規(guī)則挖掘技術(shù)

前言

　　規(guī)則挖掘（rule mining）是許多傳統(tǒng)學(xué)科和新興工程領(lǐng)域相結(jié)合而產(chǎn)生的一個(gè)年輕而又活躍的前沿技術(shù)領(lǐng)域，是多種智能控制系統(tǒng)的重要組成部分。它是指從數(shù)據(jù)庫(kù)中抽取隱含的、潛在的、先前未知的、有用的知識(shí)或規(guī)則的一門(mén)交叉學(xué)科技術(shù)。由于其潛在的理論意義和巨大的應(yīng)用價(jià)值，世界各國(guó)都投入了大量的人力、物力和財(cái)力，進(jìn)行廣泛深入的研究。就我們所知，到目前為止，規(guī)則挖掘技術(shù)還有諸多值得研究的方面，而研究的很多成果也還遠(yuǎn)沒(méi)有大規(guī)模地呈現(xiàn)在如電子商務(wù)、機(jī)器人、交通管制、軍事應(yīng)用等應(yīng)用領(lǐng)域?！　”緯?shū)針對(duì)規(guī)則挖掘技術(shù)中的如下幾個(gè)關(guān)鍵問(wèn)題進(jìn)行了研究：規(guī)則挖掘機(jī)制、規(guī)則挖掘方法、規(guī)則挖掘過(guò)程中的分類(lèi)、規(guī)則挖掘技術(shù)的應(yīng)用案例等?！　∪珪?shū)共分9章。其中，第一章綜述了規(guī)則挖掘技術(shù)研究的背景，第二章闡述了規(guī)則挖掘的相關(guān)技術(shù)，第三章研究了一種具有冗余約簡(jiǎn)能力的規(guī)則挖掘機(jī)制，第四章研究了分明關(guān)系約束的格上規(guī)則挖掘方法，第五章研究了基于包含度的決策樹(shù)中規(guī)則挖掘方法，第六章對(duì)前兩章的兩種方法進(jìn)行了理論分析與比較，第七章研究了基于時(shí)間序列的規(guī)則挖掘方法，第八章研究了規(guī)則挖掘過(guò)程中的分類(lèi)技術(shù)，第九章是本書(shū)所研究規(guī)則挖掘技術(shù)的應(yīng)用案例?！　”緯?shū)除第七章、第八章由王曉嘩撰寫(xiě)外，其余各章均由張德干撰寫(xiě)，并由張德干統(tǒng)稿。本書(shū)得到國(guó)家863計(jì)劃項(xiàng)目（No．2007AA012188）、國(guó)家自然科學(xué)基金項(xiàng)目（No．60773073，No．60604010）、教育部重點(diǎn)項(xiàng)目（No．208010）和浙江大學(xué)工業(yè)控制技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室項(xiàng)目（No．0708007）的資助。　　本書(shū)由張樺教授和鄭剛教授審閱?！　”緯?shū)在撰寫(xiě)過(guò)程中，多位教授和專(zhuān)家學(xué)者提出了建設(shè)性意見(jiàn)，同時(shí)，得到了韓靜等同事和張小麗、李林青、凌辰、李淼、胡素蕊等研究生的支持和幫助，在此一并表示衷心的感謝。本書(shū)屬研究型專(zhuān)著，可供高校研究生、科研人員和工程技術(shù)人員參考。書(shū)中不當(dāng)之處，真誠(chéng)歡迎各位讀者批評(píng)指正。

內(nèi)容概要

規(guī)則挖掘技術(shù)是指從數(shù)據(jù)庫(kù)中抽取隱含的、潛在的、先前未知的、有用的知識(shí)和規(guī)則的一門(mén)交叉學(xué)科技術(shù)。它受多個(gè)學(xué)科的影響，同時(shí)它又對(duì)多個(gè)學(xué)科的發(fā)展、應(yīng)用產(chǎn)生積極而深遠(yuǎn)的影響，具有十分重要的促進(jìn)作用。本書(shū)涉及的內(nèi)容有規(guī)則挖掘技術(shù)概論、具有冗余約簡(jiǎn)能力的規(guī)則挖掘機(jī)制、分明關(guān)系約束的格上規(guī)則挖掘方法、基于包含度的決策樹(shù)中規(guī)則挖掘方法、基于時(shí)間序列的規(guī)則挖掘方法、規(guī)則挖掘過(guò)程中的分類(lèi)技術(shù)、應(yīng)用案例等內(nèi)容。    本書(shū)介紹的規(guī)則挖掘技術(shù)新穎、涵蓋面廣、信息量大、實(shí)用性強(qiáng)。本書(shū)圖文并茂，十分方便本科生、研究生、教師學(xué)習(xí)和參考，也非常方便從事數(shù)據(jù)挖掘以及相關(guān)領(lǐng)域的科研和工程開(kāi)發(fā)技術(shù)人員閱讀、參考。

