软计算原理与实现

书籍简介:

本书详尽介绍了各类数据挖掘技术及相关系统，并讨论数据挖掘的应用和研究方向。写这本书的重要动机是需要建立一个研究数据挖掘的有组织的框架，由于这个快速发展领域的多学科特点，这是一项具有挑战性的任务。我们希望本书有助于具有不同背景和经验的人们交流关于数据挖掘的见解，为进一步促进这个令人激动的、不断发展的领域的成长做出贡献。本书的内容组织如下：第1章介绍了数据挖掘及软计算的发展状况、概念、相关技术、方法比较（遗传算法、支持向量机、神经网络、粗糙集、模糊推理、概率推理、文本挖掘、自然语言处理等）、数据挖掘面临的问题。第2章主要涉及基于智能Agent的知识发现模型的研究与设计，包括：面向过程的KDD模型、面向用户的KDD模型、面向知识的KDD模型、Multi-Agent技术特性、智能数据挖掘系统模型、数据挖掘Agent模型、数据预处理Agent模型、人机界面Agent模型、决策Agent模型、实例分析和程序代码等。第3章围绕软计算的知识表示方法展开内容，包括：一阶谓词逻辑表示、特征表示、产生式规则表达式、框架表示、语义网络表示法、知识表达、模糊知识表示、模糊谓词表示法、模糊规则表示法、模糊框架表示法、模糊语义网络表示法、基于粗糙集的不确定知识表示方法、基于粗糙熵的知识表示方法、知识的对象模糊语义网络表示法、知识表示方法的比较。第4章介绍了神经网络在数据挖掘领域的应用，包括：神经网络发展、基于禁忌搜索算法的小波神经网络设计、基于Harr基小波神经网络的模型预测研究、神经网络在可视化中的应用、神经网络在分类中的应用等。第5章围绕用户需求模型介绍，包括：WWW中的术语、协议及相关技术、中英文WWW搜索引擎的结构、数据搜集、处理子系统、用户查询系统、分类管理系统、基于实例的用户信息需求模型的获取和表示、文本类别特征的抽取方式、文本的分类判别与文本特征权重、用户信息需求模型的表示等。第6章介绍基于Web的文本挖掘技术，包括：文本特征抽取、文本分类、文本聚类、中文文本挖掘模型、文本自动摘要技术、文本可视化表示等。第7章介绍聚类分析及其应用，聚类分析方法的分类（基于划分的聚类、基于层次的聚类、基于密度的聚类、基于网格的聚类、基于模型的聚类）、评价指标、聚类算法中的数据类型、相异度计算、聚类原则。第8章主要涉及数据挖掘在虚拟企业联盟中的应用，关联规则挖掘算法、频繁模式挖掘的分类、基于关联规则的

书籍规格:

书籍信息归属:

软计算原理与实现是电子工业出版社于2019.7出版的中图分类号为 TP274 的主题关于 数据采集 的书籍。