成功加入购物车

去购物车结算 X
徐小智的书店
  • 区间概念格及其应用

区间概念格及其应用

举报

全新正版 极速发货 可开发票

  • 作者: 
  • 出版社:    科学出版社
  • ISBN:    9787030525727
  • 出版时间: 
  • 装帧:    平装
  • 开本:    其他
  • ISBN:  9787030525727
  • 出版时间: 
  • 装帧:  平装
  • 开本:  其他

售价 36.41 6.2折

定价 ¥59.00 

品相 全新

优惠 满包邮

优惠 满减券
    运费
    本店暂时无法向该地区发货

    延迟发货说明

    时间:
    说明:

    上书时间2024-04-23

    数量
    库存2
    微信扫描下方二维码
    微信扫描打开成功后,点击右上角”...“进行转发

    卖家超过10天未登录

    • 商品详情
    • 店铺评价
    手机购买
    微信扫码访问
    • 商品分类:
      综合性图书
      货号:
      1201517600
      商品描述:
      目录
      前言
      第1章 绪论
      1.1 研究背景及目的意义
      1.1.1 研究意义
      1.1.2 国内外研究现状分析
      1.2 经典概念格
      1.2.1 概念格的基本概念
      1.2.2 概念格的结构特征
      1.3 扩展概念格
      1.3.1 加权概念格
      1.3.2 随机概念格
      1.3.3 模糊概念格
      1.3.4 粗糙概念格
      1.3.5 区间值属性概念格
      1.3.6 P—概念格
      1.3.7 几种概念格的比较研究
      1.4 关联规则挖掘
      1.4.1 经典关联规则理论
      1.4.2 基于概念格的关联规则挖掘
      1.5 本章小结
      第2章 区间概念格的结构与性质
      2.1 区间概念格的提出
      2.2 区间概念格的定义及其结构
      2.2.1 区间概念格的定义
      2.2.2 区间概念的度量
      2.3 区间概念格的性质
      2.4 决策区间概念格
      2.4.1 基本概念
      2.4.2 决策区间规则
      2.5 本章小结
      第3章 区间概念格的构造算法与实现
      3.1 问题的提出
      3.2 概念格的构造算法
      3.2.1 批处理构造算法
      3.2.2 渐进式构造算法
      3.2.3 粗糙概念格的分层建格算法
      3.2.4 基于属性链表的概念格渐进式构造算法
      3.3 基于属性集合幂集的区间概念抽取
      3.3.1 属性集合幂集
      3.3.2 区间概念抽取
      3.3.3 基于属性集合幂集的区间概念抽取方法
      3.4 基于属性集合幂集的建格算法
      3.4.1 算法思想
      3.4.2 算法设计
      3.4.3 算法分析
      3.5 实例验证
      3.6 本章小结
      第4章 区间概念格的动态压缩
      4.1 问题的提出
      4.2 概念格的属性约简
      4.2.1 基于可辨识属性矩阵的属性约简
      4.2.2 基于区分函数的属性约简
      4.2.3 基于概念格同构下的属性约简
      4.3 基于覆盖的区间概念格动态压缩
      4.3.1 动态压缩原理
      4.3.2 动态压缩算法模型
      4.3.3 实例验证
      4.4 本章小结
      第5章 区间概念格的动态维护
      5.1 问题的提出
      5.2 概念格维护方法
      5.2.1 基于属性链表的概念格的纵向维护算法
      5.2.2 基于属性链表的概念格的横向维护算法
      5.3 区间概念格的动态维护原理
      5.3.1 纵向维护原理
      5.3.2 横向维护原理
      5.4 区间概念格的动态维护算法
      5.4.1 算法设计
      5.4.2 算法分析
      5.4.3 实例验证
      5.5 本章小结
      第6章 多区间概念格的动态合并
      6.1 问题的提出
      6.2 经典概念格的合并
      6.2.1 概念格合并的基本概念和定理
      6.2.2 经典概念格的合并算法
