基于知識的聚類

定　價(jià)：￥39.00

作　者：	（加）派垂馳（Pedrycz,W）著；于福生譯
出版社：	北京師范大學(xué)出版社
叢編項(xiàng)：	從數(shù)據(jù)到信息粒
標(biāo)　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787303096923	出版時(shí)間：	2008-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	294	字?jǐn)?shù)：

內(nèi)容簡介

　　《基于知識的聚類：從數(shù)據(jù)到信息?！肥紫葘δ：垲惡土Ｓ?jì)算這一領(lǐng)域進(jìn)行介紹和討論。然后，作者深入研究了基于邏輯的神經(jīng)元和神經(jīng)網(wǎng)絡(luò)?！痘谥R的聚類：從數(shù)據(jù)到信息?！返暮诵牟糠职?章，在其中呈現(xiàn)和分析了眾多不同的基于知識的聚類的方法。基于知識的聚類展示的是如何設(shè)計(jì)一個(gè)導(dǎo)航平臺，以使信息探尋者能理解和較好的應(yīng)用種類繁多的數(shù)據(jù)集。比模糊聚類走得更遠(yuǎn)，作者展示了基于知識的聚類這一有前景的新范例是如何揭示更有意義的數(shù)據(jù)結(jié)構(gòu)，并使社會更好地處理日益增長的數(shù)據(jù)和信息流。通過這《基于知識的聚類：從數(shù)據(jù)到信息?！罚x著能理解基于知識聚類的基礎(chǔ)和與其相關(guān)聯(lián)的算法，學(xué)會將他們自己的知識應(yīng)用到系統(tǒng)建模和設(shè)計(jì)中去?！痘谥R的聚類：從數(shù)據(jù)到信息?！返牡谌糠种铝τ谀Ｐ偷难芯?，首先討論超盒結(jié)構(gòu)，然后討論粒映射和語言模型?！痘谥R的聚類：從數(shù)據(jù)到信息粒》提供了理解和掌握這一令人振奮的新領(lǐng)域所需要的所有工具和指導(dǎo)：◆說明核心概念的眾多實(shí)例◆為讀者提供傳遞經(jīng)驗(yàn)的可重復(fù)實(shí)驗(yàn)◆為復(fù)雜算法和建模奠定基礎(chǔ)的先決條件的全面涵蓋◆每章后面強(qiáng)調(diào)理解內(nèi)容所必須的關(guān)急鍵點(diǎn)的總結(jié)◆通向?qū)ｎ}探究的進(jìn)一步途徑的參考文獻(xiàn)和泛的參考書目《基于知識的聚類：從數(shù)據(jù)到信息?！肥菍垲?、模糊聚類、無監(jiān)督學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模糊集、模式識別和系統(tǒng)建模感興趣的研究人員、專家及學(xué)生的必讀之物。有了作者對掌握必備知識的強(qiáng)調(diào)，以及精心構(gòu)建的實(shí)例和實(shí)驗(yàn)，讀者將成功地使自己成為基于知識聚類的專家。WITOLDPEDRYCZ，博士，加拿大阿爾伯塔大學(xué)教授，加拿大首席專家。他還任職于波蘭科學(xué)院系統(tǒng)研究所（波蘭、華沙）。Pedrycz博士是IEEEFellow，已經(jīng)編寫了9部專著，編輯了9卷書籍，在計(jì)算智能、粒計(jì)算、模式識別、定量軟件工程和數(shù)據(jù)挖掘方面發(fā)表了很多論文。

作者簡介

　　WITOLD PEDRYCZ，博士，加拿大阿爾伯塔大學(xué)教授，加拿大首席專家。他還任職于波蘭科學(xué)院系統(tǒng)研究所（波蘭、華沙）。Pedrycz博士是IEEE Fellow，已經(jīng)編寫了9部專著，編輯了9卷書籍，在計(jì)算智能、粒計(jì)算、模式識別、定量軟件工程和數(shù)據(jù)挖掘方面發(fā)表了很多論文。

圖書目錄

第1章聚類和模糊聚類
1.1 引言
1.2 基本概念和符號
1.2.1 數(shù)據(jù)類型
1.2.2 距離和相似性
1.3 聚類算法的主要類別
1.3.1 層次聚類
1.3.2 基于目標(biāo)函數(shù)的聚類
1.4 聚類和分類
1.5 模糊聚類
1.6 聚類有效性
1.7 基于目標(biāo)函數(shù)的聚類算法的擴(kuò)展
1.7.1 模糊類的擴(kuò)展幾何性質(zhì)：模糊C變體
1.7.2 可能性聚類
1.7.3 帶噪音的聚類
1.8 自組織圖和基于模糊目標(biāo)函數(shù)的聚類
1.9 總結(jié)
參考文獻(xiàn)

