粒计算是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法，研究内容覆盖了有关粒度的主要理论、方法和技术，是研究复杂问题求解、大数据挖掘和模糊不确定信息处理等当前面临的关键问题的有效工具。本书介绍了商空间理论、三支决策理论和粗糙集理论等粒计算研究的概述和最新进展，由国内外相关领域的学者共同撰写而成。全书共16章，主要由三部分组成，具体包括问题求解商空间理论形成始末、商空间理论及应用综述、多粒度商空间分类搜索与结构分析、基于粒度空间的最优聚类模型及应用、基于粒化的服务组合优化问题研究、基于商空间理论的网络图路径分析、三支决策：三分而治的思维方式和方法、面向不完备数据的三支决策聚类方法、基于广义和狭义视角下的三支决策模型、多粒度三支决策：理论及应用、基于代价敏感的三支决策边界域处理模型研究、多粒度标记决策表的知识表示与知识获取、基于概率粗糙集的流计算学习方法、群决策的区间犹豫模糊多粒度建模方法、粗糙集理论的多粒度研究、模糊软集信息集成与群决策方法。
样章试读
目录
- 目录
丛书序
前言
第1章 问题求解商空间理论形成始末 1
1.1 引言 1
1.2 商空间理论的探索阶段 1
1.3 商空间理论的形成阶段 3
1.4 本章小结 4
参考文献 5
第2章 商空间理论及应用综述 8
2.1 引言 8
2.2 商空间理论基础 9
2.2.1 基本模型 9
2.2.2 基本操作 10
2.2.3 基本性质和原理 12
2.3 商空间理论的发展 14
2.3.1 基于模糊等价关系的商空间模型 14
2.3.2 基于模糊相容关系的商空间模型 17
2.3.3 动态商空间模型 18
2.3.4 基于代数结构的商空间模型 19
2.3.5 合成技术的扩充 20
2.4 基于商空间理论的模型及应用研究 22
2.4.1 分类 22
2.4.2 聚类 23
2.4.3 模式识别 23
2.4.4 网状问题求解 24
2.4.5 推荐 24
2.4.6 系统层次设计 25
2.4.7 资源调度 25
2.4.8 模糊控制 25
2.4.9 服务组合优化 25
2.4.10 信息检索 25
2.4.11 其他应用 26
2.5 本章小结 26
参考文献 28
第3章 多粒度商空间分类搜索与结构分析 32
3.1 引言 32
3.2 相关基本概念及引理 34
3.3 基于统计期望的多粒度搜索模型和方法 36
3.3.1 粒化层数为1的情况 38
3.3.2 粒化层数为2的情况 39
3.3.3 粒化层数为i的情况 41
3.3.4 确定最优粒化层数 43
3.4 模糊等价关系对应的多粒度知识空间 51
3.5 分类同构与粒度同构 55
3.6 同构模糊等价关系的生成算法 56
3.7 本章小结 60
参考文献 61
第4章 基于粒度空间的最优聚类模型及应用 66
4.1 引言 66
4.2 粒度空间理论与优化聚类指标 67
4.2.1 粒度空间理论 67
4.2.2 基于粒度空间的优化聚类指标 69
4.2.3 获取最优聚类的聚类算法 71
4.3 H1N1流感病毒蛋白系统的多层结构及系统约简 72
4.3.1 H1N1流感病毒蛋白的序列特征提取 73
4.3.2 H1N1流感病毒的最优聚类与签名病毒选取 74
4.3.3 病毒系统二级结构的有效性验证与系统约简 75
4.3.4 结果分析与讨论 76
4.4 基于决策树的乳腺癌亚型异质性探索 78
4.4.1 乳腺癌研究现状 78
4.4.2 数据资源 79
4.4.3 方法和模型 79
4.4.4 实验结果 83
4.4.5 结果讨论 85
4.5 本章小结 89
参考文献 89
第5章 基于粒化的服务组合优化问题研究 94
5.1 引言 95
5.2 服务组合问题常用术语及模型 96
5.2.1 服务组合模型 97
5.2.2 质量约束模型 99
5.3 基于任务粒化的优化方法 103
5.3.1 任务粒化模型构建 104
5.3.2 单属性服务组合任务粒化可行性分析 108
5.3.3 多属性服务组合问题的任务粒化可行性分析 109
5.3.4 任务粒化时间复杂度分析 112
