大數(shù)據(jù)信息系統(tǒng)中的不確定性度量和知識(shí)約簡(jiǎn)
定 價(jià)：46 元
- 作者：滕書(shū)華，陳明生，龔蘇蘇，馬燕新，戴劍軍 著
- 出版時(shí)間：2021/11/1
- ISBN：9787118123593
- 出 版 社：國(guó)防工業(yè)出版社
- 中圖法分類：TP
- 頁(yè)碼：170
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16開(kāi)
《大數(shù)據(jù)信息系統(tǒng)中的不確定性度量和知識(shí)約簡(jiǎn)》以一般二元關(guān)系下的信息系統(tǒng)為研究對(duì)象，以粗糙集理論為工具，以知識(shí)獲取為目的，系統(tǒng)闡述了大數(shù)據(jù)信息系統(tǒng)中不確定性度量和知識(shí)約簡(jiǎn)的理論與方法，總結(jié)了作者近幾年在該領(lǐng)域的研究成果。
《大數(shù)據(jù)信息系統(tǒng)中的不確定性度量和知識(shí)約簡(jiǎn)》可作為信息科學(xué)、管理科學(xué)、應(yīng)用數(shù)學(xué)和自動(dòng)控制等專業(yè)的高年級(jí)本科生的參考書(shū)及研究生的教材，同時(shí)對(duì)相關(guān)學(xué)科領(lǐng)域的研究人員和工程技術(shù)人員也有一定的使用和參考價(jià)值。
隨著數(shù)據(jù)獲取手段的快速發(fā)展，數(shù)據(jù)庫(kù)數(shù)量和規(guī)模的增長(zhǎng)速度遠(yuǎn)遠(yuǎn)超出了人類分析和應(yīng)用的能力。如何從雜亂無(wú)章的和強(qiáng)干擾的海量數(shù)據(jù)中挖掘出潛在的、新穎的、正確的、有利用價(jià)值的知識(shí)，來(lái)改變“數(shù)據(jù)豐富，知識(shí)貧乏”的局面，已成為智能信息處理領(lǐng)域研究的一個(gè)重要課題。
粗糙集理論作為一種新的知識(shí)發(fā)現(xiàn)方法，在很多領(lǐng)域獲得了廣泛的應(yīng)用，其中屬性約簡(jiǎn)是其最重要的應(yīng)用之一。經(jīng)過(guò)近40年的發(fā)展，基于粗糙集的屬性約簡(jiǎn)理論和方法得到了迅速的發(fā)展和完善，但也存在著一些問(wèn)題。例如，不確定性度量在屬性約簡(jiǎn)中有著重要的應(yīng)用，而現(xiàn)有度量方法并不能精確描述集合的不確定性，故探討更加合理的度量方法是一個(gè)基礎(chǔ)性問(wèn)題；此外，缺乏普遍適用的高效約簡(jiǎn)算法，這是制約粗糙集理論實(shí)用化的重要方面。
面對(duì)實(shí)際應(yīng)用需求的復(fù)雜性、多樣性和廣泛性，本書(shū)以大數(shù)據(jù)信息系統(tǒng)為研究對(duì)象，以粗糙集理論為工具，以知識(shí)獲取為目的，對(duì)基于粗糙集理論的不確定性度量與高效的屬性約簡(jiǎn)算法進(jìn)行了較系統(tǒng)深入的研究。本書(shū)內(nèi)容是作者在該領(lǐng)域多年研究的成果總結(jié)，全書(shū)共分為7章。第1章為緒論，主要介紹了粗糙集理論的發(fā)展概況以及基本概念；第2章至第7章分別介紹作者在不確定性度量和知識(shí)約簡(jiǎn)方面所做的工作，其中，第2章介紹了一般三元關(guān)系下具有明確物理意義的多種不確定性度量；第3章介紹了新的知識(shí)加權(quán)不確定性度量和粗糙集的集成不確定性度量；第4章介紹了一種基于區(qū)分能力觀點(diǎn)的高效約簡(jiǎn)算法；第5章介紹了一種基于區(qū)分能力觀點(diǎn)的高效不協(xié)調(diào)決策表約簡(jiǎn)算法；第6章介紹了一般二元關(guān)系下的近似約簡(jiǎn)算法和加權(quán)多約簡(jiǎn)組合分類算法；第7章介紹了一種基于鄰域組合測(cè)度的屬性約簡(jiǎn)算法。
