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: 图书分类 > 自然科学总论 > 总论 > 智能聚类分析方法及其应用

相同语种的商品

销售排行榜

浏览历史

智能聚类分析方法及其应用


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
智能聚类分析方法及其应用
  • 书号：9787030502261
    作者：李川,姚行艳,蔡乐才
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：
    字数：
    语种：zh-Hans
  • 出版社：
    出版时间：
  • 所属分类：总论
  • 定价： ￥58.00元
    售价： ￥45.82元
  • 图书介质:
    按需印刷

  • 购买数量： 件  可供
  • 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

本书主要论述了智能聚类分析的相关理论、方法和典型应用。内容由浅入深，涵盖智能聚类分析的基本概念、基本理论和主要聚类算法，并从基于信息熵粗糙集理论、信息熵自适应并行免疫遗传算法、向量空间模型、有偏观测模糊C均值等视角系统阐述了智能聚类分析方法及其典型应用。
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 绪论1
    1.1引言1
    1.2聚类分析的研究进展3
    1.2.1聚类分析的基本方法3
    1.2.2聚类分析的典型应用5
    1.2.3聚类分析方法面临的挑战7
    13用于聚类分析的智能算法8
    1.4遗传算法的发展10
    1.5免疫算法的发展14
    1.5.1生物免疫系统14
    1.5.2人工免疫系统16
    1.5.3免疫遗传算法20
    16粗糙集理论的发展21
    1.7本章小结23
    参考文献23
    第2章 智能聚类分析的基本方法29
    2.1智能聚类分析与数据挖掘的关系29
    2.2智能聚类分析与分类的关系31
    2.3智能聚类分析的过程及典型要求33
    2.3.1聚类分析的基本过程33
    2.3.2聚类分析的典型要求36
    2.4主要聚类算法及比较37
    2.4.1聚类算法评价准则37
    2.4.2常见的距离函数38
    2.4.3聚类分析中的聚类准则函数38
    2.4.4主要聚类算法分析及比较40
    2.5聚类效果的评估46
    2.5.1评估的难点46
    2.5.2常用的评估方法47
    2.6智能聚类分析方法的研究热点49
    2.7本章小结51
    参考文献51
    第3章 基于信息熵粗糙集理论的智能聚类分析算法55
    3.1粗糙集理论基础55
    3.1.1知识表达系统与决策系统55
    3.1.2知识的依赖性57
    3.1.3约简与核58
    3.1.4知识的重要性59
    3.1.5属性约简与规则约简60
    3.2基于粗糙熵的智能聚类分析属性约简61
    3.2.1粗糙熵61
    3.2.2基于粗糙熵的智能聚类属性约简算法63
    3.2.3实验验证65
    3.3改进的属性约简算法在智能聚类分析中的应用67
    3.4本章小结69
    叁考文献69
    第4章 基于信息熵自适应并行免疫遗传算法的智能聚类分析及其应用72
    4.1遗传算法基础72
    4.1.1基本遗传算法基本概念72
    4.1.2遗传算法的实现流程73
    4.2遗传算法的关键实现技术75
    4.2.1遗传编码75
    4.2.2初始种群的设定77
    4.2.3适应度函数及尺度变换77
    4.2.4遗传算子80
    4.2.5遗传算法的特点85
    4.2.6遗传算法的不足86
    4.3改进的免疫遗传算法87
    4.3.1生物免疫系统87
    4.3.2免疫遗传算法基本原理88
    4.3.3改进的免疫遗传算法90
    4.3.4实验验证97
    4.4 K均值聚类算法存在的问题IOO
    4.5基于信息熵自适应并行免疫遗传算法(IPAICKA)的智能聚类分析102
    4.5.1 IPAIGKA算法的基本思想102
    4.5.2基于信息熵的自适应并行免疫遗传算法的K均值聚类算法103
    4.6文本聚类分析应用104
    4.6.1比较测试实验一105
    4.6.2比较测试实验二106
    4.7本章小结108
    参考文献108
    第5章 基于向量空间模型的智能聚类分析算法及其应用111
    5.1信息检索111
    5.2向量空间模型112
    5.3蚁群算法的基本原理113
    5.4向量空间模型的基本原理115
    5.5基于路径相似度的蚁群算法117
    5.5.1路径相似度118
    5.5.2基于路径相似度的“信息素”更新规则120
    5.6基于路径相似度的蚁群遗传算法120
    5.7本章小结121
    参考文献121
    第6章 基于有偏观测模糊C均值智能聚类分析算法及其应用123
    6.1模糊C均值智能聚类分析算法123
    6.2基于有偏观测模糊C均值智能聚类分析算法124
    6.3智能聚类分析在轴承故障诊断中的应用126
    6.3.1实验装置127
    6.3.2特征计算128
    6.3.3基于熵的特征选择130
    6.4实验测试结果131
    6.4.1特征选择结果131
    6.4.2故障识别结果132
    6.4.3多故障分类133
    6.5本章小结134
    参考文献134
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

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com