粒认知计算

　　《粒认知计算》介绍了粒认知计算。内容主要有粒认知计算与粗糙集、约简方法、深度架构、应用示例四个部分，其中粒与粗糙集包括粗糙集、变精度粗糙集、二型模糊粗糙集，约简方法包括约简、多约简、群智约简、完备约简、并行约简；深度架构包括粒迁移学习、集成多知识；应用示例有暴力犯罪分析、序列标注、脑认知分析等实际场景。

暂缺《粒认知计算》作者简介

目录　
前言　
第1章　粒认知计算与粗糙集　1　
1.1　粒认知计算　1　
1.1.1　知识与知识发现　1　
1.1.2　粒　1　
1.1.3　认知计算　3　
1.1.4　粒计算　3　
1.2　粗糙集　4　
1.2.1　粗糙集示例　4　
1.2.2　基于粗糙集的知识表示　5　
1.2.3　不确定知识与度量　7　
1.3　变精度粗糙集　9　
1.3.1　变精度正区域　9　
1.3.2　变精度分布表　11　
1.4　二型模糊粗糙集　14　
1.4.1　模糊粗糙集　14　
1.4.2　区间二型模糊集　15　
1.4.3　基于高斯核的区间二型模糊粗糙集　15　
第2章　粗糙集约简　19　
2.1　约简　19　
2.1.1　约简预处理　20　
2.1.2　缺失值和属性离散化处理　20　
2.1.3　基于信息熵的并行连续属性离散化　20　
2.2　基于二进制分辨矩阵的属性约简　22　
2.2.1　相容决策表与不相容决策表　22　
2.2.2　二进制分辨矩阵及其生成算法　23　
2.2.3　基于二进制分辨矩阵的属性约简　24　
2.2.4　二进制分辨矩阵动态单约简　25　
2.2.5　决策表属性约简　28　
2.2.6　决策表值约简　28　
2.3　基于二进制分辨矩阵的动态多约简算法　29　
2.3.1　动态多约简算法　29　
2.3.2　与基于正区域算法对比　31　
2.3.3　动态更新机制性能分析　32　
2.3.4　属性重要度权重对约简结果的影响　33　
第3章　群智约简　35　
3.1　微粒群算法　35　
3.1.1　基本微粒群算法　35　
3.1.2　二进制离散微粒群算法　37　
3.1.3　微粒群算法与其他进化算法的比较　39　
3.2　微粒群约简算法　39　
3.2.1　设计思路　40　
3.2.2　不可分辨关系计算　41　
3.2.3　双矩编码方式　41　
3.2.4　算法设计与分析　42　
3.3　群搜索约简算法　47　
3.3.1　群搜索算法　47　
3.3.2　算法设计　51　
3.3.3　算法流程　52　
3.4　群智约简示例及结果　53　
3.4.1　实例演示　53　
3.4.2　基准数据集约简　55　
第4章　完备约简　57　
4.1　完备约简与多知识　57　
4.1.1　约简的完备性　57　
4.1.2　谱系二叉树结构　59　
4.1.3　多知识系统的完整性指标　61　
4.2　知识的空间结构　63　
4.2.1　完备约简的空间结构　63　
4.2.2　多知识的空间结构　66　
4.2.3　知识双层空间结构　68　
4.3　基于谱系二叉树结构的完备属性约简　69　
4.3.1　完备属性约简策略　69　
4.3.2　分布表与属性序　70
4.3.3　二值分类与谱系树剪枝　73　
4.4　基于变精度粗糙集的完备属性约简算法　76　
4.5　完备属性约简算法的性能分析　78　
4.5.1　标准数据集测试　78　
4.5.2　谱系二叉树剪枝策略的优化分析　80　
4.5.3　与非核属性替换策略的比较　84　
4.5.4　与群智能优化策略的比较　85　
第5章　模糊约简　87　
5.1　区间二型模糊粗糙集单约简算法　87　
5.2　模糊概念格及其规则提取　88　
5.2.1　模糊概念格　88　
5.2.2　无冗余规则提取定理　90　
5.2.3　模糊剪枝策略　92　
5.3　基于模糊概念格的决策规则提取算法　93　
5.4　属性约简及模糊规则提取算法实验　94　
5.4.1　约简参数实验　95　
5.4.2　模糊约简示例及对比分析　96　
5.5　基于模糊约简的规则提取示例　97　
第6章　并行约简　99　
6.1　并行计算　99　
6.1.1　集群并行计算　99　
6.1.2　并行计算编程模型　99　
6.1.3　并行算法的构造原则　100　
6.1.4　并行算法的性能评价　100　
6.2　MapReduce并行编程模型与架构　103　
6.2.1　MapReduce并行编程模型　103　
6.2.2　Hadoop并行框架　104　
6.2.3　集群容错性与分布式文件系统　105　
6.3　简化决策表及其并行生成算法　106　
6.3.1　简化决策表　106　
6.3.2　划分等价类　106　