本書(shū)由湖南省交通科學(xué)研究院有限公司滕書(shū)華高級(jí)工程師和戴劍軍高級(jí)工程師、國(guó)防科技大學(xué)馬燕新博士、第三軍醫(yī)大學(xué)陳明生副教授以及中南大學(xué)湘雅醫(yī)院的龔蘇蘇共同完成。本書(shū)的第1章至第7章由滕書(shū)華撰寫(xiě)和統(tǒng)稿，其中，馬燕新參與了第2章部分內(nèi)容撰寫(xiě)，陳明生和戴劍軍參與了第4章部分內(nèi)容撰寫(xiě)，龔蘇蘇參與了第6章部分內(nèi)容撰寫(xiě)，本書(shū)有些部分是他們的研究成果。本書(shū)的內(nèi)容除了包含我們的某些科研成果之外，還參考了國(guó)內(nèi)外諸多學(xué)者專家的研究成果、論文和著作，在此對(duì)他們表示由衷的感謝，對(duì)出版社編輯的辛勤工作表示衷心感謝！
本書(shū)相關(guān)研究得到湖南創(chuàng)新型省份建設(shè)專項(xiàng)（2019RS1079）、湖南省知識(shí)產(chǎn)權(quán)戰(zhàn)略推進(jìn)專項(xiàng)（2019Y018M）、三維重建及智能應(yīng)用技術(shù)湖南省工程研究中心（2019-430602-73-03-006049）和長(zhǎng)沙市科技計(jì)劃重點(diǎn)項(xiàng)目，（kh1902016）基金資助。
粗糙集的理論、方法和技術(shù)在不斷發(fā)展，新的應(yīng)用成果不斷涌現(xiàn)，我們學(xué)識(shí)水平及時(shí)間有限，書(shū)中錯(cuò)誤和疏漏，敬請(qǐng)讀者批評(píng)指正。
第1章 緒論
1．1 粗糙集理論簡(jiǎn)介
1．2 粗糙集理論的研究與發(fā)展
1．2．1 粗糙集理論的產(chǎn)生
1．2．2 粗糙集理論的發(fā)展
1．2．3 粗糙集理論研究熱點(diǎn)
1．3 粗糙集理論基礎(chǔ)知識(shí)
1．3．1 粗糙集的基本概念
1．3．2 粗糙集理論中的二元關(guān)系
1．3．3 不確定性度量
1．3．4 約簡(jiǎn)
1．4 粗糙集理論研究的必要性
1．5 本書(shū)內(nèi)容編排
第2章 基于區(qū)分能力的知識(shí)不確定性度量方法
2．1 信患系統(tǒng)中單屬性集的不確定性度量
2．3 信息系統(tǒng)中多屬性集的組合度量
2．3．1 同可區(qū)分度
2．3．2 相對(duì)可區(qū)分度
2．3．3 聯(lián)合可區(qū)分度
2．3．4 同可區(qū)分度、相對(duì)可區(qū)分度和聯(lián)合可區(qū)分度間的關(guān)系
2．4 基于區(qū)分能力的不確定性度量和現(xiàn)有不確定性度量之間的關(guān)系
第3章 一種統(tǒng)一的加權(quán)不確定性度量
3．1 基于一般二元關(guān)系的知識(shí)加權(quán)不確定性度量
3．1．1 基于一般二元關(guān)系的α粒度熵及其性質(zhì)
3．1．2 基于一般二元關(guān)系的α熵及其性質(zhì)
