智能分类方法
2009-6
崔彩霞 气象出版社 (2009-06出版)
崔彩霞 著
216
无
分类是数据挖掘的一项重要任务，在很多领域得到广泛的应用。《智能分类方法》主要介绍了各种常用分类方法的相关理论，阐述了分类方法的实现过程，并介绍了分类方法的具体应用。全书共分7章，分别介绍了分类的概念和过程、支持向量机分类方法、粗糙集分类方法、模糊集分类方法、贝叶斯分类方法、k近邻分类法、线性最小平方拟合、决策树分类法、神经网络、遗传算法、最大熵模型、基于投票的方法以及基于融合技术的分类方法，分别给出了分类应用实例。 《智能分类方法》可作为计算机及相关专业的科研人员、教师和学生的参考书。
前言第1章 绪论1.1 数据挖掘1.2 分类1.3 分类方法1.4 分类应用第2章 支持向量机分类方法2.1 统计学习理论2.2 线性支持向量机2.3 非线性支持向量机2.4 核函数2.5 实现技术2.6 多分类技术2.7 支持向量机分类方法应用第3章 粗糙集分类方法3.1 粗糙集的基本概念3.2 知识约简3.3 信息系统3.4 决策表与决策规则3.5 决策表的离散化3.6 粗糙集理论在分类上的应用第4章 模糊集分类方法4.1 模糊集的概念4.2 模糊集的运算4.3 模糊集的基本定理4.4 模糊矩阵4.5 模糊关系4.6 模糊聚类4.7 基于模糊集的教学质量评价第5章 贝叶斯分类方法5.1 贝叶斯定理5.2 朴素贝叶斯分类5.3 贝叶斯信念网5.4 基于朴素贝叶斯的短信息分类第6章 其他分类方法6.1 k近邻分类法6.2 线性最小平方拟合（LLSF）6.3 决策树分类法6.4 神经网络6.5 遗传算法6.6 最大熵模型6.7 基于投票的方法第7章 基于融合技术的分类方法7.1 基于粗糙集和支持向量机融合的分类方法7.2 基于模糊集和支持向量机的分类方法7.3 基于粗糙集的贝叶斯分类方法7.4 规则抽取与遗传算法融合7.5 展望参考文献
无