《基于知识的聚类 从数据到信息粒》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:(加)派垂驰(WitoldPedrycz)著
  • 出 版 社:北京:北京师范大学出版社
  • 出版年份:2008
  • ISBN:9787303096923
  • 页数:294 页
图书介绍:聚类是人工智能领域的一个重要分支,在模式识别、机器学习、系统建模等方面有着广泛重要的应用。在实际应用中,将人的各种知识融入聚类过程的要求越来越强烈;现今的研究重点之一是以人为中心的处理方法。本书以基于知识的聚类为主要研究内容,结合信息粒化的新思想,与国际研究主流相吻合。此书提出了一些将知识融入聚类的全新方法,这些方法展示了如何揭示更有意义的数据结构、如何使人们能更好的应付和处理日益增长的数据和信息。因此,此书代表着新的研究方向,有着很高的理论和应用价值。

第1章 聚类和模糊聚类 1

1.1引言 1

1.2基本概念和符号 1

1.2.1数据类型 1

1.2.2距离和相似性 2

1.3聚类算法的主要类别 5

1.3.1层次聚类 5

1.3.2基于目标函数的聚类 8

1.4聚类和分类 9

1.5模糊聚类 9

1.6聚类有效性 15

1.7基于目标函数的聚类算法的扩展 17

1.7.1模糊类的扩展几何性质:模糊C变体 17

1.7.2可能性聚类 19

1.7.3带噪音的聚类 20

1.8自组织图和基于模糊目标函数的聚类 20

1.9总结 22

参考文献 23

第2章 粒信息计算:模糊集与模糊关系 26

2.1粒计算的范例:信息粒和信息粒的处理 26

2.2模糊集——以人为中心的信息粒 29

2.3模糊集的运算 30

2.4模糊关系 32

2.5两个模糊集的比较 32

2.6模糊集的一般化 34

2.7阴影集 36

2.8粗糙集 41

2.9粒计算与分布式处理 43

2.10总结 44

参考文献 44

第3章 面向逻辑的神经计算 46

3.1引言 46

3.2模糊神经元的主要类别 47

3.2.1聚合神经元 47

3.2.2参照神经元 50

3.3逻辑网络的结构 54

3.4网络的解释性 55

3.5逻辑处理的粒化界面 56

3.6总结 57

参考文献 58

第4章 条件模糊聚类 60

4.1引言 60

4.2问题陈述:上下文模糊集和目标函数 62

4.3最优化问题 64

4.4关于条件聚类计算方面的思考 72

4.5通过聚合算子将算法一般化 74

4.6具有空间约束的模糊聚类 75

4.7总结 77

参考文献 77

第5章 部分监督聚类 79

5.1引言 79

5.2问题形式化 80

5.3类的设计 81

5.4实验案例 82

5.5基于类的跟踪问题 84

5.6总结 87

参考文献 87

第6章 模糊聚类中基于知识的指导原则 88

6.1引言 88

6.2面向知识提示的样例及一般性分类 90

6.3知识强化聚类的优化环境 92

6.4基于知识指导提示的量化及优化 95

6.5交互过程的组织 96

6.6基于相似性的聚类(P-FCM) 101

6.7网页挖掘和P-FCM 106

6.8基于知识提示的语言强化 113

6.9总结 115

参考文献 115

第7章 协作聚类 116

7.1引言及基本概念 116

7.2横向聚类和纵向聚类 117

7.3横向协作聚类 119

7.3.1优化细节 120

7.3.2协作聚类的计算流程 123

7.3.3聚类中合作现象的定量描述 124

7.4实验研究 125

7.5横向聚类的进一步改善 134

7.6纵向聚类算法 135

7.7横向聚类与纵向聚类的网格模型 137

7.8一致性聚类 138

7.9总结 140

参考文献 141

第8章 方向聚类 142

8.1引言 142

8.2问题形式化 143

8.2.1目标函数 143

8.2.2信息粒的逻辑变换 145

8.3算法 146

8.4方向聚类的设计框架 148

8.5数值研究 149

8.6总结 158

参考文献 159

第9章 模糊关联聚类 160

9.1引言及问题描述 160

9.2用于关联数据的FCM 161

9.3模糊关联模式的分解 163

9.3.1分解问题的梯度解 163

9.3.2分解问题的神经网络模型 165

9.4比较分析 169

9.5总结 170

参考文献 170

第10章 各向异性数据模式的模糊聚类 172

10.1引言 172

10.2各向异性的数据 173

10.3粒数据的参数模型 174

10.4各向异性模糊聚类的参数模型 175

10.5非参数的各向异性聚类 178

10.5.1参照框架 179

10.5.2通过可能性—必要性变换表示粒数据 180

10.5.3解参 184

10.6总结 186

参考文献 187

第11章 粒数据的超盒模型:车贝雪夫FCM 188

11.1引言 188

11.2问题形式化 189

11.3聚类算法——详细的考虑 190

11.4粒原型的设计 196

11.5信息粒的几何性质 198

11.6粒数据的描述:一个一般模型 199

11.7总结 200

参考文献 201

第12章 遗传相容的模糊神经网络 202

12.1引言 202

12.2阈值运算和相容运算:基于模糊逻辑的一般化 203

12.3逻辑网络的拓扑 207

12.4遗传优化 210

12.5例证性的数值研究 211

12.6总结 217

参考文献 217

第13章 粒原型 219

13.1引言 219

13.2问题形式化 220

13.2.1模糊集合相似性的描述 220

13.2.2性能指标(目标函数) 221

13.3原型优化 223

13.4粒原型的形成 233

13.4.1相似水平的优化 234

13.4.2一个相似性反问题 235

13.5总结 238

参考文献 238

第14章 粒映射 240

14.1引言及问题描述 240

14.2作为粒表示中计算工具的可能性测度和必要性测度 241

14.3构造粒映射 242

14.4通过模糊聚类设计多变量粒映射 244

14.5粒映射的定量描述 246

14.6实验研究 246

14.7总结 249

参考文献 250

第15章 语言建模 251

15.1引言 251

15.2输入输出映射的类表示 252

15.3粒模型蓝图设计中的条件聚类 254

15.4作为粒网络中一般处理元素的粒神经元 257

15.5基于条件模糊聚类的语言模型结构 259

15.6语言模型的改进 260

15.7总结 261

参考文献 262

参考书目 264

索引 292