 三支決策推薦 292
12.5.1 三支推薦問題定義 292
12.5.2 三支推薦框架 294
12.5.3 三支推薦算法 295
12.5.4 運行示例#3 297
12.6 實驗 298
12.6.1 數據集 298
12.6.2 實驗設計 299
12.6.3 結果 299
12.7 本章小結 305
參考文獻 305
第13章 三支圖像識別方法及其套用 308
13.1 引言 308
13.2 三支決策及深度神經網路 310
13.3 基於DNN的序貫粒度特徵提取方法 312
13.4 基於粒度特徵的代價敏感序貫三支決策 314
13.5 實驗分析與驗證 316
13.5.1 資料庫介紹及實驗設定 316
13.5.2 基於DNN粒度特徵的人臉圖像 317
13.5.3 誤分類代價、總代價和誤差分析 318
13.6 本章小結 319
參考文獻 320
第14章 三支自編碼器方法及其套用 324
14.1 引言 324
14.2 相關工作 326
14.3 多粒度特徵函式 327
14.3.1 多粒度自動編碼器 327
14.3.2 基於受限玻爾茲曼機的多粒度特徵 329
14.4 基於自動編碼器的序貫三支決策模型 330
14.4.1 序貫決策 331
14.4.2 三支決策 332
14.5 實驗與結果分析 334
14.5.1 基於RBM網路的重構誤差分析 335
14.5.2 基於RBM網路的代價誤差分析 337
14.5.3 基於全連線的網路的人臉識別分析 339
14.6 本章小結 340
參考文獻 341
第15章 三支工業大數據套用 345
15.1 引言 345
15.2 三支過熱度預測 347
15.2.1 鋁電解過程中的過熱度 347
15.2.2 鋁電解過熱度預測模型 348
15.2.3 規則的提取與存儲 349
15.2.4 規則的增量式更新方法 351
15.2.5 實驗分析 353
15.3 分層組織機構成員評價 355
15.3.1 三分類多粒度評價模型 356
15.3.2 實驗分析 365
15.4 本章小結 370
參考文獻 370
彩圖
