三支决策与大数据分析

图书标准信息

• 作者 刘盾 著
• 出版社 科学出版社
• 出版时间 2020-07
• 版次 1
• ISBN 9787030655806
• 定价 188.00元
• 装帧 平装
• 开本 16开
• 页数 372页
• 字数 465千字

【内容简介】

三支决策是一种基于人类认知过程的粒计算研究方法。《三支决策与大数据分析》从大数据决策环境入手，以三支决策作为目标对象，以粒计算理论为指导思想，以大数据分析为核心技术，以机器学习相关方法为研究手段，研究三支决策与大数据分析模型的构建、算法的实现、方法的应用。《三支决策与大数据分析》的相关研究内容能够适应大数据分析需求和更复杂的决策环境，扩大三支决策和粒计算理论的实际应用背景，力图展现国内外三支决策与大数据分析的新研究成果，并在理论、方法和应用上给出一套处理不确定性大数据问题的系统研究体系。

【目录】

目录 

序 

前言 

理论篇 

第1章 三支决策概述：从粗糙集到粒计算 3 

1.1 引言 3 

1.2 三支决策基本模型与框架 5 

1.3 三支决策、粗糙集与决策粗糙集 7 

1.4 三支决策的粒计算方法 10 

1.5 三支决策的粒计算框架模型 13 

1.6 本章小结 14 

参考文献 15 

第2章 三支决策的时空性模型 18 

2.1 引言 18 

2.2 三支决策模型与基本概念20 

2.3 基于时间维度三支决策模型 22 

2.4 基于空间维度三支决策模型 25 

2.5 三支决策的时空性研究方法 29 

2.6 本章小结 32 

参考文献 32 

第3章 基于样本相似度的三支属性约简方法 36 

3.1 引言 36 

3.2 基于类内相似度和类间相似度的属性约简 38 

3.2.1 类内相似度 38 

3.2.2 类间相似度 39 

3.2.3 属性约简定义 41 

3.3 启发式约简算法 43 

3.4 实验 44 

3.4.1 约简对比实验 44 

3.4.2 分布对比实验 48 

3.4.3 系数对比实验 52 

3.5 本章小结 52 

参考文献 53 

第4章 基于决策粗糙集模型的多目标属性约简 55 

4.1 引言 55 

4.2 多目标属性约简 57 

4.2.1 约简定义 57 

4.2.2 多目标优化属性约简方法 58 

4.2.3 基于集成学习的多目标属性约简方法 60 

4.3 实验 63 

4.3.1 实验数据集 63 

4.3.2 评价标准 64 

4.3.3 实验设置 65 

4.3.4 实验结果 65 

4.4 本章小结 71 

参考文献 71 

第5章 基于不完备信息系统的三支决策方法 74 

5.1 引言 74 

5.2 相关概念 76 

5.2.1 三支决策与粗糙集理论 76 

5.2.2 决策粗糙集理论 77 

5.3 不完备信息系统下的三支决策方法 80 

5.3.1 不完备信息系统与相似关系 80 

5.3.2 基于三支决策的不完备信息系统 82 

5.3.3 不完备信息系统下的三支决策理论模型 84 

5.3.4 不完备信息系统下的三支决策算法设计 87 

5.4 案例分析 88 

5.5 本章小结 97 

参考文献 98 

第6章 直觉模糊信息下的三支决策理论与方法 100 

6.1 引言 100 

6.2 直觉模糊集和三支决策知识 102 

6.2.1 直觉模糊集相关知识 102 

6.2.2 三支决策知识 103 

6.3 直觉模糊粗糙近似的构造 104 

6.3.1 直觉模糊数的相似测度 104 

6.3.2 新直觉模糊相似度 109 

6.3.3 直觉模糊目标概念的(α， β) - 下、上近似集 112 

6.4 基于多风险偏好直觉模糊决策粗糙集的三支决策 113 

6.4.1 多风险偏好信息下的直觉模糊决策粗糙集模型 113 

6.4.2 基于多风险偏好直觉模糊决策粗糙集的三支决策 116 

6.4.3 算例与比较分析 116 

6.5 直觉模糊环境下基于决策粗糙集等价模型的三支决策 120 

6.5.1 经典决策粗糙集等价模型的构建 121 

6.5.2 KKT条件 121 

6.5.3 模型等价性的验证 122 

6.5.4 直觉模糊环境下基于决策粗糙集等价模型的三支决策概率阈值确定 125 

6.5.5 直觉模糊环境下基于决策粗糙集等价模型的三支决策 128 

6.5.6 算例与比较分析 130 

6.6 本章小结 134 

参考文献 135 

算法篇 

第7章 三支聚类算法研究 141 

7.1 三支聚类表示 141 

7.2 三支聚类模型 143 

7.2.1 理论模型框架 143 

7.2.2 基于概率的评估函数 144 

7.2.3 三支阈值自动确定 145 

7.3 三支聚类算法 151 

7.3.1 面向多视图数据的三支主动学习算法 151 

7.3.2 面向大规模数据的三支聚类集成算法 157 

7.3.3 面向混合属性数据的三支聚类算法 163 

7.4 本章小结 170 

参考文献 171 

第8章 三支社区分类算法研究 173 

8.1 引言 173 

8.2 相关知识 175 

8.2.1 相关定义 175 

8.2.2 三支社区表示 176 

8.2.3 社区结构的评价指标 177 

8.3 基于三支决策的重叠社区发现算法 178 

8.3.1 算法描述 179 

8.3.2 算法步骤 179 

8.3.3 实验分析 183 

