協(xié)同演化算法及其在數(shù)據(jù)挖掘中的應(yīng)用

定　價：￥26.00

作　者：	董紅斌，賀志著
出版社：	水利水電出版社
叢編項：
標(biāo)　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787508456881	出版時間：	2008-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	184	字?jǐn)?shù)：

內(nèi)容簡介

　　演化算法是一種模擬生物演化過程與機制求解優(yōu)化問題及搜索問題的一類自組織、自適應(yīng)人工智能技術(shù)。協(xié)同演化算法是針對傳統(tǒng)演化算法的不足而興起的，通過構(gòu)造兩個或多個種群，建立它們之間的競爭或合作關(guān)系，多個種群相互作用來提高各自性能，適應(yīng)復(fù)雜系統(tǒng)的動態(tài)演化環(huán)境，以達到種群優(yōu)化的目標(biāo)。協(xié)同演化算法是近年來已成為計算機智能研究的一個熱點，已廣泛應(yīng)用于電子工程、模式識別、交通運輸規(guī)劃、經(jīng)濟管理和工程設(shè)計優(yōu)化等領(lǐng)域。本書從協(xié)同演化理論和演化算法相結(jié)合的角度出發(fā)，著重介紹了協(xié)同演化算法及其在數(shù)據(jù)挖掘的應(yīng)用方面的研究工作。全書共分為10章，內(nèi)容包括緒論、函數(shù)優(yōu)化、約束優(yōu)化、多目標(biāo)優(yōu)化、興趣度量優(yōu)化、數(shù)據(jù)集的優(yōu)化和規(guī)則形式的簡化及演化聚類算法等。本書可作為計算機科學(xué)、信息科學(xué)、人工智能自動化技術(shù)及數(shù)據(jù)挖掘等相關(guān)專業(yè)的研究生、教師和科技工作者的參考書。

