複雜不完備數據智慧型分析方法

《複雜不完備數據智慧型分析方法》是科學出版社出版的圖書。

出版信息,內容簡介,圖書目錄,

出版信息

複雜不完備數據智慧型分析方法
  • 書號:9787030701831作者:鄂旭等
  • 外文書名:
  • 叢書名:
  • 裝幀:平裝開本:B5
  • 頁數:213字數:282000語種:zh-Hans
  • 出版社:科學出版社出版時間:2022-04-01

內容簡介

本書系統地介紹了複雜不完備系統的數據分析與處理方法。主要內容有:複雜不確定性系統的概述、不完備數據的填補、連續屬性的離散化、冗餘屬性的約簡、規則的提取及聚類分析等數據分析與處理方法。

圖書目錄

前言
第1章 複雜不確定性系統概述 1
1.1 複雜不確定系統描述 1
1.2 數據挖掘 3
1.2.1 資料庫知識發現概述 3
1.2.2 數據挖掘概述 4
1.3 複雜不確定性系統數據分析方法 4
1.3.1 機率統計方法 5
1.3.2 模糊數學方法 5
1.3.3 人工神經網路方法 6
1.3.4 其他數據分析方法 6
1.4 基於粗糙集的複雜不確定數據分析 6
1.4.1 粗糙集理論與知識發現 6
1.4.2 粗糙集理論的特徵 7
1.4.3 粗糙集理論的基本概念 7
1.4.4 粗糙集理論處理複雜不確定數據的主要思想 13
1.5 聚類知識發現 13
1.5.1 聚類知識發現的基本原理 14
1.5.2 聚類知識發現的主要方法 14
1.5.3 聚類知識發現的研究方向 21
第2章 不完備數據填補方法 23
2.1 不完備數據產生的原因及分類 23
2.1.1 不完備數據的概念 23
2.1.2 不完備數據產生的原因 23
2.1.3 不完備數據的特點及分類機制 24
2.2 不完備數據填補方法描述 26
2.2.1 不完備數據填補方法概述 26
2.2.2 不完備數據填補準則 27
2.2.3 不完備數據處理方法 28
2.3 基於斷點的不完備數據填補算法 36
2.3.1 FUIDBP算法概述 36
2.3.2 FUIDBP算法同傳統算法比較 43
2.4 一種基於新型關係矩陣的數據填補方法 45
2.4.1 傳統粗糙集填補不完備數據方法的缺陷 45
2.4.2 新型關係矩陣概念 46
2.4.3 新型關係矩陣特點 48
2.4.4 新型關係矩陣數據填補方法描述 48
2.4.5 實驗驗證與分析 51
第3章 連續屬性離散化 57
3.1 基於超立方體和信息熵的連續屬性離散化算法 57
3.1.1 連續屬性離散化問題 57
3.1.2 DCASCE算法的思想及理論基礎 59
3.1.3 DCASCE算法描述 66
3.1.4 DCASCE算法套用實例 67
3.1.5 DCASCE算法同其他離散化算法的比較 70
3.1.6 DCASCE算法複雜度分析 71
3.2 基於粗糙集的區間型離散化算法 72
3.2.1 離散化問題描述 72
3.2.2 區間值屬性離散化步驟 73
3.3 基於粗糙熵的區間型數據離散化算法 73
3.3.1 算法相關定義 73
3.3.2 離散化算法描述 75
3.4 一種新的區間型數據離散化算法 78
3.4.1 區間數相似度及其性質 78
3.4.2 粗糙集及其離散化描述 79
3.4.3 離散化算法描述 80
3.4.4 算法分析改進 81
3.4.5 算法實例 82
3.4.6 實驗結果和分析 84
3.5 Naive Scaler改進算法 87
3.5.1 Naive Scaler算法及說明 88
3.5.2 改進的Naive Scaler算法描述 91
第4章 屬性約簡 94
4.1 基於信息量不完備信息系統的屬性約簡算法 94
4.1.1 容差關係及性質 94
