大數(shù)據(jù)信息系統(tǒng)中的不確定性度量和知識約簡
定 價：46 元
- 作者：滕書華，陳明生，龔蘇蘇，馬燕新，戴劍軍 著
- 出版時間：2021/11/1
- ISBN：9787118123593
- 出 版 社：國防工業(yè)出版社
- 中圖法分類：TP
- 頁碼：170
- 紙張：膠版紙
- 版次：1
- 開本：16開
《大數(shù)據(jù)信息系統(tǒng)中的不確定性度量和知識約簡》以一般二元關(guān)系下的信息系統(tǒng)為研究對象，以粗糙集理論為工具，以知識獲取為目的，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約簡的理論與方法，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約簡》可作為信息科學(xué)、管理科學(xué)、應(yīng)用數(shù)學(xué)和自動控制等專業(yè)的高年級本科生的參考書及研究生的教材，同時對相關(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值。
隨著數(shù)據(jù)獲取手段的快速發(fā)展，數(shù)據(jù)庫數(shù)量和規(guī)模的增長速度遠(yuǎn)遠(yuǎn)超出了人類分析和應(yīng)用的能力。如何從雜亂無章的和強干擾的海量數(shù)據(jù)中挖掘出潛在的、新穎的、正確的、有利用價值的知識，來改變“數(shù)據(jù)豐富，知識貧乏”的局面，已成為智能信息處理領(lǐng)域研究的一個重要課題。
粗糙集理論作為一種新的知識發(fā)現(xiàn)方法，在很多領(lǐng)域獲得了廣泛的應(yīng)用，其中屬性約簡是其最重要的應(yīng)用之一。經(jīng)過近40年的發(fā)展，基于粗糙集的屬性約簡理論和方法得到了迅速的發(fā)展和完善，但也存在著一些問題。例如，不確定性度量在屬性約簡中有著重要的應(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基礎(chǔ)性問題；此外，缺乏普遍適用的高效約簡算法，這是制約粗糙集理論實用化的重要方面。
面對實際應(yīng)用需求的復(fù)雜性、多樣性和廣泛性，本書以大數(shù)據(jù)信息系統(tǒng)為研究對象，以粗糙集理論為工具，以知識獲取為目的，對基于粗糙集理論的不確定性度量與高效的屬性約簡算法進(jìn)行了較系統(tǒng)深入的研究。本書內(nèi)容是作者在該領(lǐng)域多年研究的成果總結(jié)，全書共分為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約簡方面所做的工作，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)分能力觀點的高效約簡算法；第5章介紹了一種基于區(qū)分能力觀點的高效不協(xié)調(diào)決策表約簡算法；第6章介紹了一般二元關(guān)系下的近似約簡算法和加權(quán)多約簡組合分類算法；第7章介紹了一種基于鄰域組合測度的屬性約簡算法。
本書由湖南省交通科學(xué)研究院有限公司滕書華高級工程師和戴劍軍高級工程師、國防科技大學(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。本書的第1章至第7章由滕書華撰寫和統(tǒng)稿，其中，馬燕新參與了第2章部分內(nèi)容撰寫，陳明生和戴劍軍參與了第4章部分內(nèi)容撰寫，龔蘇蘇參與了第6章部分內(nèi)容撰寫，本書有些部分是他們的研究成果。本書的內(nèi)容除了包含我們的某些科研成果之外，還參考了國內(nèi)外諸多學(xué)者專家的研究成果、論文和著作，在此對他們表示由衷的感謝，對出版社編輯的辛勤工作表示衷心感謝！
本書相關(guān)研究得到湖南創(chuàng)新型省份建設(shè)專項（2019RS1079）、湖南省知識產(chǎn)權(quán)戰(zhàn)略推進(jìn)專項（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）和長沙市科技計劃重點項目，（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)識水平及時間有限，書中錯誤和疏漏，敬請讀者批評指正。
第1章 緒論
1．1 粗糙集理論簡介
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
1．3 粗糙集理論基礎(chǔ)知識
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
1．4 粗糙集理論研究的必要性
1．5 本書內(nèi)容編排
第2章 基于區(qū)分能力的知識不確定性度量方法
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)分能力觀點的屬性約簡算法
4．1 基于不可區(qū)分度的啟發(fā)式快速完備約簡算法
4．1．1 基于不可區(qū)分度的屬性重要性及其約簡
4．1．2 基于不可區(qū)分度的啟發(fā)式約簡算法
4．1．3 實驗分析
4．2 基于相對可區(qū)分度的屬性約簡算法
4．2．1 現(xiàn)有約簡算法的缺陷
4．2．2 基于相對可區(qū)分度的屬性重要性及其約簡
4．2．3 基于代數(shù)觀點、信息觀點和區(qū)分能力觀點約簡定義間的關(guān)系
4．2．4 實驗分析
第5章 基于區(qū)分能力觀點的不協(xié)調(diào)決策表約簡算法
5．1 不協(xié)調(diào)信息系統(tǒng)的基本知識
5．2 不協(xié)調(diào)決策表約簡算法之間的關(guān)系
5．3 高效的不協(xié)調(diào)決策表約簡算法
5．3．1 簡化協(xié)調(diào)決策表
5．3．2 不協(xié)調(diào)決策表的約簡
5．3．3 一種高效的不協(xié)調(diào)決策表約簡算法
5．4 實驗分析
5．4．1 實例
5．4．2 對UCI數(shù)據(jù)的處理
第6章 基于一般二元關(guān)系的近似屬性約簡算法
6．1 一般二元關(guān)系下基于區(qū)分能力觀點的近似屬性約簡算法
6．1．1 基于區(qū)分能力的近似屬性約簡算法
6．1．2 近似約簡算法的實例分析
6．1．3 近似約簡算法在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)近似屬性約簡算法
6．2．1 基于加權(quán)α精度的加權(quán)近似屬性約簡算法
6．2．2 基于加權(quán)α精度的近似約簡算法實例分析
6．3 兩種近似參數(shù)β和ε對屬性約簡和分類精度的影響
6．4 基于加權(quán)α精度的多約簡組合分類算法
6．4．1 基于加權(quán)α精度的多約簡組合分類算法
6．4．2 實驗分析
6．4．3 算法CRCAWaA在紅外與激光融合目標(biāo)識別中的應(yīng)用
第7章 基于鄰域組合測度的屬性約簡算法
7．1 鄰域粗糙集基本概念
7．2 基于鄰域組合測度的屬性約簡算法
7．2．1 基于鄰域組合測度的不確定性度量
7．2．2 基于鄰域組合測度的屬性約簡算法
7．3 實驗分析
7．4 在三維點云目標(biāo)識別中的應(yīng)用
參考文獻(xiàn)
書單推薦
