《置信規則分類方法與套用》是2023年科學出版社出版的圖書。
基本介紹
- 中文名：置信規則分類方法與套用
- 出版時間：2023年12月
- 出版社：科學出版社
- ISBN：9787030740472
內容簡介,圖書目錄,
內容簡介
本書面向複雜不確定環境下可解釋分類的需求，重點闡述作者提出的置信規則分類方法體系及其在實際工程中的套用。全書主要內容包括不可靠數據魯棒置信規則分類、面向大數據的緊湊置信規則分類、數據與知識雙驅動的複合置信規則分類、精確且可解釋的置信關聯規則分類、面向高維數據的置信關聯規則分類、面向軟標籤數據的置信關聯規則分類等方面的理論進展，以及在編隊目標識別、多框架融合目標識別、多屬性決策融合目標威脅評估等實際問題中的套用。
圖書目錄
“博士後文庫”序言
前言
第1章 緒論 1
1.1 研究背景 1
1.2 置信函式理論 2
1.2.1 證據的表示 2
1.2.2 證據的組合 5
1.2.3 證據在辨識框架上的運算 8
1.2.4 決策規則 11
1.3 不確定數據分類問題 12
1.4 基於規則的分類方法 14
1.4.1 模糊規則分類研究綜述 14
1.4.2 關聯規則分類研究綜述 17
第2章 不可靠數據魯棒置信規則分類 23
2.1 引言 23
2.2 不可靠數據魯棒置信規則分類系統 24
2.2.1 置信規則結構 24
2.2.2 基於數據驅動的置信規則庫構建 25
2.2.3 置信推理方法 29
2.3 實驗分析 31
2.3.1 實驗設定 31
2.3.2 分類正確率評估 33
2.3.3 分類魯棒性評估 35
2.3.4 運行時間分析 41
2.4 本章小結 43
第3章 面向大數據的緊湊置信規則分類 44
3.1 引言 44
3.2 基於證據C均值的緊湊置信規則庫學習 45
3.2.1 證據C均值算法 45
3.2.2 基於監督證據C均值的置信劃分 46
3.2.3 緊湊置信規則庫構建 47
3.2.4 準確性與可解釋性折中的參數最佳化 49
3.3 實驗分析 51
3.3.1 合成數據集測試 51
3.3.2 真實數據集測試 52
3.4 本章小結 56
第4章 數據與知識雙驅動的複合置信規則分類 57
4.1 引言 57
4.2 複合置信規則分類系統 58
4.2.1 基於知識驅動的置信規則庫構建 58
4.2.2 數據與知識雙驅動的複合置信規則庫構建 61
4.3 基於訓練數據與專家知識的多源目標識別 63
4.3.1 問題描述 64
4.3.2 目標識別複合置信規則庫構建 65
4.3.3 對比分析 68
4.3.4 參數分析 69
4.4 本章小結 70
第5章 精確且可解釋的置信關聯規則分類 72
5.1 引言 72
5.2 置信類關聯規則 73
5.2.1 置信類關聯規則結構 73
5.2.2 支持度與置信度定義 74
5.3 精確且可解釋的置信關聯規則分類方法 76
5.3.1 置信類關聯規則挖掘 77
5.3.2 置信類關聯規則削減 81
5.3.3 置信推理分類 84
5.3.4 計算複雜度分析 85
5.4 實驗分析 86
5.4.1 實驗設定 86
5.4.2 分類精度評估 88
5.4.3 可解釋性評估 90
5.4.4 參數分析 91
5.4.5 運行時間分析 93
5.5 本章小結 95
第6章 面向高維數據的置信關聯規則分類 96
6.1 引言 96
6.2 高維數據置信關聯規則分類方法 97
6.2.1 基於熵的自適應模糊劃分 98
6.2.2 基於子群發現的規則預篩選 99
6.2.3 遺傳規則選擇 101
6.3 實驗分析 102
6.3.1 算例分析 102
6.3.2 對比分析 104
6.3.3 參數分析 107
6.4 本章小結 108
第7章 面向軟標籤數據的置信關聯規則分類 109
7.1 引言 109
7.2 不精確類關聯規則 110
7.2.1 不精確類關聯規則結構 110
7.2.2 軟標籤數據支持度與置信度定義 111
7.3 基於關聯規則的軟標籤數據分類 112
7.3.1 基於熵的軟標籤數據自適應模糊劃分 114
7.3.2 不精確類關聯規則挖掘 117
7.3.3 規則削減 121
7.3.4 軟標籤下的置信推理分類 122
7.4 實驗分析 123
7.4.1 標準數據集測試 123
7.4.2 面部表情識別套用 128
7.5 本章小結 130
第8章 基於置信規則推理的編隊目標識別 131
8.1 引言 131
8.2 置信規則推理方法描述 132
8.2.1 基於證據推理算法的置信規則推理 132
8.2.2 置信規則庫參數學習 134
8.3 基於置信規則推理的航母編隊識別 134
8.3.1 航母編隊識別置信規則庫構建 135
8.3.2 基於多層置信規則庫的推理 137
8.3.3 置信規則庫參數學習 137
8.4 實驗分析 138
8.5 本章小結 139
第9章 基於置信關聯規則的多框架融合目標識別 141
9.1 引言 141
9.2 多框架置信關聯規則挖掘 142
9.2.1 多框架置信資料庫構建 142
9.2.2 多框架置信資料庫下支持度與置信度定義 143
9.2.3 多框架置信資料庫規則挖掘 145
9.3 多框架融合目標識別 147
9.3.1 總體框架 147
9.3.2 框架中各模組的具體實現過程 148
9.3.3 計算複雜度分析 152
9.4 實驗分析 153
9.4.1 問題描述 153
9.4.2 算法實現 154
9.4.3 對比分析 157
9.4.4 參數分析 161
9.4.5 運行時間分析 163
9.5 本章小結 164
第10章 考慮可靠性與重要性的廣義決策融合目標威脅評估 165
10.1 引言 165
10.2 證據的可靠性與重要性定義 166
10.2.1 證據的可靠性定義 166
10.2.2 證據的重要性定義 167
10.3 不確定多屬性決策融合算法分析 169
10.3.1 置信函式框架下的問題表示 169
10.3.2 基於證據推理算法的多屬性決策融合方法 170
10.3.3 基於證據可靠性的原始證據推理算法分析 173
10.3.4 基於證據重要性的修正證據推理算法分析 174
10.3.5 合成公理分析 176
10.4 綜合考慮屬性可靠性與重要性的廣義證據推理算法 178
10.4.1 證據的可靠性–重要性折扣運算 178
10.4.2 廣義證據推理算法 178
10.5 綜合考慮屬性可靠性與重要性的戰略預警系統目標威脅評估 180
10.5.1 問題描述 180
10.5.2 屬性評估量化及可靠度與重要度計算 181
10.5.3 仿真分析 183
10.6 本章小結 186
參考文獻 188
編後記 205
