0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: > 云模型与粒计算

相同语种的商品

浏览历史

云模型与粒计算


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
云模型与粒计算
  • 书号:9787030350640
    作者:王国胤等
  • 外文书名:
  • 装帧:平装
    开本:B5
  • 页数:320
    字数:406000
    语种:zh-Hans
  • 出版社:科学出版社
    出版时间:2012-07-01
  • 所属分类:TP1 自动化基础理论
  • 定价: ¥128.00元
    售价: ¥101.12元
  • 图书介质:
    纸质书 电子书

  • 购买数量: 件  商品库存: 1
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

云模型是研究定性概念与定量数值之间相互转换的不确定性认知模型。粒计算是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法。它覆盖了所有有关粒度的理论、方法和技术,是研究复杂问题求解、海量数据挖掘和模糊信息处理等问题的有力工具。本书介绍云模型与粒计算交叉研究的最新进展,由国内外相关领域的华人学者撰文14章,内容涉及云模型、高斯云的数学性质、云模型与相近概念的关系、区间集、区间值信息系统的粒计算模型与方法、多粒度粗糙集、粒计算模型的特性分析与比较、云计算环境下层次粗糙集模型约简算法、基于粒计算的聚类分析、并行约简与F-粗糙集、单调性分类学习、不确定性研究中若干问题的探讨、基于云模型的文本分类应用、数据挖掘算法的云实现。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    前言
    第1章 双向认知计算模型——云模型 1
    1.1 引言 2
    1.2 正态分布与正态隶属函数 4
    1.3 云模型 6
    1.3.1 云模型的定义 6
    1.3.2 云模型的数字特征 7
    1.3.3 正态云模型的递归定义及其数学性质 8
    1.3.4 云发生器 8
    1.3.5 双向认知计算模型 12
    1.4 本章小结 20
    参考文献 21
    第2章 高斯云的数学性质 23
    2.1 高斯云分布 23
    2.2 高斯云的数学性质 25
    2.2.1 高斯云的数字特征 25
    2.2.2 高斯云的期望曲线 27
    2.2.3 高斯云的雾化特性 28
    2.2.4 高阶高斯云的数字特征 30
    2.3 高斯云的参数对峰度的影响分析 32
    2.4 高斯云的幂律特性实验 35
    2.5 本章小结 39
    参考文献 39
    第3章 云模型与相近概念的关系 40
    3.1 二型Fuzzy集 40
    3.1.1 二型Fuzzy集的定义 40
    3.1.2 二型Fuzzy集的运算 42
    3.1.3 区间值Fuzzy集 44
    3.1.4 Gaussian二型Fuzzy集 46
    3.1.5 二型Fuzzy集的嵌入区间值Fuzzy集 47
    3.1.6 m 型Fuzzy集与Genuine集 49
    3.1.7 区间集与阴影集 50
    3.2 直觉Fuzzy集 52
    3.2.1 直觉Fuzzy集的定义 52
    3.2.2 直觉Fuzzy集的运算 53
    3.2.3 区间值直觉Fuzzy集 53
    3.3 Neumaier云 55
    3.3.1 Neumaier云的定义 55
    3.3.2 离散云 58
    3.3.3 连续云与潜云 58
    3.4 Fuzzy概率集 59
    3.4.1 随机集 59
    3.4.2 Fuzzy概率集 59
    3.4.3 Bifuzzy概率集和区间值概率集 61
    3.5 Soft集 61
    3.5.1 Soft集的定义 61
    3.5.2 Soft集的运算 63
    3.6 云模型 64
    3.6.1 云模型的定义 64
    3.6.2 云模型算法 64
    3.6.3 正态云生成的区间值Fuzzy集 65
    3.7 云集 67
    3.7.1 各类集合的关系 67
