三支决策与大数据分析

目录
序
前言
理论篇
第1章 三支决策概述：从粗糙集到粒计算 3
1.1 引言 3
1.2 三支决策基本模型与框架 5
1.3 三支决策、粗糙集与决策粗糙集 7
1.4 三支决策的粒计算方法 10
1.5 三支决策的粒计算框架模型 13
1.6 本章小结 14
参考文献 15
第2章 三支决策的时空性模型 18
2.1 引言 18
2.2 三支决策模型与基本概念20
2.3 基于时间维度三支决策模型 22
2.4 基于空间维度三支决策模型 25
2.5 三支决策的时空性研究方法 29
2.6 本章小结 32
参考文献 32
第3章 基于样本相似度的三支属性约简方法 36
3.1 引言 36
3.2 基于类内相似度和类间相似度的属性约简 38
3.2.1 类内相似度 38
3.2.2 类间相似度 39
3.2.3 属性约简定义 41
3.3 启发式约简算法 43
3.4 实验 44
3.4.1 约简对比实验 44
3.4.2 分布对比实验 48
3.4.3 系数对比实验 52
3.5 本章小结 52
参考文献 53
第4章 基于决策粗糙集模型的多目标属性约简 55
4.1 引言 55
4.2 多目标属性约简 57
4.2.1 约简定义 57
4.2.2 多目标优化属性约简方法 58
4.2.3 基于集成学习的多目标属性约简方法 60
4.3 实验 63
4.3.1 实验数据集 63
4.3.2 评价标准 64
4.3.3 实验设置 65
4.3.4 实验结果 65
4.4 本章小结 71
参考文献 71
第5章 基于不完备信息系统的三支决策方法 74
5.1 引言 74
5.2 相关概念 76
5.2.1 三支决策与粗糙集理论 76
5.2.2 决策粗糙集理论 77
5.3 不完备信息系统下的三支决策方法 80
5.3.1 不完备信息系统与相似关系 80
5.3.2 基于三支决策的不完备信息系统 82
5.3.3 不完备信息系统下的三支决策理论模型 84
5.3.4 不完备信息系统下的三支决策算法设计 87
5.4 案例分析 88
5.5 本章小结 97
参考文献 98
第6章 直觉模糊信息下的三支决策理论与方法 100
6.1 引言 100
6.2 直觉模糊集和三支决策知识 102
6.2.1 直觉模糊集相关知识 102
6.2.2 三支决策知识 103
6.3 直觉模糊粗糙近似的构造 104
6.3.1 直觉模糊数的相似测度 104
6.3.2 新直觉模糊相似度 109
6.3.3 直觉模糊目标概念的(α， β) - 下、上近似集 112
6.4 基于多风险偏好直觉模糊决策粗糙集的三支决策 113
6.4.1 多风险偏好信息下的直觉模糊决策粗糙集模型 113
6.4.2 基于多风险偏好直觉模糊决策粗糙集的三支决策 116
6.4.3 算例与比较分析 116
6.5 直觉模糊环境下基于决策粗糙集等价模型的三支决策 120
6.5.1 经典决策粗糙集等价模型的构建 121
6.5.2 KKT条件 121
6.5.3 模型等价性的验证 122
6.5.4 直觉模糊环境下基于决策粗糙集等价模型的三支决策概率阈值确定 125
6.5.5 直觉模糊环境下基于决策粗糙集等价模型的三支决策 128
6.5.6 算例与比较分析 130
6.6 本章小结 134
参考文献 135
算法篇
第7章 三支聚类算法研究 141
7.1 三支聚类表示 141
7.2 三支聚类模型 143
7.2.1 理论模型框架 143
7.2.2 基于概率的评估函数 144
7.2.3 三支阈值自动确定 145
7.3 三支聚类算法 151
7.3.1 面向多视图数据的三支主动学习算法 151
7.3.2 面向大规模数据的三支聚类集成算法 157
7.3.3 面向混合属性数据的三支聚类算法 163
7.4 本章小结 170
参考文献 171
第8章 三支社区分类算法研究 173
8.1 引言 173
8.2 相关知识 175
8.2.1 相关定义 175
8.2.2 三支社区表示 176
8.2.3 社区结构的评价指标 177
8.3 基于三支决策的重叠社区发现算法 178
8.3.1 算法描述 179
8.3.2 算法步骤 179
8.3.3 实验分析 183
8.4 基于三支决策的重叠社区演化算法 196
8.4.1 演化事件定义 196
8.4.2 算法框架 198
8.4.3 算法描述 198
8.4.4 可视化结果 199
8.5 本章小结 204
参考文献 204
第9章 三支主动学习方法 206
9.1 引言 206
9.2 问题定义 206
9.2.1 数据模型 207
9.2.2 具体描述问题定义 208
