- 作 者：翟俊海著
- 出 版 社：北京：科学出版社
- 出版年份：2015
- ISBN：9787030440969
- 标注页数：226 页
- PDF页数：236 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源236 ≥226页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第1章 预备知识 1
1.1 分类问题与回归问题 1
1.2 不确定性度量 5
1.2.1 随机变量的不确定性度量 5
1.2.2 认知的模糊性度量 13
1.3 数据约简 17
参考文献 20
第2章 粗糙集及其扩展模型 24
2.1 经典粗糙集模型 25
2.1.1 上近似和下近似 25
2.1.2 粗糙集模型的特征 31
2.1.3 属性约简与核 50
2.1.4 属性约简算法 51
2.2 变精度粗糙集模型 56
2.3 相容粗糙集模型 62
2.4 粗糙模糊集模型 65
2.5 模糊粗糙集模型 80
参考文献 87
第3章 求解分类问题的方法 90
3.1 决策树 90
3.1.1 离散值决策树归纳算法 90
3.1.2 连续值决策树归纳算法 100
3.2 模糊决策树 111
3.2.1 模糊ID3算法 111
3.2.2 基于模糊粗糙集技术的模糊决策树算法 120
3.3 支持向量机 127
3.3.1 线性可分问题的支持向量机 127
3.3.2 近似线性可分问题的支持向量机 131
3.3.3 线性不可分问题的支持向量机 132
3.4 极限学习机 135
3.5 概率神经网络 137
参考文献 140
第4章 样例约简 143
4.1 样例选择准则 143
4.1.1 样例选择的不确定性准则 143
4.1.2 样例选择的期望误差减少准则 144
4.1.3 一致性准则 145
4.2 交叉选择样例算法 147
4.2.1 算法的基本思想 148
4.2.2 交叉选择样例算法 150
4.2.3 实验结果及分析 151
4.3 基于模糊粗糙集技术的压缩模糊K近邻规则 163
4.3.1 基础知识 163
4.3.2 压缩模糊K近邻规则 165
4.3.3 实验结果及分析 169
4.4 概率神经网络样例选择算法 178
参考文献 184
第5章 属性约简 186
5.1 特征提取 186
5.1.1 主成分分析 186
5.1.2 线性判别分析 189
5.2 特征子集评价准则 193
5.2.1 类别可分离性准则 193
5.2.2 不一致性准则 194
5.3 最小相关性最大依赖度属性约简 198
5.3.1 算法的基本思想 199
5.3.2 最小相关性最大依赖度属性约简算法 201
5.3.3 实验结果 201
5.4 模糊属性约简方法 203
5.4.1 相关工作 203
5.4.2 模糊属性约简方法 205
5.4.3 实验结果及分析 213
5.5 极限学习机网络结构选择 214
5.5.1 模型选择准则 215
5.5.2 基于结点敏感性的模型选择 217
5.5.3 实验结果及分析 219
参考文献 224