樣例約簡(jiǎn)與屬性約簡(jiǎn)

目錄
《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序
前言
第1章預(yù)備知識(shí)1
1.1分類問題與回歸問題1
1.2不確定性度量5
1.2.1隨機(jī)變量的不確定性度量5
1.2.2認(rèn)知的模糊性度量13
1.3數(shù)據(jù)約簡(jiǎn)17
參考文獻(xiàn)20
第2章粗糙集及其擴(kuò)展模型24
2.1經(jīng)典粗糙集模型25
2.1.1上近似和下近似25
2.1.2粗糙集模型的特征31
2.1.3屬性約簡(jiǎn)與核50
2.1.4屬性約簡(jiǎn)算法51
2.2變精度粗糙集模型56
2.3相容粗糙集模型62
2.4粗糙模糊集模型65
2.5模糊粗糙集模型80
參考文獻(xiàn)87
第3章求解分類問題的方法90
3.1決策樹90
3.1.1離散值決策樹歸納算法90
3.1.2連續(xù)值決策樹歸納算法100
3.2模糊決策樹111
3.2.1模糊ID3算法111
3.2.2基于模糊粗糙集技術(shù)的模糊決策樹算法120
3.3支持向量機(jī)127
3.3.1線性可分問題的支持向量機(jī)127
3.3.2近似線性可分問題的支持向量機(jī)131
3.3.3線性不可分問題的支持向量機(jī)132
3.4極限學(xué)習(xí)機(jī)135
3.5概率神經(jīng)網(wǎng)絡(luò)137
參考文獻(xiàn)140
第4章樣例約簡(jiǎn)143
4.1樣例選擇準(zhǔn)則143
4.1.1樣例選擇的不確定性準(zhǔn)則.143
4.1.2樣例選擇的期望誤差減少準(zhǔn)則144
4.1.3一致性準(zhǔn)則145
4.2交叉選擇樣例算法147
4.2.1算法的基本思想148
4.2.2交叉選擇樣例算法150
4.2.3實(shí)驗(yàn)結(jié)果及分析151
4.3基于模糊粗糙集技術(shù)的壓縮模糊K近鄰規(guī)則163
4.3.1基礎(chǔ)知識(shí)163
4.3.2壓縮模糊K近鄰規(guī)則165
4.3.3實(shí)驗(yàn)結(jié)果及分析169
4.4概率神經(jīng)網(wǎng)絡(luò)樣例選擇算法178
參考文獻(xiàn)184
第5章屬性約簡(jiǎn)186
5.1特征提取186
5.1.1主成分分析186
5.1.2線性判別分析189
5.2特征子集評(píng)價(jià)準(zhǔn)則193
5.2.1類別可分離性準(zhǔn)則193
5.2.2不一致性準(zhǔn)則194
5.3最小相關(guān)性最大依賴度屬性約簡(jiǎn)198
5.3.1算法的基本思想199
5.3.2最小相關(guān)性最大依賴度屬性約簡(jiǎn)算法201
5.3.3實(shí)驗(yàn)結(jié)果201
5.4模糊屬性約簡(jiǎn)方法203
5.4.1相關(guān)工作203
5.4.2模糊屬性約簡(jiǎn)方法205
5.4.3實(shí)驗(yàn)結(jié)果及分析213
5.5極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)結(jié)構(gòu)選擇214
5.5.1模型選擇準(zhǔn)則215
5.5.2基于結(jié)點(diǎn)敏感性的模型選擇217
5.5.3實(shí)驗(yàn)結(jié)果及分析219
參考文獻(xiàn)2