3．1．3 一般二元關(guān)系下不同知識(shí)間的不確定性度量
3．1．4 加權(quán)不確定性度量和現(xiàn)有不確定性度量間的關(guān)系
3．2 基于一般二元關(guān)系的粗糙集集成加權(quán)不確定性度量
3．2．1 現(xiàn)有不確定性度量的缺陷
3．2．2 粗糙集集成加權(quán)不確定性度量
第4章 基于區(qū)分能力觀點(diǎn)的屬性約簡(jiǎn)算法
4．1 基于不可區(qū)分度的啟發(fā)式快速完備約簡(jiǎn)算法
4．1．1 基于不可區(qū)分度的屬性重要性及其約簡(jiǎn)
4．1．2 基于不可區(qū)分度的啟發(fā)式約簡(jiǎn)算法
4．1．3 實(shí)驗(yàn)分析
4．2 基于相對(duì)可區(qū)分度的屬性約簡(jiǎn)算法
4．2．1 現(xiàn)有約簡(jiǎn)算法的缺陷
4．2．2 基于相對(duì)可區(qū)分度的屬性重要性及其約簡(jiǎn)
4．2．3 基于代數(shù)觀點(diǎn)、信息觀點(diǎn)和區(qū)分能力觀點(diǎn)約簡(jiǎn)定義間的關(guān)系
4．2．4 實(shí)驗(yàn)分析
第5章 基于區(qū)分能力觀點(diǎn)的不協(xié)調(diào)決策表約簡(jiǎn)算法
5．1 不協(xié)調(diào)信息系統(tǒng)的基本知識(shí)
5．2 不協(xié)調(diào)決策表約簡(jiǎn)算法之間的關(guān)系
5．3 高效的不協(xié)調(diào)決策表約簡(jiǎn)算法
5．3．1 簡(jiǎn)化協(xié)調(diào)決策表
5．3．2 不協(xié)調(diào)決策表的約簡(jiǎn)
5．3．3 一種高效的不協(xié)調(diào)決策表約簡(jiǎn)算法
5．4 實(shí)驗(yàn)分析
5．4．1 實(shí)例
5．4．2 對(duì)UCI數(shù)據(jù)的處理
第6章 基于一般二元關(guān)系的近似屬性約簡(jiǎn)算法
6．1 一般二元關(guān)系下基于區(qū)分能力觀點(diǎn)的近似屬性約簡(jiǎn)算法
6．1．1 基于區(qū)分能力的近似屬性約簡(jiǎn)算法
6．1．2 近似約簡(jiǎn)算法的實(shí)例分析
6．1．3 近似約簡(jiǎn)算法在SIFT特征匹配算法中的應(yīng)用
6．2 一般二元關(guān)系下基于加權(quán)α精度的加權(quán)近似屬性約簡(jiǎn)算法
6．2．1 基于加權(quán)α精度的加權(quán)近似屬性約簡(jiǎn)算法
6．2．2 基于加權(quán)α精度的近似約簡(jiǎn)算法實(shí)例分析
6．3 兩種近似參數(shù)β和ε對(duì)屬性約簡(jiǎn)和分類精度的影響
6．4 基于加權(quán)α精度的多約簡(jiǎn)組合分類算法
6．4．1 基于加權(quán)α精度的多約簡(jiǎn)組合分類算法
6．4．2 實(shí)驗(yàn)分析
6．4．3 算法CRCAWaA在紅外與激光融合目標(biāo)識(shí)別中的應(yīng)用
第7章 基于鄰域組合測(cè)度的屬性約簡(jiǎn)算法
7．1 鄰域粗糙集基本概念
7．2 基于鄰域組合測(cè)度的屬性約簡(jiǎn)算法
7．2．1 基于鄰域組合測(cè)度的不確定性度量
7．2．2 基于鄰域組合測(cè)度的屬性約簡(jiǎn)算法
7．3 實(shí)驗(yàn)分析
7．4 在三維點(diǎn)云目標(biāo)識(shí)別中的應(yīng)用
參考文獻(xiàn)
書(shū)單推薦
