多粒度计算与三支决策

图书标准信息

• 作者 梁吉业；姚一豫；李德玉
• 出版社 科学出版社
• 出版时间 2018-05
• 版次 1
• ISBN 9787030602732
• 定价 138.00元
• 装帧 其他
• 开本 其他
• 页数 328页
• 字数 403千字

【内容简介】

粒计算是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法，研究内容覆盖了有关粒度的主要理论、方法和技术，是研究复杂问题求解、大数据挖掘和模糊不确定信息处理等当前面临的关键问题的有效工具。本书介绍了粗糙集理论、概念格理论、三支决策理论等粒计算研究的概述和很新进展。全书共14章，主要由两部分组成（多粒度计算、三支决策），具体包括面向决策问题的多粒度计算、多粒度融合与计算、多属性群决策的犹豫模糊多粒度建模、鲁棒模糊粗糙集、广义多粒度标记决策系统的粒度标记组合与知识表示、多源信息融合的粒计算方法、动态多粒度标记决策系统的很优粒度选择、三支聚类分析、动态粒度下的序贯三支决策属性约简方法、序贯三支决策理论框架、三支概念分析及其粒度分析、三支决策推荐系统、基于三支决策的能耗敏感的容器合并策略研究、三支决策简介。

【目录】

《信息科学技术学术著作丛书》序
前言
章  多粒度智能决策
  1.1  引言
  1.2  复杂决策问题的多粒度特性
  1.3  多粒度智能决策模型与方法
    1.3.1  多层次决策
    1.3.2  多视角决策
    1.3.3  最优粒度选择
  1.4  小结
  参考文献
第2章  局部多粒度粗糙集
  2.1  引言
  2.2  局部粗糙集模型
    2.2.1  局部粗糙集的定义
    2.2.2  局部粗糙集的性质
    2.2.3  局部粗糙集的度量指标
    2.2.4  计算一个目标概念的近似和属性约简
    2.2.5  计算一个目标决策的近似和属性约简
    2.2.6  局部粗糙集在大数据上的扩展
  2.3  局部多粒度粗糙集模型
    2.3.1  局部多粒度粗糙集的定义
    2.3.2  局部多粒度粗糙集的性质
    2.3.3  计算一个目标概念的局部多粒度粗糙集的下近似
  2.4  小结
  参考文献
第3章  多属性群决策的犹豫模糊多粒度建模
  3.1  引言
  3.2  相关概念与理论
    3.2.1  犹豫模糊集
    3.2.2  犹豫模糊语言术语集
    3.2.3  双论域多粒度粗糙集
  3.3  犹豫模糊多粒度建模
  3.4  基于犹豫模糊多粒度建模的多属性群决策方法
    3.4.1  问题描述
    3.4.2  模型建立
    3.4.3  模型算法
  3.5  算例及分析
    3.5.1  犹豫模糊背景下的算例
    3.5.2  犹豫模糊语言背景下的算例
  3.6  小结
  参考文献
第4章  稳健模糊粗糙集
  4.1  引言
  4.2  相关的基础知识
    4.2.1  模糊逻辑算子
    4.2.2  模糊粗糙集对数据噪声的敏感性分析
  4.3  基于稳健统计量的模糊粗糙集
    4.3.1  基于稳健统计量的模糊粗糙集定义
    4.3.2  模型性质
  4.4  基于软距离的稳健模糊粗糙集
    4.4.1  软模糊粗糙集
    4.4.2  模型性质
    4.4.3  参数β的几何意义
  4.5  数据分布感知的稳健模糊粗糙集
    4.5.1  稳健模糊粗糙集的稳健原理分类
    4.5.2  概率模糊粗糙集
    4.5.3  模型性质
  4.6  小结
  参考文献
第5章  广义多粒度标记决策系统的粒度标记组合与知识表示
  5.1  引言
  5.2  相关的基础知识
    5.2.1  Pawlak粗糙集近似
    5.2.2  信息系统、决策表和决策规则
    5.2.3  信任结枸与信任函数
  5.3  广义多粒度标记信息系统与粒度标记组合
    5.3.1  多粒度标记信息系统与粒度标记组合
    5.3.2  多粒度标记信息系统中的信息粒表示与粗糙近似
  5.4  广义多粒度标记决策系统与最优粒度标记组合
    5.4.1  协调广义多粒度标记决策系统的最优粒度标记组合
    5.4.2  不协调广义多粒度标记决策系统的最优粒度标记组合
  5.5  小结
  参考文献
第6章  多源信息融合与概念学习的粒计算方法
  6.1  引言