      6.3 区间概念格的纵向合并
      6.3.1 基本概念
      6.3.2 纵向合并的基本原理
      6.3.3 算法设计
      6.3.4 应用实例
      6.4 区间概念格的横向合并
      6.4.1 动态横向合并的基本原理
      6.4.2 算法设计
      6.4.3 应用实例
      6.5 本章小结
      第7章 区间概念格的带参数规则挖掘
      7.1 问题的提出
      7.2 概念格上关联规则挖掘
      7.2.1 基于概念格的关联规则挖掘算法
      7.2.2 从量化概念格中挖掘无冗余关联规则
      7.2.3 模糊关联规则的挖掘算法
      7.3 区间概念格带参规则挖掘
      7.3.1 区间关联规则及度量
      7.3.2 带参规则挖掘算法
      7.3.3 实例验证
      7.4 区间关联规则的动态并行挖掘算法
      7.4.1 区间关联规则纵向合并原理
      7.4.2 区间关联规则动态纵向合并算法
      7.4.3 实例分析
      7.5 本章小结
      第8章 区间概念格的参数优化
      8.1 问题的提出
      8.2 模糊概念格的参数选择及优化
      8.2.1 模糊概念格的λ—模糊关联规则
      8.2.2 λ参数优化
      8.3 基于学习的区间概念格参数优化
      8.3.1 基于参数变化的区间概念格结构更新
      8.3.2 区间概念格的参数优化算法
      8.3.3 模型分析
      8.3.4 应用实例
      8.4 基于遗传算法的区间参数优化
      8.4.1 优化思想
      8.4.2 优化算法
      8.4.3 算法分析
      8.4.4 实例验证
      8.5 基于信息熵的区间参数优化方法
      8.5.1 信息熵与信息量
      8.5.2 基于信息熵的区间参数计算方法
      8.5.3 模型验证
      8.6 本章小结
      第9章 区间概念格的应用
      9.1 引言
      9.2 FAHP中基于概念格的加权群体决策
      9.2.1 概念格在FAHP聚类分析中的应用
      9.2.2 FAHP专家权重系数的确定
      9.2.3 应用举例
      9.2.4 结论
      9.3 基于P—集合的本体形式背景抽取
      9.3.1 形式背景的动态抽取
      9.3.2 概念相似度计算
      9.3.3 实验仿真
      9.3.4 结论
      9.4 基于模糊概念格的气象云图识别关系模型及应用
      9.4.1 两时刻云团的属性评估
      9.4.2 模糊概念格的构造
      9.4.3 云团的相同判断
      9.4.4 实验结果与分析
      9.4.5 结论
      9.5 基于区间概念格的三支决策空间模型
      9.5.1 问题的提出
      9.5.2 基于区间概念的三支决策
      9.5.3 区间三支决策空间的构建
      9.5.4 基于区间三支决策空间的动态策略
      9.5.5 应用实例
      9.6 基于决策区间概念格的粗糙控制模型
      9.6.1 问题的提出
      9.6.2 决策区间概念格的构建
      9.6.3 决策区间规则挖掘算法
      9.6.4 粗糙控制决策区间规则挖掘
      9.6.5 应用实例
      9.7 本章小结
      参考文献

      内容摘要
      本书为作者多年教学及科研工作的成果,概念格是根据数据集中对象与属性之间的二元关系建立的一种概念层次结构,是进行数据分析和知识处理的有效工具。经过三十多年的发展,概念格已经从经典概念格拓展出了模糊概念格、加权概念格、约束概念格、量化概念格、区间值概念格、粗糙概念格等,本书在详细分析概念格的近期新研究进展的同时,提出了一种新的概念格结构——区间概念格,详细讨论了区间概念格的结构与性质、构造算法、维护原理、压缩方法、动态合并、参数优化、规则提取及其在多个领域的应用方法。本书可供信息科学技术、计算机科学与技术、智能科学与技术、自动化、控制科学与工程、管理科学与工程和应用数学等专业的教师、研究生、高年级本科生和科研人员、工程技术人员参考。

      配送说明

      ...

      相似商品

      为你推荐

    孔网啦啦啦啦啦纺织女工火锅店第三课

    开播时间:09月02日 10:30

    即将开播,去预约
    直播中,去观看