目录
“博士后文库”序言
前言
章 绪论 1
1.1 研究背景 1
1.2 置信函数理论 2
1.2.1 据的表示 2
1.2.2 据的组合 5
1.. 据在辨识框架上的运算 8
1.2.4 决策规则 11
1.3 不确定数据分类问题 12
1.4 基于规则的分类方法 14
1.4.1 模糊规则分类研究综述 14
1.4.2 关联规则分类研究综述 17
第2章 不可靠数据鲁棒置信规则分类
2.1 引言
2.2 不可靠数据鲁棒置信规则分类系统 24
2.2.1 置信规则结构 24
2.2.2 基于数据驱动的置信规则库构建 25
2.. 置信推理方法 29
. 实验分析 31
..1 实验设置 31
..2 分类正确率评估 33
.. 分类鲁棒评估 35
..4 运行时间分析 41
2.4 本章小结 43
第3章 面向大数据的紧凑置信规则分类 44
3.1 引言 44
3.2 基于据C均值的紧凑置信规则库学习 45
3.2.1 据C均值算法 45
3.2.2 基于监督据C均值的置信划分 46
3.. 紧凑置信规则库构建 47
3.2.4 准确与可解释折中的参数优化 49
3.3 实验分析 51
3.3.1 合成数据集测试 51
3.3.2 真实数据集测试 52
3.4 本章小结 56
第4章 数据与知识双驱动的复合置信规则分类 57
4.1 引言 57
4.2 复合置信规则分类系统 58
4.2.1 基于知识驱动的置信规则库构建 58
4.2.2 数据与知识双驱动的复合置信规则库构建 61
4.3 基于训练数据与专家知识的多源目标识别 63
4.3.1 问题描述 64
4.3.2 目标识别复合置信规则库构建 65
4.3.3 对比分析 68
4.3.4 参数分析 69
4.4 本章小结 70
第5章 准确且可解释的置信关联规则分类 72
5.1 引言 72
5.2 置信类关联规则 73
5.2.1 置信类关联规则结构 73
5.2.2 支持度与置信度定义 74
5.3 准确且可解释的置信关联规则分类方法 76
5.3.1 置信类关联规则挖掘 77
5.3.2 置信类关联规则削减 81
5.3.3 置信推理分类 84
5.3.4 计算复杂度分析 85
5.4 实验分析 86
5.4.1 实验设置 86
5.4.2 分类精度评估 88
5.4.3 可解释评估 90
5.4.4 参数分析 91
5.4.5 运行时间分析 93
5.5 本章小结 95
第6章 面向高维数据的置信关联规则分类 96
6.1 引言 96
6.2 高维数据置信关联规则分类方法 97
6.2.1 基于熵的自适应模糊划分 98
6.2.2 基于子群发现的规则预筛选 99
6.. 遗传规则选择 101
6.3 实验分析 102
6.3.1 算例分析 102
6.3.2 对比分析 104
6.3.3 参数分析 107
6.4 本章小结 108
第7章 面向软标签数据的置信关联规则分类 109
7.1 引言 109
7.2 不准确类关联规则 110
7.2.1 不准确类关联规则结构 110
7.2.2 软标签数据支持度与置信度定义 111
7.3 基于关联规则的软标签数据分类 112
7.3.1 基于熵的软标签数据自适应模糊划分 114
7.3.2 不准确类关联规则挖掘 117
7.3.3 规则削减 121
7.3.4 软标签下的置信推理分类 122
7.4 实验分析 1
7.4.1 标准数据集测试 1
7.4.2 面部表情识别应用 128
7.5 本章小结 130
第8章 基于置信规则推理的编队目标识别 131
8.1 引言 131
8.2 置信规则推理方法描述 132
8.2.1 基于据推理算法的置信规则推理 132
8.2.2 置信规则库参数学习 134
8.3 基于置信规则推理的航母编队识别 134
8.3.1 航母编队识别置信规则库构建 135
8.3.2 基于多层置信规则库的推理 137
8.3.3 置信规则库参数学习 137
8.4 实验分析 138
8.5 本章小结 139
第9章 基于置信关联规则的多框架融合目标识别 141
9.1 引言 141
9.2 多框架置信关联规则挖掘 142
9.2.1 多框架置信数据库构建 142
9.2.2 多框架置信数据库下支持度与置信度定义 143
9.. 多框架置信数据库规则挖掘 145
9.3 多框架融合目标识别 147
9.3.1 总体框架 147
9.3.2 框架中各模块的具体实现过程 148
9.3.3 计算复杂度分析 152
9.4 实验分析 153
9.4.1 问题描述 153
9.4.2 算法实现 154
9.4.3 对比分析 157
9.4.4 参数分析 161
9.4.5 运行时间分析 163
9.5 本章小结 164
0章 考虑可靠与重要的广义决策融合目标威胁评估 165
10.1 引言 165
10.2 据的可靠与重要定义 166
10.2.1 据的可靠定义 166
10.2.2 据的重要定义 167
10.3 不确定多属决策融合算法分析 169
10.3.1 置信函数框架下的问题表示 169
10.3.2 基于据推理算法的多属决策融合方法 170
10.3.3 基于据可靠的原始据推理算法分析 173
10.3.4 基于据重要的修正据推理算法分析 174
10.3.5 合成公理分析 176
10.4 综合考虑属可靠与重要的广义据推理算法 178
10.4.1 据的可靠–重要折扣运算 178
10.4.2 广义据推理算法 178
10.5 综合考虑属可靠与重要的战略预警系统目标威胁评估 180
10.5.1 问题描述 180
10.5.2 属评估量化及可靠度与重要度计算 181
10.5.3 分析 183
10.6 本章小结 186
参考文献 188
编后记 205
《置信规则分类方法与应用》面向复杂不确定环境下可解释分类的需求，重点阐述作者提出的置信规则分类方法体系及其在实际工程中的应用。《置信规则分类方法与应用》主要内容包括不可靠数据鲁棒置信规则分类、面向大数据的紧凑置信规则分类、数据与知识双驱动的复合置信规则分类、准确且可解释的置信关联规则分类、面向高维数据的置信关联规则分类、面向软标签数据的置信关联规则分类等方面的理论进展，以及在编队目标识别、多框架融合目标识别、多属决策融合目标威胁评估等实际问题中的应用。本书可供不确定信息处理、可解释机器学习及相关领域的科研和技术人员阅读参考，也可作为人工智能、模式识别、系统工程等专业的参考书。
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