5.4 基于约束粒化的QoS约束感知服务组合优化方法 112
5.4.1 质量约束聚合 113
5.4.2 索引图构建 116
5.4.3 索引图查询 119
5.5 本章小结 120
参考文献 121
第6章 基于商空间理论的网络图路径分析 123
6.1 引言 123
6.2 商空间理论 124
6.2.1 等价关系商空间理论 124
6.2.2 相容关系商空间理论 126
6.2.3 网络图数据粒化 128
6.3 基于商空间理论的路径分析 131
6.3.1 加权网络图商空间最佳路径方法 131
6.3.2 无向无权网络图商空间最短路径方法 133
6.3.3 基于商空间的网络图多条最短路径方法 135
6.4 商空间理论的大规模网络图最短路径分析 136
6.4.1 基于社团的多粒度网络图分解 136
6.4.2 大规模网络图最短路径方法 138
6.4.3 实验及其分析 140
6.5 本章小结 144
参考文献 145
第7章 三支决策：三分而治的思维方式和方法 146
7.1 引言 146
7.2 三支决策的三个发展阶段 148
7.3 三分而治的三支决策模型 150
7.4 三支决策与科学研究 151
7.4.1 三支决策中的三点、三线和一面 151
7.4.2 三元思维在科学研究中的实例 152
7.5 三元思维与粒计算三元论 154
7.6 本章小结 157
参考文献 157
第8章 面向不完备数据的三支决策聚类方法 162
8.1 引言 162
8.2 相关基础理论 165
8.2.1 不完备信息系统 165
8.2.2 三支决策聚类表示 166
8.2.3 无监督聚类与半监督聚类 167
8.2.4 基于密度峰值的快速聚类方法 168
8.3 面向不完备数据的三支决策聚类策略 169
8.3.1 不完备数据的相似性度量 169
8.3.2 基于邻域对象的缺失数据区间填充 171
8.3.3 不完备数据的无监督聚类算法 172
8.3.4 不完备数据的半监督聚类算法 174
8.4 实验分析 175
8.4.1 数据集及评价指标 175
8.4.2 确定邻域半径的实验 177
8.4.3 对比实验 178
8.5 本章小结 184
参考文献 185
第9章 基于广义和狭义视角下的三支决策模型 188
9.1 引言 188
9.2 两个案例：生活中的三支决策 190
9.3 广义三支决策模型 193
9.4 狭义三支决策模型 197
9.5 三支决策的粒结构层次模型 201
9.6 本章小结 202
参考文献 203
第10章 多粒度三支决策：理论及应用 205
10.1 引言 205
10.2 三支决策与粒计算 206
10.3 三支决策与粗糙集 208
10.3.1 Pawlak 粗糙集中的三支决策 208
10.3.2 决策粗糙集中的三支决策 209
10.4 基于Parallel策略的多粒度决策粗糙集模型 210
10.4.1 乐观与悲观多粒度决策粗糙集 211
10.4.2 柔性多粒度决策粗糙集 212
10.4.3 决策规则和决策代价 215
10.4.4 阈值学习的朴素算法 217
10.4.5 实验分析 218
10.5 基于Sequential策略的多粒度三支分类模型 221
10.5.1 Sequential三支决策方法 221
10.5.2 Local和Global约简 222
10.5.3 Sequential三支分类器 225
10.5.4 实验分析 226
10.6 本章小结 229
参考文献 229
第11章 基于代价敏感的三支决策边界域处理模型研究 233
11.1 引言 233
11.2 三支决策相关理论 235
11.2.1 构造型覆盖算法简介 235
11.2.2 基于构造型覆盖算法的三支决策模型 236
11.2.3 基于构造型覆盖算法的三支决策模型的边界域处理方法 237
11.3 基于CCA的代价敏感边界域处理模型 239
11.3.1 三种选择覆盖半径的方法 239
11.3.2 CPBM算法实现过程 240
11.3.3 实验结果及分析 241
11.4 基于K最近邻的代价敏感三支决策边界域处理模型 245