第2章粒信息計(jì)算：模糊集與模糊關(guān)系
2.1 粒計(jì)算的范例：信息粒和信息粒的處理
2.2 模糊集——以人為中心的信息粒
2.3 模糊集的運(yùn)算
2.4 模糊關(guān)系
2.5 兩個(gè)模糊集的比較
2.6 模糊集的一般化.
2.7 陰影集
2.8 粗糙集.
2.9 粒計(jì)算與分布式處理
2.10 總結(jié)
參考文獻(xiàn)

第3章面向邏輯的神經(jīng)計(jì)算
3.1 引言
3.2 模糊神經(jīng)元的主要類別
3.2.1 聚合神經(jīng)元
3.2.2 參照神經(jīng)元
3.3 邏輯網(wǎng)絡(luò)的結(jié)構(gòu)
3.4 網(wǎng)絡(luò)的解釋性
3.5 邏輯處理的?；缑?br /> 3.6 總結(jié)
參考文獻(xiàn)

第4章條件模糊聚類
4.1 引言
4.2 問題陳述：上下文模糊集和目標(biāo)函數(shù)
4.3 最優(yōu)化問題
4.4 關(guān)于條件聚類計(jì)算方面的思考
4.5 通過聚合算子將算法一般化
4.6 具有空間約束的模糊聚類
4.7 總結(jié)
參考文獻(xiàn)

第5章部分監(jiān)督聚類
5.1 引言
5.2 問題形式化
5.3 類的設(shè)計(jì)
5.4 實(shí)驗(yàn)案例
5.5 基于類的跟蹤問題
5.6 總結(jié)
參考文獻(xiàn)

第6章模糊聚類中基于知識的指導(dǎo)原則
6.1 引言
6.2 面向知識提示的樣例及一般性分類
6.3 知識強(qiáng)化聚類的優(yōu)化環(huán)境
6.4 基于知識指導(dǎo)提示的量化及優(yōu)化
6.5 交互過程的組織
6.6 基于相似性的聚類(P-FCM)
6.7 網(wǎng)頁挖掘和P-FCM
6.8 基于知識提示的語言強(qiáng)化
6.9 總結(jié)
參考文獻(xiàn)

第7章協(xié)作聚類
7.1 引言及基本概念
7.2 橫向聚類和縱向聚類
7.3 橫向協(xié)作聚類
7.3.1 優(yōu)化細(xì)節(jié)
7.3.2 協(xié)作聚類的計(jì)算流程
7.3.3 聚類中合作現(xiàn)象的定量描述
7.4 實(shí)驗(yàn)研究
7.5 橫向聚類的進(jìn)一步改善
7.6 縱向聚類算法
7.7 橫向聚類與縱向聚類的網(wǎng)格模型
7.8 一致性聚類
7.9 總結(jié)
參考文獻(xiàn)

第8章方向聚類
8.1 引言
8.2 問題形式化
8.2.1 目標(biāo)函數(shù)
8.2.2 信息粒的邏輯變換
8.3 算法
8.4 方向聚類的設(shè)計(jì)框架
8.5 數(shù)值研究
8.6 總結(jié)
參考文獻(xiàn)

第9章模糊關(guān)聯(lián)聚類
9.1 引言及問題描述
9.2 用于關(guān)聯(lián)數(shù)據(jù)的FCM
9.3 模糊關(guān)聯(lián)模式的分解
9.3.1 分解問題的梯度解
9.3.2 分解問題的神經(jīng)網(wǎng)絡(luò)模型
9.4 比較分析
9.5 總結(jié)
參考文獻(xiàn)

第10章各向異性數(shù)據(jù)模式的模糊聚類
10.1 引言
10.2 各向異性的數(shù)據(jù)
10.3 粒數(shù)據(jù)的參數(shù)模型
10.4 各向異性模糊聚類的參數(shù)模型
10.5 非參數(shù)的各向異性聚類
10.5.1 參照框架..
10.5.2 通過可能性一必要性變換表示粒數(shù)據(jù)
10.5.3 解參
10.6 總結(jié)
參考文獻(xiàn)

第11章粒數(shù)據(jù)的超盒模型：車貝雪夫FCM
11.1 引言
11.2 問題形式化
11.3 聚類算法——詳細(xì)的考慮
11.4 粒原型的設(shè)計(jì)
11.5 信息粒的幾何性質(zhì)
11.6 粒數(shù)據(jù)的描述：一個(gè)一般模型
11.7 總結(jié)
參考文獻(xiàn)

第12章遺傳相容的模糊神經(jīng)網(wǎng)絡(luò)
12.1 引言
12.2 閾值運(yùn)算和相容運(yùn)算：基于模糊邏輯的一般化
12.3 邏輯網(wǎng)絡(luò)的拓?fù)?br /> 12.4 遺傳優(yōu)化
12.5 例證性的數(shù)值研究
第13章粒原型
第14章粒映射
第15章語言建模
參考書目
索引