近鄰分類方法及其應(yīng)用（上冊）

定　價：￥26.00

作　者：	郭躬德，陳黎飛，李南著
出版社：	廈門大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787561548561	出版時間：	2014-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	147	字數(shù)：

內(nèi)容簡介

　　《近鄰分類方法及其應(yīng)用（上冊）》是福建師范大學數(shù)據(jù)挖掘與網(wǎng)絡(luò)內(nèi)容安全實驗室開展近鄰分類理論方法與應(yīng)用方面的系統(tǒng)研究，所取得的成果匯編。在理論方法方面，研究團隊提出了基于近鄰思想的相似性度量新方法并將之推廣到類屬型數(shù)據(jù)，提出了增量學習、多代表點學習和子空間近鄰分類等新方法；應(yīng)用研究涵蓋了毒性物質(zhì)預(yù)測、特征選擇、文本分類以及數(shù)據(jù)流分類等近鄰分類的新應(yīng)用領(lǐng)域。本書將有關(guān)研究成果集結(jié)成冊，以饗讀者。

作者簡介

　　郭躬德，1965年3月生。2004年畢業(yè)于University of Uister（英），獲理學博士學位?，F(xiàn)為福建師范大學數(shù)學與計算機科學學院教授，博士生導師，從事機器學習及數(shù)據(jù)挖掘，模式識別與人工智能等領(lǐng)域理論與應(yīng)用技術(shù)的研究。

圖書目錄

第1章近鄰分類方法及其演變
1.1 分類概念、算法
1.2 經(jīng)典的近鄰分類方法及其演變
參考文獻
第2章近鄰模型系列方法及其應(yīng)用
2.1 近鄰模型分類算法
2.2 基于權(quán)重k近鄰模型的數(shù)據(jù)簡化與分類
2.3 模糊k近鄰模型算法在可預(yù)測毒物學上的應(yīng)尉
2.4 最近鄰分類的多代表點學習算法
2.5 改進的忌近鄰模型方法在文本分類中的應(yīng)用
2.6 部分模糊聚類的最近鄰分類方法
參考文獻
第3章近鄰模型的增量學習方法及其應(yīng)用
3.1 基于kNN模型的增量學習算法
3.2 增量kNN模型的修剪策略研究
3.3 基于增量kNN模型的分布式入侵檢測架構(gòu)
3.4 基于kNN模型的層次糾錯輸出編碼算法
參考文獻
第4章概念漂移數(shù)據(jù)流分類方法及其應(yīng)用
4.1 IKnnM-DHecoc：一種解決概念漂移問題的方法
4.2 基于混合模型的數(shù)據(jù)流概念漂移檢測
4.3 面向高速數(shù)據(jù)流的集成分類器算法
4.4 一種適應(yīng)概念漂移數(shù)據(jù)流的分類算法
4.5 基于少量類標簽的概念漂移檢測算法
4.6 半監(jiān)督層次糾錯輸出編碼算法
參考文獻
第5章子空間近鄰分類方法及其應(yīng)用
5.1 類依賴投影的文本分類方法
5.2 多代表點的子空間分類算法
5.3 基于投影原型的文本分類方法
5.4 復雜數(shù)據(jù)的最優(yōu)子空間分類方法
5.5 基于特征子空間的概念漂移檢測算法
5.6 基于子空間集成的概念漂移數(shù)據(jù)流分類算法
參考文獻
第6章近鄰方法的擴展及其應(yīng)用
6.1 基于空間覆蓋的相似性度量及其對應(yīng)的分類算法
6.2 基于空間覆蓋的相似性度量的特征選擇算法
6.3 基于空間覆蓋的相似性度量的層次聚類算法
6.4 基于類別子空間距離加權(quán)的互k近鄰算法
6.5 針對類屬性數(shù)據(jù)加權(quán)的MKnn算法
6.6 屬性加權(quán)的類屬數(shù)據(jù)近鄰分類
參考文獻