粒计算的不确定性分析与知识获取方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

粒计算的不确定性分析与知识获取方法PDF格式电子书版下载

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 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

4.76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