數(shù)據(jù)與文本挖掘及其在研發(fā)決策中的應(yīng)用

內(nèi)容概要

　　本書內(nèi)容簡(jiǎn)介：數(shù)據(jù)挖掘和文本挖掘是當(dāng)前信息技術(shù)中的一個(gè)重要研究領(lǐng)域；將遺傳算法和社會(huì)演化算法應(yīng)用于數(shù)據(jù)及文本挖掘方法研究，具有較大的理論意義和實(shí)用價(jià)值本書研究了基于遺傳算法和社會(huì)演化算法的數(shù)據(jù)挖掘和文本挖掘方法，主要包括數(shù)據(jù)挖掘和文本挖掘中的屬性約簡(jiǎn)問(wèn)題、聚類問(wèn)題，并將其應(yīng)用于產(chǎn)品研發(fā)決策中所做主要工作包括：提出一種基于遺傳算法和k-medoids算法的新的聚類方法；采用遺傳算法和模式聚合進(jìn)行文本特征降維；采用遺傳算法和潛在語(yǔ)義索引進(jìn)行文本特征降維；采用社會(huì)演化算法進(jìn)行聚類；采用混沌社會(huì)演化算法進(jìn)行聚類；采用改進(jìn)的遺傳算法和社會(huì)演化算法進(jìn)行文本聚類研究；將文本挖掘應(yīng)用到產(chǎn)品研發(fā)決策中，構(gòu)建產(chǎn)品研發(fā)文本知識(shí)地圖，以期提高產(chǎn)品研發(fā)的效率和質(zhì)量。

作者簡(jiǎn)介

　　郝占剛，1976年3月出生，河北邢臺(tái)人，山東工商學(xué)院副教授，博士，主要研究領(lǐng)域：數(shù)據(jù)挖掘，文本挖掘，產(chǎn)品研發(fā)。近幾年來(lái)，共發(fā)表論文20多篇，其中在《系統(tǒng)工程學(xué)報(bào)》、《情報(bào)科學(xué)》、《現(xiàn)代圖書情報(bào)技術(shù)》、《計(jì)算機(jī)應(yīng)用》、《科研管理》、《研究與發(fā)展管理》等國(guó)內(nèi)核心期刊上發(fā)表10余篇，有4篇被EI收錄，承擔(dān)省部級(jí)以上項(xiàng)目3項(xiàng)，目前承擔(dān)山東省中青年科學(xué)家科研獎(jiǎng)勵(lì)基金1項(xiàng)，山東省自然基金1項(xiàng)。

書籍目錄

第一章 緒論
　第一節(jié) 本書的研究背景和意義
　第二節(jié) 數(shù)據(jù)挖掘與文本挖掘概述
　第三節(jié) 遺傳算法應(yīng)用研究綜述
　第四節(jié) 社會(huì)演化算法在數(shù)據(jù)和文本聚類中的應(yīng)用
　第五節(jié) 本書的主要工作和創(chuàng)新點(diǎn)
第二章 基于遺傳算法和k-medoids算法相結(jié)合的聚類方法
　第一節(jié) 引言
　第二節(jié) k-medoids算法簡(jiǎn)介
　第三節(jié) 基于遺傳算法和k-medoids算法相結(jié)合的聚類方法
　第四節(jié) 仿真實(shí)驗(yàn)
　本章小結(jié)
第三章 基于模式聚合和遺傳算法的文本特征降維方法
　第一節(jié) 引言
　第二節(jié) 常用的文本特征降維方法及其缺點(diǎn)
　第三節(jié) 文本分類的預(yù)處理
　第四節(jié) 模式聚合理論簡(jiǎn)介
　第五節(jié) 基于遺傳算法的文本特征提取方法
　第六節(jié) 基于模式聚合和遺傳算法的文本特征降維方法
　第七節(jié) 仿真實(shí)驗(yàn)
　本章小結(jié)
第四章 基于潛在語(yǔ)義索引和遺傳算法的文本特征降維方法
　第一節(jié) 引言
　第二節(jié) 向量空間模型
　第三節(jié) 隱含語(yǔ)義分析理論簡(jiǎn)介
　第四節(jié) 基于遺傳算法的文本特征降維方法
　第五節(jié) 基于潛在語(yǔ)義索引和遺傳算法的
　文本特征降維方法
　第六節(jié) 仿真實(shí)驗(yàn)
　本章小結(jié)
第五章 基于社會(huì)演化算法的聚類新方法
　第一節(jié) 引言
　第二節(jié) 社會(huì)演化算法與傳統(tǒng)遺傳算法尋優(yōu)機(jī)制的比較
　第三節(jié) 基于社會(huì)演化算法的聚類新方法
　第四節(jié) 仿真實(shí)驗(yàn)
　本章小結(jié)
第六章 基于混沌的新的社會(huì)演化算法的數(shù)據(jù)和文本聚類方法
　第一節(jié) 引言
　第二節(jié) 混沌理論簡(jiǎn)介
　第三節(jié) 基于混沌的新的社會(huì)演化算法的聚類方法
　第四節(jié) 仿真實(shí)驗(yàn)
　本章小結(jié)
第七章 基于改進(jìn)遺傳算法和改進(jìn)社會(huì)演化算法的文本聚類研究
　第一節(jié) 文本聚類研究綜述
　第二節(jié) 基于改進(jìn)遺傳算法的文本聚類方法
　第三節(jié) 基于改進(jìn)社會(huì)演化算法的文本聚類新方法
　本章小結(jié)
第八章 基于文本挖掘的產(chǎn)品研發(fā)知識(shí)地圖構(gòu)建研究
　第一節(jié) 基于知識(shí)來(lái)源的產(chǎn)品開發(fā)過(guò)程模型研究
　第二節(jié) 產(chǎn)品開發(fā)過(guò)程模型各階段的知識(shí)分析
　第三節(jié) 基于文本挖掘的產(chǎn)品研發(fā)文本知識(shí)地圖構(gòu)建
　本章小結(jié)
第九章 總結(jié)和展望
　第一節(jié) 本書總結(jié)
　第二節(jié) 待研究的問(wèn)題和研究前景展望
　參考文獻(xiàn)
作者研究文獻(xiàn)
后記

