基于粒计算的数据分析与系统建模

本书建立了统一的基 于粒计算的概念和算法框 架，并将这些概念和算法 用于数据分析和系统建模 ；讨论了粒计算的前沿和 热点问题，如信息粒的编 码与解码、信息粒的表示 和构建、基于信息粒度最 优分配的粒度模糊模型的 建立、基于粒度模型的异 常值检测、基于信息粒的 预测模型设计、模型可解 释性的研究等。本书内容 涵盖了数据挖掘和粒计算 的诸多前沿问题，并且对 所提及的每个数据分析和 建模算法都进行了详尽的 描述和实验。 本书可供数据挖掘领 域的研究人员、学生、IT 业者等参考学习。

第1章 绪论 1.1 引言 1.2 粒计算的发展现状 1.3 本书的研究目的和意义 1.4 本书的主要工作 1.4.1 信息粒编码与解码 1.4.2 基于合理粒度原则创建信息粒描述符与信息粒的性能评估 1.4.3 粒度数据描述：ε-信息粒簇的设计 1.4.4 粒度TS模糊模型的设计与实现：模糊子空间聚类与信息粒度最优分配的结合 1.4.5 非平衡数据集的粒度化欠采样 参考文献 第2章 信息粒和信息粒度 2.1 信息粒和信息粒度 2.2 信息粒的描述以及处理机制 2.2.1 集合 2.2.2 模糊集 2.2.3 阴影集 2.2.4 其他模型 2.3 信息粒度的量化 2.4 高型和高阶的信息粒以及混合信息粒 参考文献 第3章 信息粒的编码与解码 3.1 问题的定义 3.2 粒数据描述和重建 3.3 使用码本表示和重建粒数据 3.3.1 表示机制 3.3.2 重建机制 3.4 码本的优化 3.4.1 优化目标 3.4.2 使用PSO算法对码本进行优化 3.5 实验 3.5.1 一维数据 3.5.2 多维数据 3.6 应用研究：粒模糊网络的解释 3.7 结论 参考文献 第4章 基于合理粒度准则创建信息粒描述符与信息粒的性能评估 4.1 问题描述 4.2 合理粒度准则和粒化-解粒化机制 4.3 信息粒的创建 4.3.1 指导创建信息粒的目标函数 4.3.2 评估信息粒重建能力的目标函数 4.4 使用DE算法对目标函数进行优化 4.5 实验 4.5.1 二维合成数据集 4.5.2 Seeds数据集 4.5.3 ILPD数据集 4.5.4 Wilt数据集 4.6 结论 参考文献