粒認知計算

目錄　
前言　
第1章　粒認知計算與粗糙集　1　
1.1　粒認知計算　1　
1.1.1　知識與知識發(fā)現(xiàn)　1　
1.1.2　?！?　
1.1.3　認知計算　3　
1.1.4　粒計算　3　
1.2　粗糙集　4　
1.2.1　粗糙集示例　4　
1.2.2　基于粗糙集的知識表示　5　
1.2.3　不確定知識與度量　7　
1.3　變精度粗糙集　9　
1.3.1　變精度正區(qū)域　9　
1.3.2　變精度分布表　11　
1.4　二型模糊粗糙集　14　
1.4.1　模糊粗糙集　14　
1.4.2　區(qū)間二型模糊集　15　
1.4.3　基于高斯核的區(qū)間二型模糊粗糙集　15　
第2章　粗糙集約簡　19　
2.1　約簡　19　
2.1.1　約簡預處理　20　
2.1.2　缺失值和屬性離散化處理　20　
2.1.3　基于信息熵的并行連續(xù)屬性離散化　20　
2.2　基于二進制分辨矩陣的屬性約簡　22　
2.2.1　相容決策表與不相容決策表　22　
2.2.2　二進制分辨矩陣及其生成算法　23　
2.2.3　基于二進制分辨矩陣的屬性約簡　24　
2.2.4　二進制分辨矩陣動態(tài)單約簡　25　
2.2.5　決策表屬性約簡　28　
2.2.6　決策表值約簡　28　
2.3　基于二進制分辨矩陣的動態(tài)多約簡算法　29　
2.3.1　動態(tài)多約簡算法　29　
2.3.2　與基于正區(qū)域算法對比　31　
2.3.3　動態(tài)更新機制性能分析　32　
2.3.4　屬性重要度權(quán)重對約簡結(jié)果的影響　33　
第3章　群智約簡　35　
3.1　微粒群算法　35　
3.1.1　基本微粒群算法　35　
3.1.2　二進制離散微粒群算法　37　
3.1.3　微粒群算法與其他進化算法的比較　39　
3.2　微粒群約簡算法　39　
3.2.1　設計思路　40　
3.2.2　不可分辨關系計算　41　
3.2.3　雙矩編碼方式　41　
3.2.4　算法設計與分析　42　
3.3　群搜索約簡算法　47　
3.3.1　群搜索算法　47　
3.3.2　算法設計　51　
3.3.3　算法流程　52　
3.4　群智約簡示例及結(jié)果　53　
3.4.1　實例演示　53　
3.4.2　基準數(shù)據(jù)集約簡　55　
第4章　完備約簡　57　
4.1　完備約簡與多知識　57　
4.1.1　約簡的完備性　57　
4.1.2　譜系二叉樹結(jié)構(gòu)　59　
4.1.3　多知識系統(tǒng)的完整性指標　61　
4.2　知識的空間結(jié)構(gòu)　63　
4.2.1　完備約簡的空間結(jié)構(gòu)　63　
4.2.2　多知識的空間結(jié)構(gòu)　66　
4.2.3　知識雙層空間結(jié)構(gòu)　68　
4.3　基于譜系二叉樹結(jié)構(gòu)的完備屬性約簡　69　
4.3.1　完備屬性約簡策略　69　
4.3.2　分布表與屬性序　70
4.3.3　二值分類與譜系樹剪枝　73　
4.4　基于變精度粗糙集的完備屬性約簡算法　76　
4.5　完備屬性約簡算法的性能分析　78　
4.5.1　標準數(shù)據(jù)集測試　78　
4.5.2　譜系二叉樹剪枝策略的優(yōu)化分析　80　
4.5.3　與非核屬性替換策略的比較　84　
4.5.4　與群智能優(yōu)化策略的比較　85　
第5章　模糊約簡　87　
5.1　區(qū)間二型模糊粗糙集單約簡算法　87　
5.2　模糊概念格及其規(guī)則提取　88　
5.2.1　模糊概念格　88　
5.2.2　無冗余規(guī)則提取定理　90　
5.2.3　模糊剪枝策略　92　
5.3　基于模糊概念格的決策規(guī)則提取算法　93　
5.4　屬性約簡及模糊規(guī)則提取算法實驗　94　
5.4.1　約簡參數(shù)實驗　95　
5.4.2　模糊約簡示例及對比分析　96　
5.5　基于模糊約簡的規(guī)則提取示例　97　
第6章　并行約簡　99　
6.1　并行計算　99　
6.1.1　集群并行計算　99　
6.1.2　并行計算編程模型　99　
6.1.3　并行算法的構(gòu)造原則　100　
6.1.4　并行算法的性能評價　100　
6.2　MapReduce并行編程模型與架構(gòu)　103　
6.2.1　MapReduce并行編程模型　103　
6.2.2　Hadoop并行框架　104　
6.2.3　集群容錯性與分布式文件系統(tǒng)　105　
6.3　簡化決策表及其并行生成算法　106　
6.3.1　簡化決策表　106　
6.3.2　劃分等價類　106　
6.3.3　基于MapReduce的簡化決策表并行生成算法　107　
6.4　二進制分辨矩陣并行生成算法　108　
6.4.1　算法的預加載過程及矩陣行編號　108　
6.4.2　基于MapReduce的二進制分辨矩陣并行生成算法　110
6.5　并行屬性約簡算法　111　
6.5.1　并行核屬性求解算法　111　