書(shū)籍目錄

前言第一章  緒論  1.1  數(shù)據(jù)挖掘技術(shù)概論  1.2  規(guī)則挖掘技術(shù)的研究意義  1.3  規(guī)則挖掘技術(shù)的應(yīng)用領(lǐng)域  1.4  規(guī)則挖掘技術(shù)的研究進(jìn)展及內(nèi)容第二章  規(guī)則挖掘的相關(guān)技術(shù)  2.1  定義  2.2  規(guī)則的類(lèi)型    2.2.1  按組織形式劃分    2.2.2  按功能劃分  2.3  面向?qū)傩缘囊?guī)則的含義及表示形式  2.4  面向?qū)傩缘囊?guī)則的性質(zhì)  2.5  規(guī)則挖掘的相關(guān)策略    2.5.1  來(lái)自人思維過(guò)程的啟示      2.5.2  規(guī)則挖掘時(shí)遵循的準(zhǔn)則      2.5.3  規(guī)則挖掘過(guò)程中的信息增益  2.6  規(guī)則挖掘的相關(guān)方法    2.6.1  綜述    2.6.2  粗粒度區(qū)化法    2.6.3  細(xì)粒度區(qū)化法    2.6.4  分類(lèi)法    2.7  小結(jié)第三章  一種具有冗余約簡(jiǎn)能力的規(guī)則挖掘機(jī)制  3.1  傳感/施動(dòng)模型的啟發(fā)  3.2  以信息融合為框架討論規(guī)則挖掘的特點(diǎn)  3.3  具有冗余約簡(jiǎn)能力的規(guī)則挖掘機(jī)制    3.3.1  挖掘能力涉及的內(nèi)容    3.3.2  一種挖掘機(jī)制    3.3.3  挖掘過(guò)程的實(shí)現(xiàn)途徑分析  3.4  小結(jié)第四章  分明關(guān)系約束的格上規(guī)則挖掘方法  4.1  挖掘方法的基本實(shí)現(xiàn)過(guò)程  4.2  相關(guān)定義和性質(zhì)  4.3  方法的實(shí)現(xiàn)    4.3.1  決策表的預(yù)處理    4.3.2  粗糙格的構(gòu)造算法    4.3.3  分明關(guān)系約束的粗糙格上規(guī)則的挖掘算法  4.4  小結(jié)第五章  基于包含度的決策樹(shù)中規(guī)則挖掘方法  5.1  挖掘方法的思路  5.2  定義  5.3  屬性值的類(lèi)化  5.4  決策表的預(yù)處理  5.5  挖掘方法的實(shí)現(xiàn)    5.5.1  基于分明關(guān)系確定構(gòu)建決策樹(shù)的最小核集    5.5.2  基于粗糙熵確定構(gòu)建決策樹(shù)的其他有用條件屬性    5.5.3  包含度的測(cè)度方法    5.5.4  基于包含度的決策樹(shù)構(gòu)建算法    5.5.5  決策樹(shù)的維護(hù)    5.5.6  從決策樹(shù)中挖掘規(guī)則及規(guī)則的信任度量  5.6  冗余規(guī)則的簡(jiǎn)化方法  5.7  小結(jié)第六章  兩種方法的理論分析與比較  6.1  格上規(guī)則挖掘方法間的分析比較    6.1.1  格結(jié)點(diǎn)遍歷方式的分析    6.1.2  同類(lèi)格間的性能比較  6.2  決策樹(shù)中規(guī)則挖掘法間的分析比較    6.2.1  建樹(shù)過(guò)程的分析    6.2.2  同類(lèi)樹(shù)間時(shí)間復(fù)雜度與規(guī)則信任度的比較  6.3  格與樹(shù)兩種挖掘方法間的異同點(diǎn)  6.4  所研究的方法與應(yīng)用對(duì)象之間的關(guān)系  6.5  小結(jié)第七章  基于時(shí)間序列的規(guī)則挖掘方法  7.1  基于時(shí)問(wèn)序列的規(guī)則挖掘技術(shù)概述    7.1.1  相似搜索    7.1.2  模式挖掘  7.2  一種結(jié)構(gòu)自適應(yīng)的分段線性化描述方法    7.2.1  結(jié)構(gòu)自適應(yīng)的時(shí)間序列的分段線性化描述    7.2.2  基于分段線性化的時(shí)間序列相似性的測(cè)量    7.2.3  基于分段線性化表示的時(shí)間序列的k-平均聚類(lèi)算法    7.2.4  仿真實(shí)驗(yàn)  7.3  時(shí)間序列的平滑處理及離散化方法    7.3.1  移動(dòng)平均法    7.3.2  低通濾波器法    7.3.3  離散化法  7.4  小結(jié)第八章  規(guī)則挖掘過(guò)程中的分類(lèi)技術(shù)  8.1  一種具有高泛化性能的分類(lèi)算法    8.1.1  概述    8.1.2  基于正則最小二乘訓(xùn)練的前饋神經(jīng)網(wǎng)絡(luò)分類(lèi)方法      8.1.3  仿真實(shí)驗(yàn)  8.2  一種新的K一最近鄰分類(lèi)算法    8.2.1 K一最近鄰分類(lèi)技術(shù)的改進(jìn)算法    8.2.2  一種新的K一最近鄰混合分類(lèi)算法    8.2.3  仿真實(shí)驗(yàn)  8.3  基于帶移動(dòng)窗的神經(jīng)網(wǎng)絡(luò)時(shí)變數(shù)據(jù)分類(lèi)技術(shù)    8.3.1  時(shí)變數(shù)據(jù)的最小二乘學(xué)習(xí)算法    8.3.2  前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及帶移動(dòng)窗的最小二乘學(xué)習(xí)算法    8.3.3  仿真實(shí)驗(yàn)  8.4  正則化訓(xùn)練的神經(jīng)網(wǎng)絡(luò)和粗糙集理論相結(jié)合的分類(lèi)技術(shù)    8.4.1  概述    8.4.2  應(yīng)用于分類(lèi)技術(shù)的粗糙集理論    8.4.3  正則化訓(xùn)練的神經(jīng)網(wǎng)絡(luò)和粗糙集理論相結(jié)合的時(shí)間序列趨勢(shì)預(yù)測(cè)    8.4.4  仿真實(shí)驗(yàn)  8.5  小結(jié)第九章  應(yīng)用案例  9.1  規(guī)則挖掘在水電廠運(yùn)行態(tài)勢(shì)評(píng)估中的重要性    9.1.1  重要性概述    9.1.2  水電廠實(shí)時(shí)監(jiān)測(cè)的方式與生成規(guī)則的信息來(lái)源  9.2  規(guī)則挖掘機(jī)制和方法的應(yīng)用驗(yàn)證    9.2.1  水電運(yùn)行仿真機(jī)簡(jiǎn)介    9.2.2  基于動(dòng)態(tài)信息融合思想的水電運(yùn)行仿真機(jī)的設(shè)計(jì)與實(shí)現(xiàn)    9.2.3  采用信任度高的水輪發(fā)電機(jī)調(diào)節(jié)系統(tǒng)數(shù)學(xué)模型    9.2.4  驗(yàn)證案例：主系統(tǒng)線路工況中的規(guī)則挖掘及運(yùn)行狀態(tài)準(zhǔn)確判斷  9.3  小結(jié)參考文獻(xiàn)附錄

