导语摘要
粒计算是一种模拟人类解决复杂问题的理论方法,是人工智能研究领域的一个重要分支。本书从覆盖的角度基于粗糙集理论对粒计算理论方法进行系统的总结和归纳,具体内容包括:研究覆盖近似空间中概念近似的各种方法,并给出这些近似方法的主要特点;研究基于覆盖的知识表示的知识粒度层次关系,从定性比较和量化度量两个方面进行分析;研究多粒度覆盖近似空间中概念的描述方法,并给出不同方法所构成的格结构;基于覆盖粒计算理论研究知识获取的方法。
目录
丛书序
前言
第1章 绪论
1.1 引言
1.2 粒计算研究概述
1.3 粒计算的主要理论模型
1.3.1 词计算理论
1.3.2 商空间理论
1.3.3 粗糙集理论
1.3.4 云模型
1.4 基于覆盖的粒计算模型研究
1.5 本书的组织结构
参考文献
第2章 覆盖粗糙集
2.1 覆盖粒计算模型的研究概述
2.2 覆盖粗糙集模型的基本概念
2.3 主要的覆盖粗糙集模型
2.4 六种覆盖粗糙集模型问的关系
2.5 本章小结
参考文献
第3章 覆盖近似空间的约简
3.1 引言
3.2 覆盖近似空间的知识约简模型
3.2.1 覆盖近似空间的绝对约简
3.2.2 覆盖近似空间的相对约简
3.2.3 覆盖近似空间的知识约简
3.2.4 实例分析
3.3 覆盖近似空间的扩展及其约简
3.3.1 覆盖近似空间的扩展
3.3.2 基于扩展的覆盖近似空间的约简
3.3.3 实例分析
3.4 本章小结
参考文献
第4章 覆盖粗糙模糊集
4.1 引言
4.2 覆盖粗糙模糊集模型
4.2.1 三种覆盖粗糙模糊集模型
4.2.2 三种覆盖粗糙模糊集的关系
4.2.3 覆盖粗糙模糊集模型在模糊决策中的应用
4.3 不同知识粒度下的覆盖粗糙模糊集
4.3.1 两个覆盖生成相同覆盖粗糙模糊集的充要条件
4.3.2 覆盖粗糙模糊集的不确定性度量
4.3.3 不完备信息系统的模糊决策
4.4 本章小结
参考文献
第5章 覆盖决策粗糙集
5.1 引言
5.2 决策粗糙集基础
5.3 覆盖决策粗糙集模型
5.4 覆盖决策粗糙集的约简
5.4.1 覆盖的约简
5.4.2 覆盖概率决策信息系统的约简
5.5 实例分析
5.6 本章小结
参考文献
第6章 多粒度覆盖粗糙集
6.1 引言
6.2 基本概念及性质
6.2.1 Pawlak粗糙集模型的基本性质
6.2.2 覆盖粗糙集模型
6.2.3 多粒度粗糙集模型
6.3 多粒度覆盖粗糙集模型
6.3.1 四种多粒度覆盖粗糙集模型的定义
6.3.2 四种多粒度覆盖粗糙集模型的性质
6.3.3 在覆盖粒空间及其约简上生成的上、下近似的关系
6.4 四种多粒度覆盖粗糙集模型的关系
6.4.1 四种多粒度覆盖粗糙集的上、下近似的关系
6.4.2 四种多粒度覆盖粗糙集模型的格关系
6.5 多粒度覆盖粗糙集在银行信用卡审批过程中的应用
6.6 本章小结
参考文献
第7章 多粒度覆盖粗糙模糊集
7.1 引—言
7.2 基本概念及性质
7.2.1 Ⅰ型覆盖粗糙模糊集模型
7.2.2 Ⅱ型覆盖粗糙模糊集模型
7.2.3 Ⅲ型覆盖粗糙模糊集模型
7.3 多粒度覆盖粗糙模糊集模型及其性质
7.3.1 三种多粒度覆盖粗糙模糊集的定义
713.2 三种多粒度覆盖粗糙模糊集的性质
7.3.3 在覆盖粒空间及其约简上生成的上、下近似的关系
7.4 三种多粒度覆盖粗糙模糊集模型的关系
7.5 本章小结
参考文献
第8章 覆盖粒计算模型与知识获取
8.1 覆盖粗糙集模型中的知识发现方法
8.2 多粒度覆盖粗糙集模型中的知识发现方法
8.3 多覆盖多粒度模型中的知识发现方法
8.3.1 多覆盖多粒度模型
8.3.2 多覆盖多粒度模型的实例分析
8.3.3 多覆盖多粒度模型中的近似约简
8.4 扩展的邻域系统粒计算模型中的知识发现方法
8.4.1 邻域系统的约简
8.4.2 扩展的邻域系统粒计算模型中的近似约简
8.5 本章小结
参考文献
内容摘要
粒计算是一种模拟人类解决复杂问题的理论方法,是人工智能研究领域的一个重要分支。本书从覆盖的角度基于粗糙集理论对粒计算理论方法进行系统的总结和归纳,具体内容包括:研究覆盖近似空间中概念近似的各种方法,并给出这些近似方法的主要特点;研究基于覆盖的知识表示的知识粒度层次关系,从定性比较和量化度量两个方面进行分析;研究多粒度覆盖近似空间中概念的描述方法,并给出不同方法所构成的格结构;基于覆盖粒计算理论研究知识获取的方法。
以下为对购买帮助不大的评价