    3.7.2 云集 69
    3.8 本章小结 69
    参考文献 70
    第4章 区间集 74
    4.1 引言 74
    4.2 不精确概念及其表示 75
    4.3 区间集 76
    4.3.1 区间集与部分已知概念 76
    4.3.2 区间集与概念近似 77
    4.4 区间集代数 78
    4.4.1 幂代数 78
    4.4.2 区间集运算 78
    4.4.3 基于包含序的区间集代数 80
    4.4.4 基于知识序的区间集代数 81
    4.5 基于不完备信息表的区间集构造方法 81
    4.6 区间集与其他理论的联系 85
    4.6.1 区间集与Kleene三值逻辑 85
    4.6.2 区间集与粗糙集 86
    4.6.3 区间集与三支决策 86
    4.6.4 区间集、模糊集和云模型 87
    4.7 本章小结 87
    参考文献 87
    第5章 区间值信息系统的粒计算模型与方法 94
    5.1 引言 94
    5.2 基础概念 95
    5.2.1 不可分辨关系和近似域 95
    5.2.2 决策系统中的不确定性度量 95
    5.3 区间值决策系统的不确定性度量 96
    5.3.1 区间值的相似关系 96
    5.3.2 相似类和决策类 97
    5.3.3 θ-条件熵 99
    5.3.4 不确定性度量和θ-粗糙决策熵 101
    5.4 实验 103
    5.5 本章小结 107
    参考文献 107
    第6章 多粒度粗糙集 110
    6.1 问题描述 110
    6.2 乐观多粒度粗糙集 112
    6.2.1 Pawlak粗糙集理论 112
    6.2.2 乐观粗糙近似 113
    6.2.3 多粒度粗糙集中的几个度量 122
    6.2.4 特征选择 125
    6.3 悲观多粒度粗糙集 128
    6.3.1 悲观粗糙近似 128
    6.3.2 粗糙成员函数 132
    6.3.3 多粒度粗糙集中的规则 133
    6.4 本章小结 134
    参考文献 135
    第7章 粒计算模型的特性分析与比较 137
    7.1 引言 137
    7.2 不确定性表示方法 141
    7.2.1 隶属度的方法 141
    7.2.2 粗糙集的表示方法 143
    7.2.3 商空间的表示方法 144
    7.3 粒计算表示不确定性方法之间的关系 145
    7.3.1 隶属度函数表示方法与商空间链表示方法的关系 145
    7.3.2 粗糙集的表示方法与商空间链表示方法之间的关系 146
    7.3.3 云模型与二型模糊之间的关系 148
    7.4 问题求解方法的比较 149
    7.5 本章小结 153
    参考文献 154
    第8章 云计算环境下层次粗糙集模型约简算法 156
    8.1 层次粗糙集模型 157
    8.1.1 引言 157
    8.1.2 概念层次 158
    8.1.3 基于云模型的概念提取及概念提升 159
    8.1.4 层次粗糙集模型 162
    8.2 云计算技术 167
    8.2.1 云计算介绍 167
    8.2.2 MapReduce技术 167
    8.3 云计算环境下层次粗糙集模型约简算法 168
    8.3.1 云计算环境下知识约简算法中的并行性分析 168
    8.3.2 云计算环境下计算层次编码决策表算法 169
    8.3.3 云计算环境下层次粗糙集模型约简算法的研究 170
    8.4 实验与分析 174
    8.4.1 理论分析 174
    8.4.2 实验结果 175
    8.4.3 实验分析 175
    8.5 本章小结 178
    参考文献 178
    第9章 基于粒计算的聚类分析 182
    9.1 引言 182
    9.2 粒度计算与聚类分析的关系 183
    9.3 粒聚类的基本方法 186
    9.3.1 模糊聚类分析 186
    9.3.2 粗糙集聚类分析 188
    9.3.3 商空间聚类分析 189
    9.4 基于融合的粒度模型的聚类分析 189
    9.4.1 模糊集与粗糙集的结合 190
    9.4.2 模糊商空间 191
    9.5 多粒度聚类若干问题的研究 192
