總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化技術及設備
 
 
 
 
軟計算原理與實現^tn
 作  者: 李業麗/曾慶濤
 出版單位: 電子工業
 出版日期: 2020.01
 進貨日期: 2020/1/16
 ISBN: 9787121363689
 開  本: 16 開    
 定  價: 510
 售  價: 408
  會 員 價: 374
推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
內容簡介:

本書闡述了數據挖掘、軟計算技術的發展狀況,重點介紹了其採用的技術和方法,同時對各種方法進行了比較,並以幾種方法為例,介紹了它們的思想及其在數據挖掘中的應用。另外,本書還闡述了基於Agent技術的智能數據挖掘系統模型的總體結構,介紹了常用的知識表示方法;討論了數據挖掘中的小波神經網絡方法,概述了基於WWW的數據挖掘和文本挖掘,介紹了分類、聚類分析的常用算法,並且給出了部分算法的算法實現,可為數據挖掘領域的研究生及相關技術人員提供參考。


作者簡介:

李業麗,女,1962.12,教授,博士,主要從事數字噴墨印刷控制技術、按需印刷、圖像處理技術、智能信息處理技術等方面的研究。發表學術論文60余篇,其中SCI/EI檢索20余篇,專利4項,出版學術專著2部,教材5部。近幾年主持完成創新團隊研究項目1項、北京印刷學院重點項目3項、橫向課題8項,在研橫向課題2項。


圖書目錄:

第1章 緒論 1
1.1 數據挖掘概述 1
1.1.1 數據挖掘的發展狀況 1
1.1.2 數據挖掘的概念 2
1.1.3 數據挖掘技術概述 5
1.1.4 數據挖掘方法比較 9
1.1.5 數據挖掘面臨的問題 10
1.2 數據挖掘中的軟計算技術概述 11
1.2.1 軟計算的發展狀況 12
1.2.2 KDD中的軟計算技術簡介 13
1.3 基於WWW的數據挖掘與文本挖掘 19
1.3.1 基於WWW的數據挖掘 19
1.3.2 自然語言處理與文本挖掘 20
1.4 研究現狀與發展趨勢 21
參考文獻 23
第2章 基於智能Agent的知識發現模型研究與設計 27
2.1 知識發現模型概述 27
2.1.1 面向過程的KDD模型 28
2.1.2 面向用戶的KDD模型 30
2.1.3 面向知識的KDD模型 31
2.2 基於Agent技術的智能數據挖掘系統模型的總體結構 32
2.2.1 Multi-Agent技術的特性 32
2.2.2 智能數據挖掘系統模型的總體結構 34
2.2.3 數據挖掘Agent功能描述 35
2.2.4 數據預處理Agent功能描述 36
2.2.5 人機界面Agent功能描述 37
2.2.6 決策Agent功能描述 38
2.3 知識發現過程實例分析 39
2.3.1 實例背景 39
2.3.2 數據預處理 40
2.3.3 特徵選擇 43
2.4 研究現狀與發展趨勢 47
2.5 本章小結 48
參考文獻 49
第3章 基於軟計算的知識表示方法研究 51
3.1 知識表示概述 51
3.1.1 一階謂詞邏輯表示法 52
3.1.2 關係表示法 53
3.1.3 產生式規則表示法 53
3.1.4 框架表示法 54
3.1.5 語義網絡表示法 55
3.1.6 面向對象表示法 56
3.1.7 知識表達式 56
3.1.8 模糊知識表示方法 58
3.2 基於粗糙集的不確定知識表示方法 61
3.2.1 知識、劃分與等價關係 61
3.2.2 信息表、不可分辨關係和基本集 61
3.2.3 粗糙集的下近似、上近似及邊界區 62
3.2.4 知識表示特徵集模型 62
3.2.5 討論 64
3.3 基於粗糙熵的知識表示方法 64
3.3.1 信息理論的度量和粗糙集 64
3.3.2 知識的粗糙性 65
3.3.3 粗糙熵 65
3.4 知識的對象模糊語義網絡表示法 65
3.5 幾種知識表示方法的比較 66
3.6 研究現狀與發展趨勢 67
3.7 本章小結 68
參考文獻 71
第4章 數據挖掘中的小波神經網絡方法研究 73
4.1 引言 73
4.2 神經網絡發展及基礎概述 73
4.2.1 MP模型 74
4.2.2 感知器學習算法 75
4.2.3 BP網絡算法 75
4.3 基於禁忌搜索算法的小波神經網絡設計 77
4.3.1 禁忌搜索 77
4.3.2 小波分析基礎 82
4.3.3 小波變換實例 84
4.3.4 小波神經網絡 86
4.3.5 網絡設計算法 86
4.3.6 實驗結果及結論 87
4.4 基於小波神經網絡的模型預測研究 88
4.4.1 Harr基小波 88
4.4.2 Harr基小波神經網絡 89
4.4.3 預測模型 90
4.5 BP神經網絡 91
4.5.1 算法實現 91
4.5.2 運行實例 94
4.6 神經網絡在數據挖掘中的應用 94
4.6.1 神經網絡在可視化中的應用 94
4.6.2 神經網絡在分類中的應用 96
4.6.3 實驗結果及分析 98
4.7 研究現狀與發展趨勢 99
4.8 本章小結 100
參考文獻 100
第5章 基於用戶需求模型的中英文WWW搜索引擎 104
5.1 WWW概述 104
5.1.1 搜索引擎技術 105
5.1.2 WWW中的術語、協議及相關技術 106
5.2 中英文WWW搜索引擎的結構 109
5.2.1 數據收集、處理子系統 110
5.2.2 用戶查詢子系統 111
5.2.3 分類管理子系統 112
5.3 基於示例的用戶信息需求模型的獲取和表示 113
5.3.1 文本類別特徵的抽取方式 114
5.3.2 文本的分類判別與文本特徵權重 115
5.3.3 Fisher判別 116
5.3.4 用戶信息需求模型的表示 119
5.3.5 實驗結果及分析 119
5.4 研究現狀與發展趨勢 120
5.5 本章小結 121
參考文獻 121
第6章 基於Web的文本挖掘技術研究 123
6.1 文本挖掘概述 123
6.1.1 文本挖掘的應用 124
6.1.2 文本處理的基本模型 125
6.1.3 文本挖掘的流程 128
6.2 文本挖掘基本技術 128
6.2.1 文本特徵抽取 128
6.2.2 文本分類 132
6.2.3 文本聚類 133
6.2.4 DBSCAN聚類 134
6.3 中文文本挖掘模型 137
6.3.1 文本特徵的提取 137
6.3.2 重心向量與文本聚類 139
6.3.3 文本自動摘要技術 140
6.3.4 文本可視化表示 141
6.4 研究現狀與發展趨勢 143
6.5 本章小結 144
參考文獻 145
第7章 聚類分析與應用 147
7.1 聚類的基本概念 147
7.1.1 聚類的定義 147
7.1.2 聚類算法的分類 148
7.1.3 數據挖掘中聚類算法的比較標準 148
7.2 常用聚類算法介紹與分析 149
7.2.1 基於劃分的聚類算法 149
7.2.2 基於層次的聚類算法 151
7.2.3 基於密度的聚類算法 152
7.2.4 基於網格的聚類算法 153
7.2.5 基於模型的聚類算法[3] 154
7.3 聚類算法比較 155
7.4 聚類算法k-means的改進 155
7.4.1 聚類算法中的數據類型 155
7.4.2 相異度的計算 156
7.4.3 聚類準則 157
7.4.4 原始的k-means算法 157
7.4.5 改進的k-means算法 161
7.5 研究現狀與發展趨勢 166
7.6 本章小結 166
參考文獻 167
第8章 軟計算中的算法及其應用 169
8.1 分類概述 169
8.2 決策樹 169
8.2.1 決策樹的概念 170
8.2.2 決策樹的研究方向 171
8.2.3 決策樹分析 171
8.2.4 決策樹算法 173
8.3 分類的應用 184
8.3.1 基於支持向量機的印刷故障分類 184
8.3.2 票據印刷過程中的數碼檢測 190
8.4 遺傳算法 192
8.4.1 算法實現 192
8.4.2 算法運行 198
8.5 研究現狀與發展趨勢 199
8.6 本章小結 200
參考文獻 200

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。