  6.2  相关理论
    6.2.1  多源模糊信息融合
    6.2.2  模糊信息系统的概念学习
  6.3  概念学习算法设计
  6.4  数值实验
  6.5  小结
  参考文献
第7章  动态多粒度标记决策系统的最优粒度选择
  7.1  引言
  7.2  相关理论
    7.2.1  Pawlak近似空间诱导的三支决策
    7.2.2  多粒度标记信息系统
  7.3  多粒度标记信息系统诱导的序贯三支决策
  7.4  多粒度标记决策系统的最优粒度选择
  7.5  动态多粒度标记决策系统的最优粒度选择算法
  7.6  数值实验
  7.7  小结
  参考文献
第8章  三支聚类分析
  8.1  引言
  8.2  三支聚类
  8.3  多视图数据的三支聚类方法
    8.3.1  多视图数据融合
    8.3.2  主动三支聚类
    8.3.3  实验结果
  8.4  基于数学形态学的三支聚类方法
    8.4.1  数学形态学中的腐蚀与膨胀
    8.4.2  CE3框架
    8.4.3  基于邻域的CE3方法
    8.4.4  CE3谱聚类
    8.4.5  人工数据集实验结果
  8.5  小结
  参考文献
第9章  基于θ-量化效用三支决策的属性约简
  9.1  引言
  9.2  θ-量化效用三支决策模型
  9.3  θ-量化效用三支决策模型的属性约简
    9.3.1  经典三支决策模型的属性约简
    9.3.2  基于θ-量化效用三支决策模型的属性约简算法
  9.4  实验分析
  9.5  小结
  参考文献
0章  序贯三支决策理论框架
  10.1  引言
  10.2  三支决策理论
    10.2.1  静态三支决策
    10.2.2  动态三支决策
  10.3  序贯三支决策模型
    10.3.1  多层次的粒结构
    10.3.2  多样性的模型选择
    10.3.3  多元化的代价结构
  10.4  小结
  参考文献
1章  三支概念分析及其粒度
  11.1  引言
  11.2  基于正交对的三支概念分析
    11.2.1  基本概念
    11.2.2  三支概念格
    11.2.3  对象导出三支概念格的格约简
  11.3  基于区间集的三支概念分析
    11.3.1  基本概念
    11.3.2  部分已知概念
    11.3.3  部分已知概念与完备化背景上形式概念之间的关系
  11.43  WCA中的粒度分析
    11.4.1  对象导出三支概念格的粒
    11.4.2  对象导出三支概念格的粒层次
    11.4.3  属性导出三支概念格的粒及其关系
  11.5  小结
  参考文献
2章  三支决策推荐系统
  12.1  引言
  12.2  问题定义
    12.2.1  评分系统
    12.2.2  代价敏感学习
    12.2.3  数据转换
  12.3  计算模型
    12.3.1  Pawlak粗糙集模型
    12.3.2  变精度粗糙集模型
    12.3.3  二支决策模型
    12.3.4  三支决策模型
  12.4  算法描述
    12.4.1  构建随机森林
    12.4.2  平均代价计算
  12.5  实验
    12.5.1  数据集
    12.5.2  实验设计
    12.5.3  实验结果
  12.6  小结
  参考文献
3章  面向能耗优化的自适应三支阈值确定方法
  13.1  引言
  13.2  相关工作
  13.3  模型与问题描述
    13.3.1  调度模型
    13.3.2  能耗模型
    13.3.3  虚拟迁移问题描述
  13.4  自适应阈值迁移算法
    13.4.1  虚拟迁移问题描述
    13.4.2  基于代价评估的阈值确定方法
    13.4.3  实例说明
  13.5  实验及数据分析
    13.5.1  静态阈值与自适应阈值能耗比较
    13.5.2  ATM算法节能效果比较
    13.5.3  集群资源利用率比较实验
  13.6  小结
  参考文献
4章  三支计算、认识计算与粒计算
  14.1  引言
  14.2  中国文化中三支计算、认知计算与粒计算有机结合的一个例子
  14.3  三支决策的TAO模型
  14.4  基于三支决策的研究方法
  14.5  小结
  参考文献