    9.5.1 多粒度聚类中粒子的转换问题 192
    9.5.2 约简集粒度的精准性 196
    9.5.3 多粒度快速聚类算法 197
    9.6 基于多粒度聚类的问题求解应用举例:粗糙RBF神经网络的学习算法 201
    9.6.1 粗糙RBF神经网络的学习算法 201
    9.6.2 粗糙RBF神经网络的可用性与可靠性实验 202
    9.7 本章小结 205
    参考文献 206
    第10章 并行约简与F-粗糙集 210
    10.1 粗糙集基本知识 212
    10.2 F-粗糙集 214
    10.3 并行约简定义与性质 216
    10.4 并行约简算法 217
    10.4.1 基于属性重要度矩阵的并行约简算法 218
    10.4.2 基于属性重要度矩阵的并行约简算法的优化 220
    10.4.3 基于F-属性重要度的并行约简算法 220
    10.4.4 (F,ε)-并行约简 222
    10.5 决策系统的分解 223
    10.6 本章小结 226
    参考文献 227
    第11章 单调性分类学习 229
    11.1 引言 229
    11.2 基于优势关系粗糙集的单调性分类分析 230
    11.3 基于模糊偏好粗糙集的单调性分类分析 232
    11.4 基于排序熵模型的单调性分类分析 239
    11.4.1 Shannon信息熵 240
    11.4.2 有序信息熵 240
    11.5 基于排序熵的单调性决策树 244
    11.5.1 程序描述 246
    11.5.2 性质研究 248
    11.5.3 在人工数据上的实验 250
    11.6 本章小结 252
    参考文献 252
    第12章 不确定性研究中若干问题的探讨 254
    12.1 隶属度的不确定性问题 254
    12.2 运算法则的不确定性问题 256
    12.3 模糊运算与逻辑运算问题 260
    12.3.1 模糊运算 260
    12.3.2 逻辑运算 262
    12.4 排序的不确定性问题 265
    12.5 截集水平的不确定性问题 268
    12.6 Fuzzy集合的互补律问题 268
    12.7 集合的统一问题 269
    12.8 本章小结 270
    参考文献 270
    第13章 基于云模型的文本分类应用 273
    13.1 云模型在文本挖掘中的理论扩充 273
    13.1.1 基于VSM模型的文本知识表示 273
    13.1.2 基于信息表的文本知识表示 274
    13.1.3 基于云模型的文本信息表转换 275
    13.1.4 基于云相似度的文本相似度量 276
    13.2 文本分类及其常用方法 278
    13.2.1 文本分类概述 278
    13.2.2 文本分类常用方法 279
    13.2.3 性能分析 282
    13.2.4 文本分类模型的评估 283
    13.3 基于云模型与粒计算的文本分类 285
    13.3.1 虚拟泛概念树及概念跃升 285
    13.3.2 基于云模型的文本特征自动提取算法 287
    13.3.3 基于云概念跃升的文本分类 297
    13.4 本章小结 300
    参考文献 301
    第14章 数据挖掘算法的云实现 303
    14.1 在云上实现数据挖掘算法的技术背景 303
    14.2 现有基于云计算的数据挖掘平台 304
    14.2.1 “大云”系统 304
    14.2.2 Mahout开源项目 304
    14.2.3 电子科技大学与华为公司合作的云挖掘项目 305
    14.3 经典数据挖掘算法的MapReduce实现思路 305
    14.4 经典数据挖掘算法在Hadoop平台的实现范例 307
    14.4.1 协同过滤算法在Hadoop平台的实现 307
    14.4.2 朴素贝叶斯算法在Hadoop平台的实现 312
    14.5 云挖掘技术的展望 318
    14.5.1 针对Web信息的云挖掘 318
    14.5.2 针对图结构的云挖掘 319
    14.5.3 针对声音与视频等多媒体信息的云挖掘 319
    参考文献 319
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证