123,123,123

內(nèi)容簡(jiǎn)介

　　《近鄰分類方法及其應(yīng)用（上冊(cè)）》是福建師范大學(xué)數(shù)據(jù)挖掘與網(wǎng)絡(luò)內(nèi)容安全實(shí)驗(yàn)室開(kāi)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(tuán)隊(duì)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(xué)習(xí)、多代表點(diǎn)學(xué)習(xí)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(cè)、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(shū)將有關(guān)研究成果集結(jié)成冊(cè)，以饗讀者。

作者簡(jiǎn)介

　　郭躬德，1965年3月生。2004年畢業(yè)于University of Uister（英），獲理學(xué)博士學(xué)位?，F(xiàn)為福建師范大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院教授，博士生導(dǎo)師，從事機(jī)器學(xué)習(xí)及數(shù)據(jù)挖掘，模式識(shí)別與人工智能等領(lǐng)域理論與應(yīng)用技術(shù)的研究。

圖書(shū)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(xiàn)
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(jiǎn)化與分類
2.3 模糊k近鄰模型算法在可預(yù)測(cè)毒物學(xué)上的應(yīng)尉
2.4 最近鄰分類的多代表點(diǎn)學(xué)習(xí)算法
2.5 改進(jìn)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(xiàn)
第3章近鄰模型的增量學(xué)習(xí)方法及其應(yīng)用
3.1 基于kNN模型的增量學(xué)習(xí)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(cè)架構(gòu)
3.4 基于kNN模型的層次糾錯(cuò)輸出編碼算法
參考文獻(xiàn)
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(wèn)題的方法
4.2 基于混合模型的數(shù)據(jù)流概念漂移檢測(cè)
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(biāo)簽的概念漂移檢測(cè)算法
4.6 半監(jiān)督層次糾錯(cuò)輸出編碼算法
參考文獻(xiàn)
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(diǎn)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(fù)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(cè)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(xiàn)
第6章近鄰方法的擴(kuò)展及其應(yīng)用
6.1 基于空間覆蓋的相似性度量及其對(duì)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(duì)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(xiàn)