9.3 计算模型 209
9.3.1 标签均匀分布模型 209
9.3.2 冲突解决模型 212
9.4 算法描述 215
9.4.1 ALEC 215
9.4.2 ALRC 217
9.4.3 CADU 218
9.5 实验 220
9.5.1 ALEC算法实验结果 220
9.5.2 ALRC算法实验结果 228
9.5.3 CADU算法实验结果 232
9.6 本章小结 236
参考文献 236
第10章 三支代价敏感属性选择方法 239
10.1 引言 239
10.2 属性选择定义 240
10.2.1 属性(集)评价 240
10.2.2 属性选择 243
10.2.3 代价结构 244
10.3 代价敏感属性选择计算模型 246
10.3.1 经典粗糙集计算模型 246
10.3.2 可辨识矩阵计算模型 247
10.3.3 三支决策(粒)计算模型 248
10.4 算法设计 252
10.4.1 减法策略算法描述 252
10.4.2 加法策略算法描述 254
10.4.3 算法时间复杂度分析 254
10.5 实验分析 255
10.5.1 数据集 255
10.5.2 实验设计 256
10.5.3 实验结果分析 256
10.6 本章小结 259
参考文献 260
第11章 基于三支决策粗糙集模型的多类代价敏感学习 262
11.1 引言 262
11.2 多类三支决策理论模型 264
11.2.1 代价函数 264
11.2.2 模型 266
11.2.3 性质 268
11.2.4 算法 269
11.3 多类三支决策理论模型 270
11.4 实验 273
11.4.1 实验数据集 273
11.4.2 实验方法 274
11.4.3 实验结果 275
11.4.4 参数影响 276
11.4.5 讨论 277
11.5 本章小结 278
参考文献 278
应用篇
第12章 三支推荐方法及其应用 283
12.1 引言 283
12.2 协同过滤推荐问题定义 284
12.2.1 基于邻居的协同过滤推荐 284
12.2.2 粒计算和三支决策 285
12.3 基于回归的二元推荐 285
12.3.1 回归推荐问题定义 286
12.3.2 基于回归的算法 287
12.3.3 运行示例#1 289
12.4 误分类代价小化推荐 290
12.4.1 代价敏感推荐问题定义 291
12.4.2 误分类代价小化算法 291
12.4.3 运行示例#2 292
12.5 三支决策推荐 292
12.5.1 三支推荐问题定义 292
12.5.2 三支推荐框架 294
12.5.3 三支推荐算法 295
12.5.4 运行示例#3 297
12.6 实验 298
12.6.1 数据集 298
12.6.2 实验设计 299
12.6.3 结果 299
12.7 本章小结 305
参考文献 305
第13章 三支图像识别方法及其应用 308
13.1 引言 308
13.2 三支决策及深度神经网络 310
13.3 基于DNN的序贯粒度特征提取方法 312
13.4 基于粒度特征的代价敏感序贯三支决策 314
13.5 实验分析与验证 316
13.5.1 数据库介绍及实验设置 316
13.5.2 基于DNN粒度特征的人脸图像 317
13.5.3 误分类代价、总代价和误差分析 318
13.6 本章小结 319
参考文献 320
第14章 三支自编码器方法及其应用 324
14.1 引言 324
14.2 相关工作 326
14.3 多粒度特征函数 327
14.3.1 多粒度自动编码器 327
14.3.2 基于受限玻尔兹曼机的多粒度特征 329
14.4 基于自动编码器的序贯三支决策模型 330
14.4.1 序贯决策 331
14.4.2 三支决策 332
14.5 实验与结果分析 334
14.5.1 基于RBM网络的重构误差分析 335
14.5.2 基于RBM网络的代价误差分析 337
14.5.3 基于全连接的网络的人脸识别分析 339
14.6 本章小结 340
参考文献 341
第15章 三支工业大数据应用 345
15.1 引言 345
15.2 三支过热度预测 347
15.2.1 铝电解过程中的过热度 347
15.2.2 铝电解过热度预测模型 348
15.2.3 规则的提取与存储 349
15.2.4 规则的增量式更新方法 351
15.2.5 实验分析 353
15.3 分层组织机构成员评价 355
15.3.1 三分类多粒度评价模型 356
15.3.2 实验分析 365
15.4 本章小结 370
参考文献 370
彩图