11.4.1 K最近邻算法简介 245
11.4.2 CTK算法的实现过程 246
11.4.3 实验结果及分析 249
11.5 基于代价敏感边界域处理的社团发现算法 253
11.5.1 基于聚类粒化的重叠社团划分算法 254
11.5.2 重叠社团中的三个域 255
11.5.3 C-TWD算法实现过程 256
11.5.4 实验结果及分析 256
11.6 本章小结 257
参考文献 258
第12章 多粒度标记决策表的知识表示与知识获取 260
12.1 引言 260
12.2 标记划分结构与粗糙近似 261
12.2.1 Pawlak粗糙集近似 261
12.2.2 标记划分 262
12.2.3 多粒度标记划分结构 267
12.2.4 多粒度标记划分决策结构 270
12.3 多粒度标记决策表的知识获取 271
12.3.1 决策表与决策规则 271
12.3.2 多粒度标记信息系统 275
12.3.3 协调的多粒度标记决策表的知识获取 279
12.3.4 不协调的多粒度标记决策表的知识获取 281
12.4 本章小结 287
参考文献 287
第13章 基于概率粗糙集的流计算学习方法 289
13.1 引言 289
13.2 概率粗糙集三支决策基础理论 291
13.3 概率粗糙集的流计算方法 292
13.3.1 流计算学习方法下的条件概率更新 292
13.3.2 流计算学习方法下的三支区域更新 299
13.3.3 流计算学习方法下的单对象更新算法 303
13.4 实验与分析 307
13.5 本章小结 314
参考文献 314
第14章 群决策的区间犹豫模糊多粒度建模方法 316
14.1 引言 316
14.2 相关概念与理论 318
14.2.1 区间犹豫模糊集的定义 318
14.2.2 区间犹豫模糊集的运算 319
14.2.3 区间犹豫模糊集的比较 320
14.2.4 双论域多粒度粗糙集 321
14.3 双论域区间犹豫模糊多粒度粗糙集 322
14.4 基于双论域区间犹豫模糊多粒度粗糙集的决策模型 324
14.4.1 问题描述 324
14.4.2 模型建立 326
14.4.3 模型算法 331
14.5 算例及分析 332
14.5.1 算例描述 332
14.5.2 决策分析 335
14.5.3 对比性分析 338
14.6 本章小结 340
参考文献 340
第15章 粗糙集理论的多粒度研究 346
15.1 引言 346
15.2 粗糙集相关理论 347
15.3 基于属性的多粒度粗糙集研究 349
15.3.1 多粒度粗糙集模型 349
15.3.2 多粒度粗糙集模型的粒度约简 354
15.3.3 多粒度粗糙集模型的规则提取 356
15.3.4 多粒度粗糙集模型的扩展 360
15.4 基于属性值的多粒度粗糙集研究 360
15.4.1 概念层次树 361
15.4.2 层次粗糙集模型 363
15.4.3 基于层次粗糙集模型的泛化约简 367
15.4.4 基于层次粗糙集模型的规则提取 368
15.5 本章小结 372
参考文献 372
第16章 模糊软集信息集成与群决策方法 377
16.1 引言 377
16.2 模糊软集的相关模型 377
16.3 模糊软矩阵的粒度分析 382
16.3.1 模糊软矩阵的可能度及α-优势类 382
16.3.2 基于α-覆盖近似空间的变精度粒度分析 384
16.4 优势关系下的二粒度双极值粗糙 387
16.5 模糊软集信息的集成算子 390
16.5.1 模糊软集的集成算子 390
16.5.2 直觉模糊软集的集成算子 392
16.5.3 动态双极值模糊软集信息集成 394
16.6 模糊软集信息的群决策方法 394
16.6.1 基于水平软集的模糊软集决策方法 394
16.6.2 基于模糊软矩阵的群决策方法 396
16.6.3 基于水平软集的直觉模糊软集决策方法 401
16.6.4 基于直觉模糊软矩阵的群决策方法 402
16.6.5 双极值模糊软集的决策方法 407
16.7 本章小结 410
参考文献 410
后记 414
京公网安备 11010102004214号