大数据信息系统中的不确定性度量和知识约简

第1章 绪论
1.1 粗糙集理论简介
1.2 粗糙集理论的研究与发展
1.2.1 粗糙集理论的产生
1.2.2 粗糙集理论的发展
1.2.3 粗糙集理论研究热点
1.3 粗糙集理论基础知识
1.3.1 粗糙集的基本概念
1.3.2 粗糙集理论中的二元关系
1.3.3 不确定性度量
1.3.4 约简
1.4 粗糙集理论研究的必要性
1.5 本书内容编排
第2章 基于区分能力的知识不确定性度量方法
2.1 信息系统中单属性集的不确定性度量
2.3 信息系统中多属性集的组合度量
2.3.1 同可区分度
2.3.2 相对可区分度
2.3.3 联合可区分度
2.3.4 同可区分度、相对可区分度和联合可区分度间的关系
2.4 基于区分能力的不确定性度量和现有不确定性度量之间的关系
第3章 一种统一的加权不确定性度量
3.1 基于一般二元关系的知识加权不确定性度量
3.1.1 基于一般二元关系的α粒度熵及其性质
3.1.2 基于一般二元关系的α熵及其性质
3.1.3 一般二元关系下不同知识间的不确定性度量
3.1.4 加权不确定性度量和现有不确定性度量间的关系
3.2 基于一般二元关系的粗糙集集成加权不确定性度量
3.2.1 现有不确定性度量的缺陷
3.2.2 粗糙集集成加权不确定性度量
第4章 基于区分能力观点的属性约简算法
4.1 基于不可区分度的启发式快速完备约简算法
4.1.1 基于不可区分度的属性重要性及其约简
4.1.2 基于不可区分度的启发式约简算法
4.1.3 实验分析
4.2 基于相对可区分度的属性约简算法
4.2.1 现有约简算法的缺陷
4.2.2 基于相对可区分度的属性重要性及其约简
4.2.3 基于代数观点、信息观点和区分能力观点约简定义间的关系
4.2.4 实验分析
第5章 基于区分能力观点的不协调决策表约简算法
5.1 不协调信患系统的基本知识
5.2 不协调决策表约简算法之间的关系
5.3 商效的不协调决策表约简算法
5.3.1 简化协调决策表
5.3.2 不协调决策表的约简
5.3.3 一种高效的不协调决策表约简算法
5.4 实验分析
5.4.1 实例
5.4.2 对UCI数据的处理
第6章 基于一般二元关系的近似属性约简算法
6.1 一般二元关系下基于区分能力观点的近似属性约简算法
6.1.1 基于区分能力的近似属性约简算法
6.1.2 近似约简算法的实例分析
6.1.3 近似约简算法在SIFT特征匹配算法中的应用
6.2 一般二元关系下基于加权理精度的加权近似属性约简算法
6.2.1 基于加权α精度的加权近似属性约简算法
6.2.2 基于加权α精度的近似约简算法实例分析
6.3 两种近似参数β和ε对属性约简和分类精度的影响
基于加权α精度的多约简组合分类算法
.1 基于加权α精度的多约简组合分类算法
.2 实验分析
.3 算法CRCAWαA在红外与激光融合目标识别中的应用
第7章 基于邻域组合测度的属性约简算法
7.1 邻域粗糙集基本概念
7.2 基于邻域组合测度的属性约简算法
7.2.1 基于邻域组合测度的不确定性度量
7.2.2 基于邻域组合测度的属性约简算法
7.3 实验分析
7.4 在三维点云目标识别中的应用
参考文献