粒计算是当前人工智能研究领域中模拟人类思维和解决复杂问题的新理论与新方法，它涵盖了所有有关粒度的理论、方法和技术，是研究大规模复杂问题求解、大数据分析与挖掘、不确定性智能信息处理的有力工具。经过十多年的发展，在与多学科交叉研究过程中，粒计算正逐步形成其特有的研究体系和内容。本书介绍了粒计算的不确定性分析与知识获取方法的最新进展，内容涉及粒计算的基本理论、粒计算的不确定性分析、粒计算的扩展模型、基于粒计算的知识获取方法。
样章试读
目录
- 目录
前言
第1章 粒计算的基本理论 1
1.1 引言 1
1.2 模糊集理论 3
1.3 粗糙集理论 8
1.4 商空间理论 20
1.5 云模型理论 23
1.6 其他粒计算理论 26
1.7 小结 28
参考文献 28
第2章 粒计算的不确定性分析 36
2.1 引言 36
2.2 粒计算的不确定性 39
2.2.1 概念的不确定性 40
2.2.2 知识的不确定性 42
2.2.3 推理的不确定性 46
2.2.4 小结 52
2.3 粒计算的不确定性度量 52
2.3.1 模糊集的不确定性度量 52
2.3.2 Vague集的不确定性度量 55
2.3.3 粗糙集的不确定性度量 59
2.3.4 覆盖粗糙集的不确定性度量 63
2.3.5 商空间的不确定性度量 65
2.3.6 模糊粗糙集的不确定性度量 68
2.3.7 粗糙模糊集的不确定性度量 69
2.3.8 云模型的不确定性度量 73
2.3.9 小结 73
2.4 基于信息熵的不确定性度量 74
2.4.1 引言 74
2.4.2 信息熵 74
2.4.3 联合信息熵 78
2.4.4 条件信息熵 81
2.4.5 互信息 97
2.4.6 小结 100
2.5 知识粒度的不确定性度量 101
2.5.1 引言 101
2.5.2 信息粒度 102
2.5.3 决策包含度 106
2.5.4 概念粒度 110
2.5.5 小结 114
2.6 基于粒空间的不确定性度量 115
2.6.1 引言 115
2.6.2 相关概念 115
2.6.3 粗糙粒空间 116
2.6.4 信息粒重要性度量 119
2.6.5 小结 125
参考文献 125
第3章 粒计算的扩展模型 135
3.1 引言 135
3.2 基于邻域关系的不完备混合数据的粗糙集扩展模型 136
3.2.1 引言 136
3.2.2 相对邻域关系 136
3.2.3 三类相容关系 140
3.2.4 广义邻域关系 142
3.2.5 基于广义邻域关系的粗糙集扩展模型 144
3.2.6 小结 145
3.3 覆盖粗糙集模型 145
3.3.1 引言 145
3.3.2 相关概念 145
3.3.3 基于相斥关系的覆盖粗糙集模型 146
3.3.4 小结 148
3.4 α-先验概率优势关系下的粗糙集模型 148
3.4.1 引言 148
3.4.2 基础知识 149
3.4.3 α-先验概率优势关系 150
3.4.4 基于α-先验概率优势关系的粗糙集模型 151
3.4.5 α-先验概率优势关系的对象排序方法 153
3.4.6 基于α-先验概率优势关系的约简模型 155
3.4.7 小结 157
3.5 基于不完备信息系统的三角模糊数决策粗糙集模型 158
3.5.1 引言 158
3.5.2 基本概念 159
3.5.3 基于不完备信息系统的三角模糊数决策粗糙集 160
3.5.4 整数值排序法 162
3.5.5 三角模糊数决策粗糙集模型实现 162
3.5.6 案例分析 165
3.5.7 小结 171
3.6 基于信息量的悲观多粒度粗糙集模型 171
3.6.1 引言 171
3.6.2 基础知识 172
3.6.3 基于信息量的悲观多粒度粗糙集 174
3.6.4 悲观多粒度粗糙集粒度约简模型 176
3.6.5 实例分析 176
3.6.6 小结 177
3.7 基于下近似分布粒度熵的变精度悲观多粒度粗糙集模型 177
3.7.1 引言 177
3.7.2 基本概念 178
3.7.3 下近似分布粒度熵及其变精度悲观多粒度粗糙集 179
3.7.4 变精度悲观多粒度粗糙集粒度约简模型 182
3.7.5 实例分析 182
3.7.6 小结 184
3.8 灰度相容粒度空间模型 184
3.8.1 引言 184
3.8.2 灰度相容关系 185
3.8.3 基于灰度的云模型网格点提取 186
3.8.4 灰度相容粒度空间模型与算法 187
3.8.5 小结 188
参考文献 188
第4章 基于粒计算的知识获取方法 195
4.1 基于粒度划分的决策表属性约简方法 195
4.1.1 引言 195
4.1.2 主要概念 196
4.1.3 粒度划分模型 197
4.1.4 基于粒度划分的决策表属性约简算法 201
4.1.5 实验结果与分析 203
4.1.6 小结 205
4.2 序信息系统的贴近度及其属性约简方法 205
4.2.1 引言 205
4.2.2 基于优势关系的序信息系统 205
4.2.3 序信息系统的贴近度及其属性重要性 206
4.2.4 基于贴近度的序信息系统属性约简算法 208
4.2.5 实例分析 209
4.2.6 小结 209
4.3 基于贴近度的协调序决策系统属性约简方法 210
4.3.1 引言 210
4.3.2 基于优势关系的协调序决策系统 210
4.3.3 基于贴近度的协调序决策系统约简模型 211
4.3.4 基于贴近度的协调序决策系统属性约简算法 212
4.3.5 实例分析 213
4.3.6 小结 213
4.4 基于概念背景的概念格属性约简方法 214
4.4.1 引言 214
4.4.2 形式背景与概念格 214
4.4.3 基于概念背景的概念格属性约简模型 215
4.4.4 概念格启发式属性约简算法 217
4.4.5 实例分析 217
4.4.6 小结 218
4.5 广义邻域关系下的不完备混合型属性约简方法 219
4.5.1 引言 219
4.5.2 经典属性约简算法 219
4.5.3 基于广义邻域关系的条件熵及其属性重要性 220
4.5.4 基于条件熵的不完备混合型属性约简算法 224
4.5.5 实验结果与分析 225
4.5.6 小结 227
4.6 不完备决策系统中基于粗糙熵的属性约简方法 227
4.6.1 引言 227
4.6.2 相关概念 229
4.6.3 粗糙熵与互信息 231
4.6.4 条件粗糙熵 234
4.6.5 基于条件粗糙熵的属性约简模型 239
4.6.6 实验结果与分析 244
4.6.7 小结 248
4.7 决策概念格及其决策规则提取方法 249
4.7.1 引言 249
4.7.2 基本理论 249
4.7.3 决策概念格 250
4.7.4 决策规则提取算法 252
4.7.5 实例分析 252
4.7.6 小结 253
4.8 基于知识决策度的决策树规则提取方法 253
4.8.1 引言 253
4.8.2 基本概念 255
4.8.3 现有约简方法的局限性 256
4.8.4 知识决策度 257
4.8.5 决策树及规则提取模型 261
4.8.6 实验结果与分析 265
4.8.7 小结 267
参考文献 267
京公网安备 11010102004214号