6.5.2　基于MapReduce的并行屬性約簡算法　112　
6.5.3　基于MapReduce的并行屬性循環(huán)多約簡算法　112　
6.5.4　算法實現(xiàn)優(yōu)化　113　
6.6　正區(qū)域并行屬性多約簡算法　114　
6.6.1　簡化決策表并行生成算法　114　
6.6.2　基于簡表的正區(qū)域并行多約簡算法　115　
6.6.3　正區(qū)域并行多約簡算法實例分析　115　
第7章　規(guī)則提取　118　
7.1　形式概念分析基本概念　118　
7.1.1　單值屬性的形式背景　118　
7.1.2　多值屬性的形式背景　119　
7.1.3　形式概念和哈斯圖　120　
7.2　概念格的構(gòu)造及其規(guī)則處理算法　122　
7.2.1　概念格構(gòu)造方法　122　
7.2.2　概念格規(guī)則提取　122　
7.2.3　知識沖突的處理算法　124　
7.3　形式概念算法設計及仿真實驗　128　
7.3.1　形式概念算法設計　128　
7.3.2　基準數(shù)據(jù)集仿真實驗　129　
7.4　基于屬性約簡的知識抽取和結(jié)構(gòu)　133　
7.4.1　多知識抽取框架　133　
7.4.2　基于多知識系統(tǒng)的知識空間結(jié)構(gòu)　134　
第8章　粒遷移學習　144　
8.1　粒遷移學習思想　144　
8.2　基于數(shù)據(jù)集結(jié)構(gòu)信息的粒遷移學習　145　
8.2.1　特征粒度與負遷移問題　145　
8.2.2　數(shù)據(jù)集結(jié)構(gòu)信息的區(qū)間粒化　146　
8.2.3　區(qū)間二型模糊隱馬爾可夫模型　147　
8.3　基于對應關系的粒遷移學習　150　
8.3.1　對應關系中特征映射的粒度　150　
8.3.2　基于對應關系的粒遷移學習方法　151　
8.3.3　粒二型模糊隱馬爾可夫模型　154　
8.4　基于生成結(jié)構(gòu)的粒遷移學習　156
8.4.1　粒度與子結(jié)構(gòu)　156　
8.4.2　序列遷移學習與子結(jié)構(gòu)正則化　157　
8.4.3　基于生成結(jié)構(gòu)的粒遷移學習模型　158　
8.4.4　時間復雜性　164　
8.5　基于模型選擇的粒模型推斷方法　165　
8.5.1　粒模型推斷與模型選擇　165　
8.5.2　規(guī)則性知識與似然比模型選擇方法　165　
8.5.3　似然比模型選擇方法　166　
第9章　多知識森林　168　
9.1　決策樹與隨機森林　168　
9.2　單知識森林　170　
9.3　多知識森林　173　
9.4　集成多知識森林分類　　175　
9.4.1　非平衡數(shù)據(jù)過采樣SMOTE　175　
9.4.2　集成多知識森林擇優(yōu)參數(shù)驗證實驗　176　
9.4.3　矯正性組合投票機制實驗分析　178　
第10章　暴力犯罪分析　179　
10.1　暴力犯罪及其因素　179　
10.2　暴力犯罪特征分析模型　180　
10.3　數(shù)據(jù)采集與分析　180　
10.4　算法應用和對比　186　
第11章　序列標注　188　
11.1　序列標注中的遷移學習問題　188　
11.2　基于數(shù)據(jù)集結(jié)構(gòu)的粒遷移學習結(jié)果分析　190　
11.2.1　實驗數(shù)據(jù)集介紹　190　
11.2.2　實驗預備　191　
11.2.3　實驗數(shù)據(jù)　194　
11.2.4　實驗設置　194　
11.2.5　實驗結(jié)果與分析　195　
11.3　基于對應關系的粒遷移學習結(jié)果與分析　198　
11.3.1　實驗數(shù)據(jù)　198　
11.3.2　實驗設置　198　
11.3.3　實驗結(jié)果與分析　199　
11.4　基于生成結(jié)構(gòu)的粒遷移學習結(jié)果與分析　203　
11.4.1　實驗數(shù)據(jù)　203
11.4.2　實驗設置　203　
11.4.3　實驗結(jié)果與分析　204　
11.5　基于模型選擇的粒遷移學習結(jié)果與分析　210　
11.5.1　實驗數(shù)據(jù)　210　
11.5.2　實驗設置　211　
11.5.3　實驗結(jié)果與分析　211　
第12章　腦認知分析　214　
12.1　腦功能通路　214　
12.2　數(shù)據(jù)準備　215　
12.2.1　數(shù)據(jù)來源　215　
12.2.2　布羅德曼分區(qū)　217　
12.3　腦認知多知識約簡　218　
12.3.1　決策值為英文的知識處理　220　
12.3.2　實驗結(jié)果及分析　223　
12.4　記憶想象認知分析　225　
12.4.1　感興趣區(qū)域的選擇　225　
12.4.2　腦數(shù)據(jù)預處理　226　
12.4.3　約簡比較與討論　227　
12.4.4　知識抽取與討論　232　
參考文獻　239