4.1.2 相容類的計算方法 95
4.1.3 不完備信息系統信息量、屬性重要性及正域 96
4.1.4 信息量屬性約簡理論 97
4.1.5 屬性約簡算法設計和實現過程 98
4.1.6 屬性約簡的增量式問題 100
4.1.7 系統實驗 102
4.1.8 屬性約簡在銀行信貸風險管理方面的簡單套用 103
4.2 基於粗糙度屬性約簡算法的研究 105
4.2.1 理論基礎 105
4.2.2 算法描述 106
4.2.3 實例分析 107
4.2.4 屬性約簡算法的複雜度分析 110
4.2.5 實驗結果與分析 111
4.3 不確定信息系統中基於粒細度的屬性約簡 111
4.3.1 傳統信息系統中求屬性約簡的缺陷 111
4.3.2 信息粒和粒計算 112
4.3.3 知識粒度的原理 113
4.3.4 新的粒度空間中知識粒度及其屬性重要性度量 114
4.3.5 不確定信息系統的粒度屬性約簡算法描述 117
4.3.6 程式實現 121
4.4 基於不相容信息系統粒細度屬性約簡算法的改進 122
4.4.1 知識粒度屬性重要性度量 122
4.4.2 基於粒細度的屬性約簡算法改進 123
4.4.3 實例驗證 124
4.4.4 程式實現及算法分析對比 127
4.5 變精度屬性約簡算法 131
4.5.1 變精度粗糙集理論基本概念 132
4.5.2 基於變精度粗糙集模型的約簡特徵分析 134
4.5.3 變精度粗糙集模型約簡研究 141
4.6 基於變精度粗糙集模型的屬性約簡 150
4.6.1 幾種β約簡方法 150
4.6.2 幾種約簡之間的關係 151
4.6.3 β分布約簡的可辨識矩陣 151
4.6.4 實例分析 153
4.7 基於容差關係相似矩陣的折半啟發式屬性約簡算法 155
4.7.1 容差關係相似矩陣及屬性重要性 155
4.7.2 不完備信息系統折半啟發式約簡理論 157
4.7.3 算法設計和實現過程 158
4.7.4 程式實現 162
第5章 規則提取 164
5.1 具有不確定屬性值的決策規則提取算法 164
5.1.1 基於掃描向量的屬性約簡算法 164
5.1.2 RASV算法的相關定理 166
5.1.3 RASV算法的描述 168
5.1.4 RASV算法實例 169
5.1.5 RASV算法同其他屬性約簡算法的比較 171
5.2 基於屬性值重要性和掃描向量的規則提取算法 172
5.2.1 REIAVSV算法的研究背景 172
5.2.2 REIAVSV算法的相關概念 174
5.2.3 REIAVSV算法的描述 174
5.2.4 REIAVSV算法套用實例 175
5.3 基於決策樹的規則提取新算法 177
5.3.1 決策樹的描述 177
5.3.2 條件信息熵及其變體的說明 178
5.3.3 粗糙集與決策樹的分析 179
5.3.4 決策樹新的屬性重要性說明 179
5.3.5 算法描述及實例分析 182
第6章 聚類知識發現 186
6.1 基於掃描向量和區間值的聚類算法 186
6.1.1 CBSVIV算法的提出 186
6.1.2 CBSVIV算法的核心思想 187
6.1.3 CBSVIV算法的描述 188
6.1.4 數值實例 193
6.2 基於數據對的聚類算法 194
6.2.1 基於數據對的聚類問題 194
6.2.2 CBDP算法的思想 196
6.2.3 CBDP算法描述 196
6.2.4 CBDP算法實例 200
第7章 套用實例 201
7.1 電信客戶市場區隔問題分析 201
7.2 客戶市場區隔的實現 202
7.2.1 基本數據結構 202
7.2.2 數據預處理 203
7.2.3 客戶市場區隔 208
參考文獻 212

相關詞條

熱門詞條

聯絡我們