8.4 基于三支决策的重叠社区演化算法 196 

8.4.1 演化事件定义 196 

8.4.2 算法框架 198 

8.4.3 算法描述 198 

8.4.4 可视化结果 199 

8.5 本章小结 204 

参考文献 204 

第9章 三支主动学习方法 206 

9.1 引言 206 

9.2 问题定义 206 

9.2.1 数据模型 207 

9.2.2 具体描述问题定义 208 

9.3 计算模型 209 

9.3.1 标签均匀分布模型 209 

9.3.2 冲突解决模型 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 实验 220 

9.5.1 ALEC算法实验结果 220 

9.5.2 ALRC算法实验结果 228 

9.5.3 CADU算法实验结果 232 

9.6 本章小结 236 

参考文献 236 

第10章 三支代价敏感属性选择方法 239 

10.1 引言 239 

10.2 属性选择定义 240 

10.2.1 属性(集)评价 240 

10.2.2 属性选择 243 

10.2.3 代价结构 244 

10.3 代价敏感属性选择计算模型 246 

10.3.1 经典粗糙集计算模型 246 

10.3.2 可辨识矩阵计算模型 247 

10.3.3 三支决策(粒)计算模型 248 

10.4 算法设计 252 

10.4.1 减法策略算法描述 252 

10.4.2 加法策略算法描述 254 

10.4.3 算法时间复杂度分析 254 

10.5 实验分析 255 

10.5.1 数据集 255 

10.5.2 实验设计 256 

10.5.3 实验结果分析 256 

10.6 本章小结 259 

参考文献 260 

第11章 基于三支决策粗糙集模型的多类代价敏感学习 262 

11.1 引言 262 

11.2 多类三支决策理论模型 264 

11.2.1 代价函数 264 

11.2.2 模型 266 

11.2.3 性质 268 

11.2.4 算法 269 

11.3 多类三支决策理论模型 270 

11.4 实验 273 

11.4.1 实验数据集 273 

11.4.2 实验方法 274 

11.4.3 实验结果 275 

11.4.4 参数影响 276 

11.4.5 讨论 277 

11.5 本章小结 278 

参考文献 278 

应用篇 

第12章 三支推荐方法及其应用 283 

12.1 引言 283 

12.2 协同过滤推荐问题定义 284 

12.2.1 基于邻居的协同过滤推荐 284 

12.2.2 粒计算和三支决策 285 

12.3 基于回归的二元推荐 285 

12.3.1 回归推荐问题定义 286 

12.3.2 基于回归的算法 287 

12.3.3 运行示例#1 289 

12.4 误分类代价小化推荐 290 

12.4.1 代价敏感推荐问题定义 291 

12.4.2 误分类代价小化算法 291 

12.4.3 运行示例#2 292 

12.5 三支决策推荐 292 

12.5.1 三支推荐问题定义 292 

12.5.2 三支推荐框架 294 

12.5.3 三支推荐算法 295 

12.5.4 运行示例#3 297 

12.6 实验 298 

12.6.1 数据集 298 

12.6.2 实验设计 299 

12.6.3 结果 299 

12.7 本章小结 305 

参考文献 305 

第13章 三支图像识别方法及其应用 308 

13.1 引言 308 

13.2 三支决策及深度神经网络 310 

13.3 基于DNN的序贯粒度特征提取方法 312 

13.4 基于粒度特征的代价敏感序贯三支决策 314 

13.5 实验分析与验证 316 

13.5.1 数据库介绍及实验设置 316 

13.5.2 基于DNN粒度特征的人脸图像 317 

13.5.3 误分类代价、总代价和误差分析 318 

13.6 本章小结 319 

参考文献 320 

第14章 三支自编码器方法及其应用 324 

14.1 引言 324 

14.2 相关工作 326 

14.3 多粒度特征函数 327 

14.3.1 多粒度自动编码器 327 

14.3.2 基于受限玻尔兹曼机的多粒度特征 329 

14.4 基于自动编码器的序贯三支决策模型 330 

14.4.1 序贯决策 331 

14.4.2 三支决策 332 

14.5 实验与结果分析 334 

14.5.1 基于RBM网络的重构误差分析 335 

14.5.2 基于RBM网络的代价误差分析 337 

14.5.3 基于全连接的网络的人脸识别分析 339 

14.6 本章小结 340 

参考文献 341 

第15章 三支工业大数据应用 345 

15.1 引言 345 

15.2 三支过热度预测 347 

15.2.1 铝电解过程中的过热度 347 

15.2.2 铝电解过热度预测模型 348 

15.2.3 规则的提取与存储 349 

15.2.4 规则的增量式更新方法 351 

15.2.5 实验分析 353 

15.3 分层组织机构成员评价 355 

15.3.1 三分类多粒度评价模型 356 

15.3.2 实验分析 365 

15.4 本章小结 370 

参考文献 370 

彩图