作者簡介

暫缺《協(xié)同演化算法及其在數(shù)據(jù)挖掘中的應(yīng)用》作者簡介

圖書目錄

第1章緒論
1.1 演化算法概述
1.1.1 演化算法的起源
1.1.2 演化算法的應(yīng)用領(lǐng)域
1.1.3 演化算法的發(fā)展趨勢
1.2 演化算法的基本原理
1.2.1 生物學(xué)基礎(chǔ)
1.2.2 演化算法與最優(yōu)化
1.2.3 演化算法的一般框架
1.2.4 沒有免費午餐定理
1.3 協(xié)同演化算法研究現(xiàn)狀
1.3.1 協(xié)同進化論
1.3.2 演化博弈論
1.3.3 協(xié)同演化算法設(shè)計
1.3.4 協(xié)同演化算法的應(yīng)用
第2章數(shù)據(jù)挖掘和關(guān)聯(lián)規(guī)則
2.1 數(shù)據(jù)挖掘
2.1.1 數(shù)據(jù)挖掘的定義和過程
2.1.2 挖掘的數(shù)據(jù)形式
2.1.3 數(shù)據(jù)挖掘的功能
2.2 關(guān)聯(lián)分析
2.2.1 關(guān)聯(lián)規(guī)則的定義
2.2.2 關(guān)聯(lián)規(guī)則挖掘的問題
2.3 聚類分析
2.3.1 聚類分析的意義
2.3.2 聚類分析的概念
2.3.3 聚類分析的算法
2.4 遺傳算法在規(guī)則發(fā)現(xiàn)中的應(yīng)用
2.4.1 個體表示
2.4.2 算子
2.4.3 種群初始化
2.4.4 適應(yīng)度
2.4.5 分類規(guī)則發(fā)現(xiàn)和關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的不同
第3章基于混合策略的協(xié)同演化算法
3.1 引言
3.2 混合策略協(xié)同演化規(guī)劃的基本思想
3.2.1 概率分布函數(shù)的性能
3.2.2 混合策略協(xié)同演化規(guī)劃框架
3.3 求解函數(shù)優(yōu)化問題的MSCEP算法
3.4 實驗結(jié)果和分析
3.4.1 實驗結(jié)果
3.4.2 實驗分析
3.5 小結(jié)
第4章求解約束優(yōu)化問題的混合策略演化算法
4.1 引言
4.2 求解約束優(yōu)化問題的基本思想
4.2.1 約束優(yōu)化問題
4.2.2 約束比較規(guī)則
4.3 求解約束優(yōu)化問題的CMSEP算法
4.4 實驗結(jié)果和分析
4.4.1 實驗結(jié)果
4.4.2 結(jié)果分析
4.5 小結(jié)
第5章求解多目標(biāo)優(yōu)化問題的混合策略演化算法
5.1 引言
5.2 相關(guān)工作
5.2.1 關(guān)鍵技術(shù)
5.2.2 研究現(xiàn)狀
5.3 求解多目標(biāo)優(yōu)化問題的基本思想
5.3.1 多目標(biāo)優(yōu)化問題
5.3.2 強度Pareto優(yōu)化的基本思想
5.4 混合策略的Pareto演化規(guī)劃
5.5 實驗結(jié)果和分析
5.5.1 測試函數(shù)
5.5.2 占果分析
5.6 小結(jié)
第6章興趣度量的優(yōu)化
6.1 關(guān)聯(lián)規(guī)則的興趣度量
6.1.1 興趣度量的目的
6.1.2 興趣度量的分類
6.2 發(fā)現(xiàn)度量約束下的規(guī)則
6.3 發(fā)現(xiàn)基于殘差的最優(yōu)相關(guān)規(guī)則
6.3.1 殘差分析
6.3.2 互信息量
6.3.3 用遺傳算法發(fā)現(xiàn)優(yōu)化相關(guān)規(guī)則GADCR
6.4 實驗
6.4.1 人工數(shù)據(jù)集上的實驗結(jié)果
6.4.2 真實數(shù)據(jù)集上的實驗結(jié)果
6.5 小結(jié)
第7章數(shù)據(jù)集的優(yōu)化
7.1 離散化簡介
7.1.1 有監(jiān)督和無監(jiān)督離散化
7.1.2 一元與多元離散化
7.1.3 MVD
7.2 一種基于聚類的無監(jiān)督多元離散化方法EMVD—BDC
7.2.1 動機
7.2.2 EMVD-BDC
7.3 MVD的一種優(yōu)化算法OMVD
7.3.1 最大支持度差異（MSD）
7.3.2 用遺傳算法優(yōu)化MSD列表
7.4 實驗
7.4.1 人工數(shù)據(jù)集上的實驗
7.4.2 真實數(shù)據(jù)集上的實驗
7.5 小結(jié)
第8章規(guī)則形式的簡化
8.1 最優(yōu)關(guān)聯(lián)規(guī)則的簡介
8.1.1 問題的提出和定義
8.1.2 發(fā)現(xiàn)最優(yōu)置信度規(guī)則的經(jīng)典算法：FOCR
8.1.3 其他算法
8.2 發(fā)現(xiàn)最優(yōu)interest規(guī)則
8.2.1 問題的定義
8.2.2 發(fā)現(xiàn)最優(yōu)interest規(guī)則的算法FOCR
8.3 發(fā)現(xiàn)最優(yōu)相對密度規(guī)則
8.3.1 密度度量
8.3.2 相對密度度量
8.3.3 最優(yōu)相對密度規(guī)則的發(fā)現(xiàn)算法FORDAR
8.4 實驗
8.4.1 人工數(shù)據(jù)集上的實驗
8.4.2 真實數(shù)據(jù)集上的實驗
8.5 小結(jié)
第9章基于混合策略的演化聚類算法
9.1 引言
9.2 模糊C均值聚類
9.2.1 模糊C均值聚類算法
9.2.2 模糊權(quán)和有效性函數(shù)
9.3 混合策略演化聚類算法
9.4 實驗結(jié)果和分析
9.4.1 人工數(shù)據(jù)集和真實數(shù)據(jù)集
9.4.2 有效性指標(biāo)實驗分析
9.4.3 算法性能分析
9.4.4 參數(shù)選擇
9.5 小結(jié)
第10章總結(jié)
參考文獻