基于知識的聚類

定　價：￥39.00

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

購買這本書可以去

ISBN：	9787303096923	出版時間：	2008-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	294	字數(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嬎氵@一領域進行介紹和討論。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。《基于知識的聚類：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?；谥R的聚類展示的是如何設計一個導航平臺，以使信息探尋者能理解和較好的應用種類繁多的數(shù)據(jù)集。比模糊聚類走得更遠，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)結構，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?！?，讀著能理解基于知識聚類的基礎和與其相關聯(lián)的算法，學會將他們自己的知識應用到系統(tǒng)建模和設計中去?！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?，首先討論超盒結構，然后討論粒映射和語言模型。《基于知識的聚類：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域所需要的所有工具和指導：◆說明核心概念的眾多實例◆為讀者提供傳遞經(jīng)驗的可重復實驗◆為復雜算法和建模奠定基礎的先決條件的全面涵蓋◆每章后面強調(diào)理解內(nèi)容所必須的關急鍵點的總結◆通向?qū)ｎ}探究的進一步途徑的參考文獻和泛的參考書目《基于知識的聚類：從數(shù)據(jù)到信息?！肥菍垲悺⒛：垲?、無監(jiān)督學習、神經(jīng)網(wǎng)絡、模糊集、模式識別和系統(tǒng)建模感興趣的研究人員、專家及學生的必讀之物。有了作者對掌握必備知識的強調(diào)，以及精心構建的實例和實驗，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教授，加拿大首席專家。他還任職于波蘭科學院系統(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，在計算智能、粒計算、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教授，加拿大首席專家。他還任職于波蘭科學院系統(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，在計算智能、粒計算、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 基于目標函數(shù)的聚類算法的擴展
1.7.1 模糊類的擴展幾何性質(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函數(shù)的聚類
1.9 總結
參考文獻

第2章粒信息計算：模糊集與模糊關系
2.1 粒計算的范例：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 模糊集的運算
2.4 模糊關系
2.5 兩個模糊集的比較
2.6 模糊集的一般化.
2.7 陰影集
2.8 粗糙集.
2.9 粒計算與分布式處理
2.10 總結
參考文獻

第3章面向邏輯的神經(jīng)計算
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)絡的結構
3.4 網(wǎng)絡的解釋性
3.5 邏輯處理的粒化界面
3.6 總結
參考文獻

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函數(shù)
4.3 最優(yōu)化問題
4.4 關于條件聚類計算方面的思考
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
參考文獻

第5章部分監(jiān)督聚類
5.1 引言
5.2 問題形式化
5.3 類的設計
5.4 實驗案例
5.5 基于類的跟蹤問題
5.6 總結
參考文獻

第6章模糊聚類中基于知識的指導原則
6.1 引言
6.2 面向知識提示的樣例及一般性分類
6.3 知識強化聚類的優(yōu)化環(huán)境
6.4 基于知識指導提示的量化及優(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化
6.9 總結
參考文獻

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)化細節(jié)
7.3.2 協(xié)作聚類的計算流程
7.3.3 聚類中合作現(xiàn)象的定量描述
7.4 實驗研究
7.5 橫向聚類的進一步改善
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
參考文獻

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

第9章模糊關聯(lián)聚類
9.1 引言及問題描述
9.2 用于關聯(lián)數(shù)據(jù)的FCM
9.3 模糊關聯(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)絡模型
9.4 比較分析
9.5 總結
參考文獻

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
參考文獻

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——詳細的考慮
11.4 粒原型的設計
11.5 信息粒的幾何性質(zhì)
11.6 粒數(shù)據(jù)的描述：一個一般模型
11.7 總結
參考文獻

第12章遺傳相容的模糊神經(jīng)網(wǎng)絡
12.1 引言
12.2 閾值運算和相容運算：基于模糊邏輯的一般化
12.3 邏輯網(wǎng)絡的拓撲
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