三支決策與大數(shù)據(jù)分析

目錄
序
前言
理論篇
第1章 三支決策概述：從粗糙集到粒計算 3
1.1 引言 3
1.2 三支決策基本模型與框架 5
1.3 三支決策、粗糙集與決策粗糙集 7
1.4 三支決策的粒計算方法 10
1.5 三支決策的粒計算框架模型 13
1.6 本章小結(jié) 14
參考文獻 15
第2章 三支決策的時空性模型 18
2.1 引言 18
2.2 三支決策模型與基本概念20
2.3 基于時間維度三支決策模型 22
2.4 基于空間維度三支決策模型 25
2.5 三支決策的時空性研究方法 29
2.6 本章小結(jié) 32
參考文獻 32
第3章 基于樣本相似度的三支屬性約簡方法 36
3.1 引言 36
3.2 基于類內(nèi)相似度和類間相似度的屬性約簡 38
3.2.1 類內(nèi)相似度 38
3.2.2 類間相似度 39
3.2.3 屬性約簡定義 41
3.3 啟發(fā)式約簡算法 43
3.4 實驗 44
3.4.1 約簡對比實驗 44
3.4.2 分布對比實驗 48
3.4.3 系數(shù)對比實驗 52
3.5 本章小結(jié) 52
參考文獻 53
第4章 基于決策粗糙集模型的多目標屬性約簡 55
4.1 引言 55
4.2 多目標屬性約簡 57
4.2.1 約簡定義 57
4.2.2 多目標優(yōu)化屬性約簡方法 58
4.2.3 基于集成學(xué)習(xí)的多目標屬性約簡方法 60
4.3 實驗 63
4.3.1 實驗數(shù)據(jù)集 63
4.3.2 評價標準 64
4.3.3 實驗設(shè)置 65
4.3.4 實驗結(jié)果 65
4.4 本章小結(jié) 71
參考文獻 71
第5章 基于不完備信息系統(tǒng)的三支決策方法 74
5.1 引言 74
5.2 相關(guān)概念 76
5.2.1 三支決策與粗糙集理論 76
5.2.2 決策粗糙集理論 77
5.3 不完備信息系統(tǒng)下的三支決策方法 80
5.3.1 不完備信息系統(tǒng)與相似關(guān)系 80
5.3.2 基于三支決策的不完備信息系統(tǒng) 82
5.3.3 不完備信息系統(tǒng)下的三支決策理論模型 84
5.3.4 不完備信息系統(tǒng)下的三支決策算法設(shè)計 87
5.4 案例分析 88
5.5 本章小結(jié) 97
參考文獻 98
第6章 直覺模糊信息下的三支決策理論與方法 100
6.1 引言 100
6.2 直覺模糊集和三支決策知識 102
6.2.1 直覺模糊集相關(guān)知識 102
6.2.2 三支決策知識 103
6.3 直覺模糊粗糙近似的構(gòu)造 104
6.3.1 直覺模糊數(shù)的相似測度 104
6.3.2 新直覺模糊相似度 109
6.3.3 直覺模糊目標概念的(α， β) - 下、上近似集 112
6.4 基于多風(fēng)險偏好直覺模糊決策粗糙集的三支決策 113
6.4.1 多風(fēng)險偏好信息下的直覺模糊決策粗糙集模型 113
6.4.2 基于多風(fēng)險偏好直覺模糊決策粗糙集的三支決策 116
6.4.3 算例與比較分析 116
6.5 直覺模糊環(huán)境下基于決策粗糙集等價模型的三支決策 120
6.5.1 經(jīng)典決策粗糙集等價模型的構(gòu)建 121
6.5.2 KKT條件 121
6.5.3 模型等價性的驗證 122
6.5.4 直覺模糊環(huán)境下基于決策粗糙集等價模型的三支決策概率閾值確定 125
6.5.5 直覺模糊環(huán)境下基于決策粗糙集等價模型的三支決策 128
6.5.6 算例與比較分析 130
6.6 本章小結(jié) 134
參考文獻 135
算法篇
第7章 三支聚類算法研究 141
7.1 三支聚類表示 141
7.2 三支聚類模型 143
7.2.1 理論模型框架 143
7.2.2 基于概率的評估函數(shù) 144
7.2.3 三支閾值自動確定 145
7.3 三支聚類算法 151
7.3.1 面向多視圖數(shù)據(jù)的三支主動學(xué)習(xí)算法 151
7.3.2 面向大規(guī)模數(shù)據(jù)的三支聚類集成算法 157
7.3.3 面向混合屬性數(shù)據(jù)的三支聚類算法 163
7.4 本章小結(jié) 170
參考文獻 171
第8章 三支社區(qū)分類算法研究 173
8.1 引言 173
8.2 相關(guān)知識 175
8.2.1 相關(guān)定義 175
8.2.2 三支社區(qū)表示 176
8.2.3 社區(qū)結(jié)構(gòu)的評價指標 177
8.3 基于三支決策的重疊社區(qū)發(fā)現(xiàn)算法 178
8.3.1 算法描述 179
8.3.2 算法步驟 179
8.3.3 實驗分析 183
8.4 基于三支決策的重疊社區(qū)演化算法 196
8.4.1 演化事件定義 196
8.4.2 算法框架 198
8.4.3 算法描述 198
8.4.4 可視化結(jié)果 199
8.5 本章小結(jié) 204
參考文獻 204
第9章 三支主動學(xué)習(xí)方法 206
9.1 引言 206
9.2 問題定義 206
9.2.1 數(shù)據(jù)模型 207
