数据约简 样例约简与属性约简pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

数据约简 样例约简与属性约简PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 预备知识 1

1.1 分类问题与回归问题 1

1.2 不确定性度量 5

1.2.1 随机变量的不确定性度量 5

1.2.2 认知的模糊性度量 13

1.3 数据约简 17

参考文献 20

第2章 粗糙集及其扩展模型 24

2.1 经典粗糙集模型 25

2.1.1 上近似和下近似 25

2.1.2 粗糙集模型的特征 31

2.1.3 属性约简与核 50

2.1.4 属性约简算法 51

2.2 变精度粗糙集模型 56

2.3 相容粗糙集模型 62

2.4 粗糙模糊集模型 65

2.5 模糊粗糙集模型 80

参考文献 87

第3章 求解分类问题的方法 90

3.1 决策树 90

3.1.1 离散值决策树归纳算法 90

3.1.2 连续值决策树归纳算法 100

3.2 模糊决策树 111

3.2.1 模糊ID3算法 111

3.2.2 基于模糊粗糙集技术的模糊决策树算法 120

3.3 支持向量机 127

3.3.1 线性可分问题的支持向量机 127

3.3.2 近似线性可分问题的支持向量机 131

3.3.3 线性不可分问题的支持向量机 132

3.4 极限学习机 135

3.5 概率神经网络 137

参考文献 140

第4章 样例约简 143

4.1 样例选择准则 143

4.1.1 样例选择的不确定性准则 143

4.1.2 样例选择的期望误差减少准则 144

4.1.3 一致性准则 145

4.2 交叉选择样例算法 147

4.2.1 算法的基本思想 148

4.2.2 交叉选择样例算法 150

4.2.3 实验结果及分析 151

4.3 基于模糊粗糙集技术的压缩模糊K近邻规则 163

4.3.1 基础知识 163

4.3.2 压缩模糊K近邻规则 165

4.3.3 实验结果及分析 169

4.4 概率神经网络样例选择算法 178

参考文献 184

第5章 属性约简 186

5.1 特征提取 186

5.1.1 主成分分析 186

5.1.2 线性判别分析 189

5.2 特征子集评价准则 193

5.2.1 类别可分离性准则 193

5.2.2 不一致性准则 194

5.3 最小相关性最大依赖度属性约简 198

5.3.1 算法的基本思想 199

5.3.2 最小相关性最大依赖度属性约简算法 201

5.3.3 实验结果 201

5.4 模糊属性约简方法 203

5.4.1 相关工作 203

5.4.2 模糊属性约简方法 205

5.4.3 实验结果及分析 213

5.5 极限学习机网络结构选择 214

5.5.1 模型选择准则 215

5.5.2 基于结点敏感性的模型选择 217

5.5.3 实验结果及分析 219

参考文献 224