章節(jié)摘錄

版權(quán)頁(yè)：插圖：該算法雖然能夠發(fā)揮遺傳算法全局搜索的優(yōu)點(diǎn)，克服k-均值局部搜索的局限，但該算法由于每一代都要用k-均值對(duì)每個(gè)個(gè)體進(jìn)行優(yōu)化使得算法效率降低很多。認(rèn)知科學(xué)的研究是認(rèn)知工程實(shí)踐的科學(xué)背景和理論基礎(chǔ)，認(rèn)知科學(xué)研究所取得的重大成果往往對(duì)認(rèn)知工程的實(shí)踐具有重要指導(dǎo)意義。認(rèn)知科學(xué)研究包括個(gè)體認(rèn)知和社會(huì)群體認(rèn)知兩大方向。幾十年來(lái)，關(guān)于個(gè)體認(rèn)知的研究已經(jīng)取得了眾多的成果并獲得了廣泛的應(yīng)用；而關(guān)于社會(huì)群體認(rèn)知的研究近些年才作為認(rèn)知科學(xué)研究的一個(gè)分支，在學(xué)術(shù)界引起了越來(lái)越多的重視。對(duì)群體智能的關(guān)注最早來(lái)源于人工智能的研究領(lǐng)域，相關(guān)的研究成果包括廣為人知的遺傳算法、后期出現(xiàn)的蟻群算法以及多主體系統(tǒng)。雖然這些研究最早不是出于社會(huì)群體認(rèn)知研究的初衷，但提出了群體智能的概念，向人們展示這樣一幅誘人的前景，即通過(guò)一群具有社會(huì)結(jié)構(gòu)的簡(jiǎn)單智能體之間的交互作用，從這個(gè)群體的整體來(lái)看，同樣可能表現(xiàn)出某些復(fù)雜的智能現(xiàn)象和智能行為，而不必要設(shè)計(jì)專用的、非常復(fù)雜的單一智能體來(lái)完成同樣的任務(wù)。隨著社會(huì)群體認(rèn)知的研究逐漸演變成一個(gè)單獨(dú)的學(xué)科門類，其研究對(duì)象也從蟻群這樣的低級(jí)智能群體轉(zhuǎn)向具有高級(jí)智能的哺乳動(dòng)物社會(huì)群體，主要的研究?jī)?nèi)容包括其社會(huì)的內(nèi)部結(jié)構(gòu)，組織形式以及社會(huì)演化等。在人工智能研究時(shí)代，各種群體智能方法的一個(gè)主要用途是解決各種工程組合優(yōu)化問(wèn)題并表現(xiàn)出了良好的性能。本章將其應(yīng)用于數(shù)據(jù)挖掘的聚類當(dāng)中，研究其在聚類中的作用。

編輯推薦

《數(shù)據(jù)與文本挖掘及其在研發(fā)決策中的應(yīng)用》是由經(jīng)濟(jì)管理出版社出版的。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    數(shù)據(jù)與文本挖掘及其在研發(fā)決策中的應(yīng)用 PDF格式下載

---