數(shù)據(jù)與文本挖掘及其在研發(fā)決策中的應用

內(nèi)容概要

　　本書內(nèi)容簡介：數(shù)據(jù)挖掘和文本挖掘是當前信息技術中的一個重要研究領域；將遺傳算法和社會演化算法應用于數(shù)據(jù)及文本挖掘方法研究，具有較大的理論意義和實用價值本書研究了基于遺傳算法和社會演化算法的數(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問題、聚類問題，并將其應用于產(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行文本特征降維；采用遺傳算法和潛在語義索引進行文本特征降維；采用社會演化算法進行聚類；采用混沌社會演化算法進行聚類；采用改進的遺傳算法和社會演化算法進行文本聚類研究；將文本挖掘應用到產(chǎn)品研發(fā)決策中，構建產(chǎn)品研發(fā)文本知識地圖，以期提高產(chǎn)品研發(fā)的效率和質量。

作者簡介

　　郝占剛，1976年3月出生，河北邢臺人，山東工商學院副教授，博士，主要研究領域：數(shù)據(jù)挖掘，文本挖掘，產(chǎn)品研發(fā)。近幾年來，共發(fā)表論文20多篇，其中在《系統(tǒng)工程學報》、《情報科學》、《現(xiàn)代圖書情報技術》、《計算機應用》、《科研管理》、《研究與發(fā)展管理》等國內(nèi)核心期刊上發(fā)表10余篇，有4篇被EI收錄，承擔省部級以上項目3項，目前承擔山東省中青年科學家科研獎勵基金1項，山東省自然基金1項。

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) 遺傳算法應用研究綜述
　第四節(jié) 社會演化算法在數(shù)據(jù)和文本聚類中的應用
　第五節(jié) 本書的主要工作和創(chuàng)新點
第二章 基于遺傳算法和k-medoids算法相結合的聚類方法
　第一節(jié) 引言
　第二節(jié) k-medoids算法簡介
　第三節(jié) 基于遺傳算法和k-medoids算法相結合的聚類方法
　第四節(jié) 仿真實驗
　本章小結
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
　第三節(jié) 文本分類的預處理
　第四節(jié) 模式聚合理論簡介
　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) 仿真實驗
　本章小結
第四章 基于潛在語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) 隱含語義分析理論簡介
　第四節(jié) 基于遺傳算法的文本特征降維方法
　第五節(jié) 基于潛在語義索引和遺傳算法的
　文本特征降維方法
　第六節(jié) 仿真實驗
　本章小結
第五章 基于社會演化算法的聚類新方法
　第一節(jié) 引言
　第二節(jié) 社會演化算法與傳統(tǒng)遺傳算法尋優(yōu)機制的比較
　第三節(jié) 基于社會演化算法的聚類新方法
　第四節(jié) 仿真實驗
　本章小結
第六章 基于混沌的新的社會演化算法的數(shù)據(jù)和文本聚類方法
　第一節(jié) 引言
　第二節(jié) 混沌理論簡介
　第三節(jié) 基于混沌的新的社會演化算法的聚類方法
　第四節(jié) 仿真實驗
　本章小結
第七章 基于改進遺傳算法和改進社會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) 基于改進遺傳算法的文本聚類方法
　第三節(jié) 基于改進社會演化算法的文本聚類新方法
　本章小結
第八章 基于文本挖掘的產(chǎn)品研發(fā)知識地圖構建研究
　第一節(jié) 基于知識來源的產(chǎn)品開發(fā)過程模型研究
　第二節(jié) 產(chǎn)品開發(fā)過程模型各階段的知識分析
　第三節(jié) 基于文本挖掘的產(chǎn)品研發(fā)文本知識地圖構建
　本章小結
第九章 總結和展望
　第一節(jié) 本書總結
　第二節(jié) 待研究的問題和研究前景展望
　參考文獻
作者研究文獻
后記

章節(jié)摘錄

版權頁：插圖：該算法雖然能夠發(fā)揮遺傳算法全局搜索的優(yōu)點，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-均值對每個個體進行優(yōu)化使得算法效率降低很多。認知科學的研究是認知工程實踐的科學背景和理論基礎，認知科學研究所取得的重大成果往往對認知工程的實踐具有重要指導意義。認知科學研究包括個體認知和社會群體認知兩大方向。幾十年來，關于個體認知的研究已經(jīng)取得了眾多的成果并獲得了廣泛的應用；而關于社會群體認知的研究近些年才作為認知科學研究的一個分支，在學術界引起了越來越多的重視。對群體智能的關注最早來源于人工智能的研究領域，相關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群體認知研究的初衷，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，即通過一群具有社會結構的簡單智能體之間的交互作用，從這個群體的整體來看，同樣可能表現(xiàn)出某些復雜的智能現(xiàn)象和智能行為，而不必要設計專用的、非常復雜的單一智能體來完成同樣的任務。隨著社會群體認知的研究逐漸演變成一個單獨的學科門類，其研究對象也從蟻群這樣的低級智能群體轉向具有高級智能的哺乳動物社會群體，主要的研究內(nèi)容包括其社會的內(nèi)部結構，組織形式以及社會演化等。在人工智能研究時代，各種群體智能方法的一個主要用途是解決各種工程組合優(yōu)化問題并表現(xiàn)出了良好的性能。本章將其應用于數(shù)據(jù)挖掘的聚類當中，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)決策中的應用》是由經(jīng)濟管理出版社出版的。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

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

---