面向不確定性決策的雜合粗糙集方法及其應(yīng)用

內(nèi)容概要

本書介紹了粗糙集理論、方法與應(yīng)用，并針對實際應(yīng)用領(lǐng)域中知識表示系統(tǒng)可能包含的多種不確定性情況，較系統(tǒng)地介紹了粗糙集理論與其他相關(guān)軟技術(shù)理論的雜合方法與應(yīng)用。書中融入了國內(nèi)外學(xué)者研究的許多最新成果。全書內(nèi)容分為八章，包括緒淪，粗糙集理論，粗糙集與概率論的雜合，粗糙集與優(yōu)勢關(guān)系的雜合，粗糙集與模糊集的雜合，粗糙集與灰色系統(tǒng)的雜合，變精度粗糙集、模糊集與神經(jīng)網(wǎng)絡(luò)的雜合，以及雜合粗糙集方法的應(yīng)用分析等。    本書可作為高等院校經(jīng)濟管理類專業(yè)及應(yīng)用數(shù)學(xué)、信息科學(xué)、自動控制等專業(yè)的高年級本科生及研究生教材，也可作為人文、社會科學(xué)及其他相關(guān)學(xué)科的參考書，還可作為相關(guān)企事業(yè)單位管理人員、科研機構(gòu)及工程技術(shù)人員等廣大研究人員與實際工作者的參考書。

書籍目錄

第一章 緒論　1.1 軟計算技術(shù)產(chǎn)生的時代背景和義　1.2 粗糙集理論的特點與研究現(xiàn)狀　1.3 粗糙集理論與其他軟技術(shù)理論的雜合　1.4 本章小節(jié)第二章 粗糙集理論　2.1 集息系統(tǒng)與分類　2.2 決策表與規(guī)則獲取　2.3 數(shù)據(jù)離散　2.4 屬性約簡的常用算法　2.5 應(yīng)用案例　2.6 本章小節(jié)第三章 粗糙集與概率論的雜合　3.1 粗糙隸屬函數(shù)　　3.2 變精度粗糙集模型　3.3 基于變精度精糙集的分層知識粒度構(gòu)建　　3.4 基于粗糙的不一致信息系統(tǒng)規(guī)則獲取方法　　3.5 本章小結(jié)第四章 粗糙集與優(yōu)勢關(guān)系的雜合　4.1 優(yōu)勢粗糙集　4.2 優(yōu)勢變精度粗糙集　　4.3 應(yīng)用案例　4.4 本章小結(jié)第五章 粗糙集與模糊集的雜合第六章 粗糙集與灰色系統(tǒng)的雜合第七章 變精度粗糙集、模糊集與神經(jīng)網(wǎng)絡(luò)的雜合第八章 雜合粗糙集方法的應(yīng)用分析參考文獻

章節(jié)摘錄

　　第一章　緒論　　數(shù)據(jù)挖掘與知識發(fā)現(xiàn)已成為當前非?；钴S的研究領(lǐng)域，粗糙集理論作為數(shù)據(jù)推理的強大工具已被成功地應(yīng)用于知識獲取、決策分析、預(yù)測、專家系統(tǒng)及數(shù)據(jù)庫中的知識發(fā)現(xiàn)等許多領(lǐng)域。粗糙集理論與灰色系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、概率統(tǒng)計、模糊集等理論有較強的互補性，將粗糙集理論與其他軟技術(shù)兩個或多個優(yōu)勢互補地雜合，構(gòu)建功能更加強大的雜合軟決策方法，可以拓寬粗糙集理論的適用范圍，為不確定性決策問題提供多種科學(xué)、規(guī)范的決策方法。　　1.1　軟計算技術(shù)產(chǎn)生的時代背景和意義　　隨著Internet和數(shù)據(jù)庫技術(shù)的迅猛發(fā)展和廣泛應(yīng)用，數(shù)據(jù)庫中存儲的數(shù)據(jù)量以驚人的速度增加，龐大的數(shù)據(jù)量滲透到社會生活和生產(chǎn)的各個領(lǐng)域，其結(jié)果導(dǎo)致傳統(tǒng)的統(tǒng)計技術(shù)及數(shù)據(jù)管理工具不再適用于分析這些巨量的數(shù)據(jù)集。海量的數(shù)據(jù)被描述為“豐富的數(shù)據(jù)，貧乏的知識”。人們需要采用自動化程度更高、效率更高的數(shù)據(jù)處理方法來處理大量數(shù)據(jù)，并提供有用的知識。從金融業(yè)到制造業(yè)，越來越多的公司正依賴于巨量數(shù)據(jù)的分析獲得競爭優(yōu)勢，知識已成為社會生活和生產(chǎn)的第一推動力。為了幫助人們智能化地分析海量數(shù)據(jù)，自動地分析一些事例，出現(xiàn)了新一代的技術(shù)和工具，這些技術(shù)和工具主要用于數(shù)據(jù)挖掘（data mining，DM）和知識發(fā)現(xiàn)（knowledge discovery in database，KDD）領(lǐng)域。KDD指從大型數(shù)據(jù)庫中自動提取知識，目標是發(fā)現(xiàn)數(shù)據(jù)中隱藏的、以前未知的、潛在有用的知識，本質(zhì)上是在大的數(shù)據(jù)集合中尋找數(shù)據(jù)間的規(guī)則及普遍模式。數(shù)據(jù)挖掘可以視為用來發(fā)現(xiàn)這些規(guī)則和模式的方法。KDD的流程如圖1．1所示?！　?.數(shù)據(jù)挖掘的分析方法　　從功能上可以將數(shù)據(jù)挖掘的分析方法劃分為自動預(yù)測趨勢和行為、關(guān)聯(lián)分析、聚類分析、概念描述和偏差檢測五種。　?。?）自動預(yù)測趨勢和行為　　數(shù)據(jù)挖掘自動在大型數(shù)據(jù)庫中尋找預(yù)測性信息，以往需要進行大量手工分析的問題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。一個典型的例子是市場預(yù)測問題，數(shù)據(jù)挖掘使用過去有關(guān)促銷的數(shù)據(jù)來尋找未來投資中回報最大的用戶，其他可預(yù)測的問題包括預(yù)測破產(chǎn)以及認定對指定事件最可能作出反應(yīng)的群體等。　　……

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    面向不確定性決策的雜合粗糙集方法及其應(yīng)用 PDF格式下載

---