为你推荐
书名页
内容简介
版权页
评审委员会
丛书序
Foreword
前言
目录页
第1章 概述
1.1 Rough的含义
1.2 Reduct
1.3 Reduct计算
1.4 用户需求描述
1.5 次属性定理
1.6 基于用户需求的最优Reduct计算
1.7 规则+例外
1.8 符号机器学习
1.9 特征选择
1.10 小结
第2章 Reduct理论与计算
2.1 引言
2.2 差别矩阵原理
2.3 Reduct计算
2.4 小结
第3章 用户需求描述
3.1 属性的用户偏好
3.2 属性定量评价与定性评价之间的关系
3.3 属性子集的用户偏好
3.4 Reduct的用户偏好
3.5 小结
第4章 基于差别矩阵的属性序Reduct算法
4.1 属性序
4.2 属性序Reduct算法及性质
4.3 基于自由属性的属性序Reduct算法
4.4 基于差别矩阵初等运算的属性序Reduct算法
4.5 小结
第5章 基于属性-值树的属性序Reduct算法
5.1 基本属性-值树及生成算法
5.2 完全属性-值树
5.3 正区域的属性-值树表示
5.4 封闭属性-值树
5.5 Core属性的属性-值树表示
5.6 Reduct的属性-值树表示
5.7 属性值-Core与属性值-Reduct的属性-值树表示
5.8 属性序Reduct算法与属性-值树Reduct算法的等价性
5.9 关于树结构的讨论
5.10 小结
第6章 属性序空间与Reduct空间之间的关系
6.1 满足用户偏好最优Reduct的计算复杂度
6.2 属性序偶与属性序Reduct算法的形式化描述
6.3 邻近属性序偶Reduct的基本判定
6.4 邻近属性序偶Reduct判定规则
6.5 小结
第7章 次属性原理及属性-值树次属性算法
7.1 次属性
7.2 属性-值树次属性算法及算法的完备性
7.3 小结
第8章 任意属性序偶Reduct判定
8.1 属性序之间的关系及属性移动基本规则
8.2 次属性变化规律
8.3 任意属性序偶Reduct是否相同的判定问题
8.4 属性范序与属性序偶Reduct判定
8.5 小结
第9章 基于用户偏好最优Reduct计算
9.1 满足用户偏好的最优Reduct
9.2 次属性定理与最优Reduct计算
9.3 小结
第10章 特征选择与Reduct计算
10.1 特征选择概述
10.2 Reduct与特征选择之间的关系
10.3 小结
第11章 数据描述的“规则+例外”模型
11.1 认知心理学关于概念的研究
11.2 规则归纳
11.3 粒度与粒计算
11.4 例外分析
11.5 规则+例外模型
11.6 正区域和边缘区域扩展研究
11.7 文本粒度与文本粒子
11.8 小结
第12章 边缘区域与例外分析
12.1 边缘区域（BR）的结构研究
12.2 基于BR的差别矩阵研究
12.3 基于CPR的Reduct计算
12.4 Core属性与例外鉴别
12.5 基于差别矩阵的例外鉴别
12.6 基于概念结构的例外鉴别
12.7 小结
参考文献
算法索引
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
