粗糙集分类模型及特征选择算法研究--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

编辑推荐

本书是关于粗糙集理论应用于数据分类的专著，本书的理论模型和算法分析，能够对从事识别、知识发现研究的学者以及爱好科研的朋友有一定的参考价值。

内容简介

本书分析并总结了该领域已有的研究成果，对粗糙集分类模型及特征选择算法展开了深入研究，并取得了一定的研究成果，希望对广大科研工作者有所启发。
本书共分六章。第1章绪论，介绍研究背景和意义，以及粗糙集分类模型及特征选择算法的研究现状。第2章正向宏近似分类模型，针对不完备数据的分类问题，研究并提出了正向宏近似分类模型及其特征选择算法。正向宏近似分类模型把整个决策类集作为一个整体来进行近似计算，从宏观的角度描述了决策类集的上下近似，是一种能够快速求解一系列不同属性子集下系统近似的机制。基于正向宏近似分类模型提出的特征选择算法，采用正向宏近似分类模型快速产生边界，采用边界度量的属性重要度作为启发信息决定最优寻找路径，采用边界评估的约简准则来识别特征子集，明显地提高了计算效率。第3章邻域划分分类模型，针对数值型和符号型数据的分类问题，提出了邻域划分分类模型及其特征选择算法。邻域划分分类模型通过邻域划分来描述分类模型，是对邻域决策粗糙集模型的改进和提升。基于邻域划分分类模型提出的特征选择算法，采用不平衡二叉树模型计算邻域，提高了计算效率；采用邻域正域确定度来评估属性，提高了分类精度。第4章强化一致优势分类模型，针对偏好型数据的分类问题，提出了强化一致优势分类模型及其特征选择算法。强化一致优势分类模型按照强化一致优势原则制定了对象分类策略，具有很强的鲁棒性。基于强化一致优势分类模型提出的特征选择算法采用组合粗糙熵度量属性重要度，综合考虑了偏好决策系统的知识不确定性和目标决策类集的不确定性，能快速找到约简。第5章混合数据分类模型及其在态势评估系统中的应用，针对符号型、数值型、偏好型数据共同描述的分类问题，提出了混合数据分类模型，并运用态势威胁评估分析，设计并实现了面向模型扩展的威胁评估系统。第6章总结与展望，对本书研究内容进行总结并对未来工作进行展望。
本书是关于粗糙集理论应用于数据分类的专著，希望本书的理论模型和算法分析，能够对从事模式识别、知识发现研究的学者以及爱好科研的朋友有一定的参考价值。

作者简介

卢正才，清华大学毕业，工学博士，高级工程师；现任职于泸州职业技术学院。主要研究方向为人工智能和模式识别。

1 绪论
1.1 研究背景和意义
1.2 分类技术研究
1.2.1 决策树方法
1.2.1.1 ID3算法
1.2.1.2 C4.5算法
1.2.1.3 CART算法
1.2.1.4 其他算法
1.2.2 神经网络方法
1.2.3 贝叶斯方法
1.2.3.1 最大后验概率贝叶斯分类模型
1.2.3.2 最大似然比贝叶斯分类模型
1.2.3.3 最小风险贝叶斯分类模型
1.2.4 支持向量机方法
1.2.5 K-最近邻方法
1.2.6 粗糙集方法
1.3 粗糙集理论研究现状
1.3.1 粗糙集分类模型
1.3.1.1 BREM模型
……

粗糙集分类模型及特征选择算法研究

库存： {{selectedSku?.stock}} 库存充足