大數(shù)據(jù)特征降維：粗糙集特征選擇的群智能方法及應(yīng)用研究

前言
第1章 緒論
1．1 本書研究背景
1．2 特征選擇概述
1．3 國內(nèi)外研究現(xiàn)狀
1．3．1 基于粗糙集的特征選擇研究進(jìn)展
1．3．2 群智能研究進(jìn)展
1．4 本書研究內(nèi)容
1．5 本書的組織結(jié)構(gòu)

第2章 粗糙集與群智能
2．1 引言
2．2 粗糙集
2．2．1 粗糙集的理論基礎(chǔ)
2．2．2 基于粗糙集的特征選擇
2．3 群智能
2．3．1 蟻群優(yōu)化算法
2．3．2 粒子群優(yōu)化算法
2．3．3 人工蜂群算法
2．4 基于群智能和粗糙集的特征選擇框架
2．4．1 子集生成
2．4．2 子集評(píng)價(jià)
2．4．3 停止條件
2．4．4 結(jié)果驗(yàn)證
2．5 本章小結(jié)

第3章 基于蟻群優(yōu)化和粗糙集的特征選擇方法
3．1 引言
3．2 基于蟻群優(yōu)化和粗糙集的特征選擇算法HSACO
3．2．1 算法思想
3．2．2 算法模型
3．2．3 概率轉(zhuǎn)移公式和混合策略
3．2．4 算法描述
3．3 對(duì)比實(shí)驗(yàn)及結(jié)果分析
3．3．1 實(shí)驗(yàn)環(huán)境
3．3．2 參數(shù)選取與分析
3．3．3 結(jié)果比較及討論
3．4 本章小結(jié)

第4章 基于粒子群優(yōu)化和粗糙集的特征選擇方法
4．1 引言
4．2 基于粒子群優(yōu)化和粗糙集的特征選擇算法DPPSO
4．2．1 算法思想
4．2．2 粒子的表達(dá)和種群初始化
4．2．3 基于互信息的適應(yīng)值函數(shù)
4．2．4 粒子更新策略
4．2．5 算法描述
4．3 對(duì)比實(shí)驗(yàn)及結(jié)果分析
4．3．1 實(shí)驗(yàn)環(huán)境
4．3．2 結(jié)果比較及討論
4．4 本章小結(jié)

第5章 基于人工蜂群和粗糙集的特征選擇方法
5．1 引言
5．2 基于人工蜂群和粗糙集的特征選擇算法NDABC
5．2．1 算法思想
5．2．2 解的表達(dá)和種群初始化
5．2．3 反向?qū)W習(xí)
5．2．4 適應(yīng)值函數(shù)及轉(zhuǎn)移概率
5．2．5 鄰域搜索策略
5．2．6 禁忌搜索
5．2．7 算法描述
5．3 對(duì)比試驗(yàn)及結(jié)果分析
5．3．1 實(shí)驗(yàn)環(huán)境
5．3．2 參數(shù)選取與分析
5．3．3 結(jié)果比較及討論
5．4 本章小結(jié)

第6章 銀行個(gè)人信用評(píng)分中的特征選擇
6．1 銀行個(gè)人信用評(píng)分
6．1．1 個(gè)人信用評(píng)分的概念和發(fā)展
6．1．2 個(gè)人信用評(píng)分指標(biāo)體系
6．2 實(shí)驗(yàn)數(shù)據(jù)
6．2．1 德國信用數(shù)據(jù)集的描述
6．2．2 數(shù)據(jù)離散化
6．3 基于群智能和粗糙集的特征選擇在信用評(píng)分中的應(yīng)用
6．3．1 實(shí)驗(yàn)環(huán)境
6．3．2 測試過程及結(jié)果分析
6．4 本章小結(jié)

第7章 面向大數(shù)據(jù)的高維數(shù)據(jù)特征選擇
7．1 高維數(shù)據(jù)特征選擇
7．2 實(shí)驗(yàn)數(shù)據(jù)
7．3 基于群智能和粗糙集的特征選擇在高維數(shù)據(jù)中的應(yīng)用
7．3．1 實(shí)驗(yàn)環(huán)境
7．3．2 測試過程及結(jié)果分析
7．4 本章小結(jié)

第8章 總結(jié)與展望
8．1 總結(jié)
8．2 展望
參考文獻(xiàn)