幫助中心 | 我的帳號 | 關於我們

軟計算原理與實現

  • 作者:編者:李業麗//曾慶濤
  • 出版社:電子工業
  • ISBN:9787121363689
  • 出版日期:2020/01/01
  • 裝幀:平裝
  • 頁數:201
人民幣:RMB 68 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書闡述了數據挖掘、軟計算技術的發展狀況,重點介紹了其採用的技術和方法,同時對各種方法進行了比較,並以幾種方法為例,介紹了它們的思想及其在數據挖掘中的應用。另外,本書還闡述了基於Agent技術的智能數據挖掘系統模型的總體結構,介紹了常用的知識表示方法;討論了數據挖掘中的小波神經網路方法,概述了基於WWW的數據挖掘和文本挖掘,介紹了分類、聚類分析的常用演算法,並且給出了部分演算法的演算法實現,可為數據挖掘領域的研究生及相關技術人員提供參考。

作者介紹
編者:李業麗//曾慶濤

目錄
第1章  緒論
  1.1  數據挖掘概述
    1.1.1  數據挖掘的發展狀況
    1.1.2  數據挖掘的概念
    1.1.3  數據挖掘技術概述
    1.1.4  數據挖掘方法比較
    1.1.5  數據挖掘面臨的問題
  1.2  數據挖掘中的軟計算技術概述
    1.2.1  軟計算的發展狀況
    1.2.2  KDD中的軟計算技術簡介
  1.3  基於WWW的數據挖掘與文本挖掘
    1.3.1  基於WWW的數據挖掘
    1.3.2  自然語言處理與文本挖掘
  1.4  研究現狀與發展趨勢
  參考文獻
第2章  基於智能Agent的知識發現模型研究與設計
  2.1  知識發現模型概述
    2.1.1  面向過程的KDD模型
    2.1.2  面向用戶的KDD模型
    2.1.3  面向知識的KDD模型
  2.2  基於Agent技術的智能數據挖掘系統模型的總體結構
    2.2.1  Multi-Agent技術的特性
    2.2.2  智能數據挖掘系統模型的總體結構
    2.2.3  數據挖掘Agent功能描述
    2.2.4  數據預處理Agent功能描述
    2.2.5  人機界面Agent功能描述
    2.2.6  決策Agent功能描述
  2.3  知識發現過程實例分析
    2.3.1  實例背景
    2.3.2  數據預處理
    2.3.3  特徵選擇
  2.4  研究現狀與發展趨勢
  2.5  本章小結
  參考文獻
第3章  基於軟計算的知識表示方法研究
  3.1  知識表示概述
    3.1.1  一階謂詞邏輯表示法
    3.1.2  關係表示法
    3.1.3  產生式規則表示法
    3.1.4  框架表示法
    3.1.5  語義網路表示法
    3.1.6  面向對象表示法
    3.1.7  知識表達式
    3.1.8  模糊知識表示方法
  3.2  基於粗糙集的不確定知識表示方法
    3.2.1  知識、劃分與等價關係
    3.2.2  信息表、不可分辨關係和基本集
    3.2.3  粗糙集的下近似、上近似及邊界區
    3.2.4  知識表示特徵集模型
    3.2.5  討論

  3.3  基於粗糙熵的知識表示方法
    3.3.1  信息理論的度量和粗糙集
    3.3.2  知識的粗糙性
    3.3.3  粗糙熵
  3.4  知識的對象模糊語義網路表示法
  3.5  幾種知識表示方法的比較
  3.6  研究現狀與發展趨勢
  3.7  本章小結
  參考文獻
第4章  數據挖掘中的小波神經網路方法研究
  4.1  引言
  4.2  神經網路發展及基礎概述
    4.2.1  MP模型
    4.2.2  感知器學習演算法
    4.2.3  BP網路演算法
  4.3  基於禁忌搜索演算法的小波神經網路設計
    4.3.1  禁忌搜索
    4.3.2  小波分析基礎
    4.3.3  小波變換實例
    4.3.4  小波神經網路
    4.3.5  網路設計演算法
    4.3.6  實驗結果及結論
  4.4  基於小波神經網路的模型預測研究
    4.4.1  Harr基小波
    4.4.2  Harr基小波神經網路
    4.4.3  預測模型
  4.5  BP神經網路
    4.5.1  演算法實現
    4.5.2  運行實例
  4.6  神經網路在數據挖掘中的應用
    4.6.1  神經網路在可視化中的應用
    4.6.2  神經網路在分類中的應用
    4.6.3  實驗結果及分析
  4.7  研究現狀與發展趨勢
  4.8  本章小結
  參考文獻
第5章  基於用戶需求模型的中英文WWW搜索引擎
  5.1  WWW概述
    5.1.1  搜索引擎技術
    5.1.2  WWW中的術語、協議及相關技術
  5.2  中英文WWW搜索引擎的結構
    5.2.1  數據收集、處理子系統
    5.2.2  用戶查詢子系統
    5.2.3  分類管理子系統
  5.3  基於示例的用戶信息需求模型的獲取和表示
    5.3.1  文本類別特徵的抽取方式
    5.3.2  文本的分類判別與文本特徵權重
    5.3.3  Fisher判別
    5.3.4  用戶信息需求模型的表示
    5.3.5  實驗結果及分析

  5.4  研究現狀與發展趨勢
  5.5  本章小結
  參考文獻
第6章  基於Web的文本挖掘技術研究
  6.1  文本挖掘概述
    6.1.1  文本挖掘的應用
    6.1.2  文本處理的基本模型
    6.1.3  文本挖掘的流程
  6.2  文本挖掘基本技術
    6.2.1  文本特徵抽取
    6.2.2  文本分類
    6.2.3  文本聚類
    6.2.4  DBSCAN聚類
  6.3  中文文本挖掘模型
    6.3.1  文本特徵的提取
    6.3.2  重心向量與文本聚類
    6.3.3  文本自動摘要技術
    6.3.4  文本可視化表示
  6.4  研究現狀與發展趨勢
  6.5  本章小結
  參考文獻
第7章  聚類分析與應用
  7.1  聚類的基本概念
    7.1.1  聚類的定義
    7.1.2  聚類演算法的分類
    7.1.3  數據挖掘中聚類演算法的比較標準
  7.2  常用聚類演算法介紹與分析
    7.2.1  基於劃分的聚類演算法
    7.2.2  基於層次的聚類演算法
    7.2.3  基於密度的聚類演算法
    7.2.4  基於網格的聚類演算法
    7.2.5  基於模型的聚類演算法
  7.3  聚類演算法比較
  7.4  聚類演算法k-means的改進
    7.4.1  聚類演算法中的數據類型
    7.4.2  相異度的計算
    7.4.3  聚類準則
    7.4.4  原始的k-means演算法
    7.4.5  改進的k-means演算法
  7.5  研究現狀與發展趨勢
  7.6  本章小結
  參考文獻
第8章  軟計算中的演算法及其應用
  8.1  分類概述
  8.2  決策樹
    8.2.1  決策樹的概念
    8.2.2  決策樹的研究方向
    8.2.3  決策樹分析
    8.2.4  決策樹演算法
  8.3  分類的應用

    8.3.1  基於支持向量機的印刷故障分類
    8.3.2  票據印刷過程中的數碼檢測
  8.4  遺傳演算法
    8.4.1  演算法實現
    8.4.2  演算法運行
  8.5  研究現狀與發展趨勢
  8.6  本章小結
  參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032