9.2.2 具體描述問題定義 208
9.3 計算模型 209
9.3.1 標簽均勻分布模型 209
9.3.2 沖突解決模型 212
9.4 算法描述 215
9.4.1 ALEC 215
9.4.2 ALRC 217
9.4.3 CADU 218
9.5 實驗 220
9.5.1 ALEC算法實驗結(jié)果 220
9.5.2 ALRC算法實驗結(jié)果 228
9.5.3 CADU算法實驗結(jié)果 232
9.6 本章小結(jié) 236
參考文獻 236
第10章 三支代價敏感屬性選擇方法 239
10.1 引言 239
10.2 屬性選擇定義 240
10.2.1 屬性(集)評價 240
10.2.2 屬性選擇 243
10.2.3 代價結(jié)構(gòu) 244
10.3 代價敏感屬性選擇計算模型 246
10.3.1 經(jīng)典粗糙集計算模型 246
10.3.2 可辨識矩陣計算模型 247
10.3.3 三支決策(粒)計算模型 248
10.4 算法設(shè)計 252
10.4.1 減法策略算法描述 252
10.4.2 加法策略算法描述 254
10.4.3 算法時間復(fù)雜度分析 254
10.5 實驗分析 255
10.5.1 數(shù)據(jù)集 255
10.5.2 實驗設(shè)計 256
10.5.3 實驗結(jié)果分析 256
10.6 本章小結(jié) 259
參考文獻 260
第11章 基于三支決策粗糙集模型的多類代價敏感學(xué)習(xí) 262
11.1 引言 262
11.2 多類三支決策理論模型 264
11.2.1 代價函數(shù) 264
11.2.2 模型 266
11.2.3 性質(zhì) 268
11.2.4 算法 269
11.3 多類三支決策理論模型 270
11.4 實驗 273
11.4.1 實驗數(shù)據(jù)集 273
11.4.2 實驗方法 274
11.4.3 實驗結(jié)果 275
11.4.4 參數(shù)影響 276
11.4.5 討論 277
11.5 本章小結(jié) 278
參考文獻 278
應(yīng)用篇
第12章 三支推薦方法及其應(yīng)用 283
12.1 引言 283
12.2 協(xié)同過濾推薦問題定義 284
12.2.1 基于鄰居的協(xié)同過濾推薦 284
12.2.2 粒計算和三支決策 285
12.3 基于回歸的二元推薦 285
12.3.1 回歸推薦問題定義 286
12.3.2 基于回歸的算法 287
12.3.3 運行示例#1 289
12.4 誤分類代價小化推薦 290
12.4.1 代價敏感推薦問題定義 291
12.4.2 誤分類代價小化算法 291
12.4.3 運行示例#2 292
12.5 三支決策推薦 292
12.5.1 三支推薦問題定義 292
12.5.2 三支推薦框架 294
12.5.3 三支推薦算法 295
12.5.4 運行示例#3 297
12.6 實驗 298
12.6.1 數(shù)據(jù)集 298
12.6.2 實驗設(shè)計 299
12.6.3 結(jié)果 299
12.7 本章小結(jié) 305
參考文獻 305
第13章 三支圖像識別方法及其應(yīng)用 308
13.1 引言 308
13.2 三支決策及深度神經(jīng)網(wǎng)絡(luò) 310
13.3 基于DNN的序貫粒度特征提取方法 312
13.4 基于粒度特征的代價敏感序貫三支決策 314
13.5 實驗分析與驗證 316
13.5.1 數(shù)據(jù)庫介紹及實驗設(shè)置 316
13.5.2 基于DNN粒度特征的人臉圖像 317
13.5.3 誤分類代價、總代價和誤差分析 318
13.6 本章小結(jié) 319
參考文獻 320
第14章 三支自編碼器方法及其應(yīng)用 324
14.1 引言 324
14.2 相關(guān)工作 326
14.3 多粒度特征函數(shù) 327
14.3.1 多粒度自動編碼器 327
14.3.2 基于受限玻爾茲曼機的多粒度特征 329
14.4 基于自動編碼器的序貫三支決策模型 330
14.4.1 序貫決策 331
14.4.2 三支決策 332
14.5 實驗與結(jié)果分析 334
14.5.1 基于RBM網(wǎng)絡(luò)的重構(gòu)誤差分析 335
14.5.2 基于RBM網(wǎng)絡(luò)的代價誤差分析 337
14.5.3 基于全連接的網(wǎng)絡(luò)的人臉識別分析 339
14.6 本章小結(jié) 340
參考文獻 341
第15章 三支工業(yè)大數(shù)據(jù)應(yīng)用 345
15.1 引言 345
15.2 三支過熱度預(yù)測 347
15.2.1 鋁電解過程中的過熱度 347
15.2.2 鋁電解過熱度預(yù)測模型 348
15.2.3 規(guī)則的提取與存儲 349
15.2.4 規(guī)則的增量式更新方法 351
15.2.5 實驗分析 353
15.3 分層組織機構(gòu)成員評價 355
15.3.1 三分類多粒度評價模型 356
15.3.2 實驗分析 365
15.4 本章小結(jié) 370
參考文獻 370
彩圖