6.3.3　基于MapReduce的简化决策表并行生成算法　107　
6.4　二进制分辨矩阵并行生成算法　108　
6.4.1　算法的预加载过程及矩阵行编号　108　
6.4.2　基于MapReduce的二进制分辨矩阵并行生成算法　110
6.5　并行属性约简算法　111　
6.5.1　并行核属性求解算法　111　
6.5.2　基于MapReduce的并行属性约简算法　112　
6.5.3　基于MapReduce的并行属性循环多约简算法　112　
6.5.4　算法实现优化　113　
6.6　正区域并行属性多约简算法　114　
6.6.1　简化决策表并行生成算法　114　
6.6.2　基于简表的正区域并行多约简算法　115　
6.6.3　正区域并行多约简算法实例分析　115　
第7章　规则提取　118　
7.1　形式概念分析基本概念　118　
7.1.1　单值属性的形式背景　118　
7.1.2　多值属性的形式背景　119　
7.1.3　形式概念和哈斯图　120　
7.2　概念格的构造及其规则处理算法　122　
7.2.1　概念格构造方法　122　
7.2.2　概念格规则提取　122　
7.2.3　知识冲突的处理算法　124　
7.3　形式概念算法设计及仿真实验　128　
7.3.1　形式概念算法设计　128　
7.3.2　基准数据集仿真实验　129　
7.4　基于属性约简的知识抽取和结构　133　
7.4.1　多知识抽取框架　133　
7.4.2　基于多知识系统的知识空间结构　134　
第8章　粒迁移学习　144　
8.1　粒迁移学习思想　144　
8.2　基于数据集结构信息的粒迁移学习　145　
8.2.1　特征粒度与负迁移问题　145　
8.2.2　数据集结构信息的区间粒化　146　
8.2.3　区间二型模糊隐马尔可夫模型　147　
8.3　基于对应关系的粒迁移学习　150　
8.3.1　对应关系中特征映射的粒度　150　
8.3.2　基于对应关系的粒迁移学习方法　151　
8.3.3　粒二型模糊隐马尔可夫模型　154　
8.4　基于生成结构的粒迁移学习　156
8.4.1　粒度与子结构　156　
8.4.2　序列迁移学习与子结构正则化　157　
8.4.3　基于生成结构的粒迁移学习模型　158　
8.4.4　时间复杂性　164　
8.5　基于模型选择的粒模型推断方法　165　
8.5.1　粒模型推断与模型选择　165　
8.5.2　规则性知识与似然比模型选择方法　165　
8.5.3　似然比模型选择方法　166　
第9章　多知识森林　168　
9.1　决策树与随机森林　168　
9.2　单知识森林　170　
9.3　多知识森林　173　
9.4　集成多知识森林分类　　175　
9.4.1　非平衡数据过采样SMOTE　175　
9.4.2　集成多知识森林择优参数验证实验　176　
9.4.3　矫正性组合投票机制实验分析　178　
第10章　暴力犯罪分析　179　
10.1　暴力犯罪及其因素　179　
10.2　暴力犯罪特征分析模型　180　
10.3　数据采集与分析　180　
10.4　算法应用和对比　186　
第11章　序列标注　188　
11.1　序列标注中的迁移学习问题　188　
11.2　基于数据集结构的粒迁移学习结果分析　190　
11.2.1　实验数据集介绍　190　
11.2.2　实验预备　191　
11.2.3　实验数据　194　
11.2.4　实验设置　194　
11.2.5　实验结果与分析　195　
11.3　基于对应关系的粒迁移学习结果与分析　198　
11.3.1　实验数据　198　
11.3.2　实验设置　198　
11.3.3　实验结果与分析　199　
11.4　基于生成结构的粒迁移学习结果与分析　203　
11.4.1　实验数据　203
11.4.2　实验设置　203　
11.4.3　实验结果与分析　204　
11.5　基于模型选择的粒迁移学习结果与分析　210　
11.5.1　实验数据　210　
11.5.2　实验设置　211　
11.5.3　实验结果与分析　211　
第12章　脑认知分析　214　
12.1　脑功能通路　214　
12.2　数据准备　215　
12.2.1　数据来源　215　
12.2.2　布罗德曼分区　217　
12.3　脑认知多知识约简　218　
12.3.1　决策值为英文的知识处理　220　
12.3.2　实验结果及分析　223　
12.4　记忆想象认知分析　225　
12.4.1　感兴趣区域的选择　225　
12.4.2　脑数据预处理　226　
12.4.3　约简比较与讨论　227　
12.4.4　知识抽取与讨论　232　
参考文献　239