章節(jié)摘錄

　　第一章　緒論　　規(guī)則挖掘是許多傳統(tǒng)學(xué)科和新興工程領(lǐng)域相結(jié)合而產(chǎn)生的一個(gè)新的前沿技術(shù)領(lǐng)域，是多種智能控制系統(tǒng)的重要組成部分。無(wú)論在軍事上，還是在民用上，它已發(fā)展成為一個(gè)十分活躍的熱門(mén)研究領(lǐng)域，是多學(xué)科、多部門(mén)、多領(lǐng)域所共同關(guān)心的高層次共性關(guān)鍵技術(shù)，包括中國(guó)在內(nèi)的眾多國(guó)家都相繼把它列為未來(lái)重點(diǎn)發(fā)展的對(duì)象。作為一種自動(dòng)化智能信息綜合處理技術(shù)，它充分利用多源異類(lèi)信息的互補(bǔ)性和計(jì)算機(jī)的高速處理與智能判定來(lái)提高結(jié)果信息的質(zhì)量。這一技術(shù)首先廣泛用于軍事，并很快推廣到自動(dòng)控制、航空交通管制、遙感測(cè)量以及醫(yī)療診斷等眾多領(lǐng)域。因其潛在的巨大應(yīng)用價(jià)值，世界各國(guó)都投入了大量的人力、物力和財(cái)力，進(jìn)行廣泛深入的研究。就我們所知，到目前為止，規(guī)則挖掘作為一門(mén)學(xué)科還未形成一套系統(tǒng)而完備的理論，并有諸多值得研究的方面，而研究的很多成果還遠(yuǎn)沒(méi)有大規(guī)模地呈現(xiàn)在應(yīng)用領(lǐng)域?！　　?/pre>








圖書(shū)封面






評(píng)論、評(píng)分、閱讀與下載



還沒(méi)讀過(guò)(56)
勉強(qiáng)可看(408)
一般般(697)
內(nèi)容豐富(2890)
強(qiáng)力推薦(237)


 


    規(guī)則挖掘技術(shù) PDF格式下載