智能数据分析PDF|Epub|txt|kindle电子书版本网盘下载

智能数据分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章　不确定性理论与方法1

1.1　概率基础1

1.2　信息熵9

1.2.1　信息熵的概念9

1.2.2　联合熵与条件熵12

1.2.3　离散互信息13

1.3　模糊集16

1.3.1　模糊集合16

1.3.2　隶属函数18

1.3.3　模糊集与普通集19

1.3.4　模糊关系21

1.3.5　模糊数24

1.3.6　模糊集的距离28

1.3.7　模糊聚类29

1.4　粗糙集32

1.4.1　属性约简32

1.4.2　粗糙集基本概念35

1.4.3　粗糙模糊集36

1.4.4　概率粗糙集37

1.4.5　基于相似关系的粗糙近似38

1.5　遗传算法39

1.5.1　遗传算法的生物遗传学基础39

1.5.2　遗传算法的基本概念40

1.5.3　遗传算法的基本流程42

1.5.4　遗传算法应用实例44

1.5.5　遗传算法的模式理论及收敛理论46

1.5.6　遗传算法的特点及应用领域48

参考文献注释49

参考文献49

第二章　数据依赖51

2.1　数据依赖51

2.1.1　函数依赖51

2.1.2　多值依赖59

2.1.3　连接依赖64

2.1.4　非圈连接依赖68

2.2　数据依赖间的蕴涵关系75

2.2.1　模式等价75

2.2.2　连接依赖蕴涵的检验77

2.2.3　函数依赖蕴涵的检验82

2.2.4　追逐表之间的关系84

2.3　模糊数据依赖87

2.3.1　模糊关系数据模型87

2.3.2　模糊值的贴近度91

2.3.3　模糊关系操作93

2.3.4　模糊函数依赖与多值依赖94

2.3.5　模糊连接依赖98

2.3.6　模糊数据依赖蕴涵100

2.3.7　模糊度约束101

2.3.8　模糊函数依赖的应用103

参考文献注释105

参考文献106

第三章　分类和聚类分析107

3.1　分类分析107

3.1.1　分类的基本概念107

3.1.2　分类模型简介108

3.1.3　基于决策树的分类110

3.1.4　基于距离的分类113

3.1.5　贝叶斯分类116

3.1.6　其他分类方法概述124

3.2　聚类分析125

3.2.1　聚类的基本概念125

3.2.2　数据类型和相似性度量126

3.2.3　基于划分的聚类130

3.2.4　层次聚类139

3.2.5　基于密度的聚类144

3.2.6　模糊聚类145

3.2.7　其他聚类方法151

参考文献注释152

参考文献153

第四章　贝叶斯网155

4.1　马尔可夫网与贝叶斯网155

4.1.1　依赖模型与图的关系156

4.1.2　马尔可夫网161

4.1.3　贝叶斯网166

4.2　构造贝叶斯网171

4.2.1　参数学习171

4.2.2　贝叶斯网结构学习的打分-搜索方法175

4.2.3　基于依赖分析的马尔可夫网的构造算法177

4.2.4　由数据依赖构造贝叶斯网178

4.3　贝叶斯网的推理190

4.3.1　推理概述190

4.3.2　Cutset conditioning推理方法193

4.3.3　Clustering推理方法199

4.4　贝叶斯网的聚集202

4.4.1　链图模型202

4.4.2　贝叶斯网的聚集208

参考文献注释210

参考文献211

第五章　基于影响图模型的决策分析213

5.1　统计决策的基本概念213

5.1.1　普通统计决策213

5.1.2　模糊统计决策214

5.1.3　效用函数219

5.2　影响图223

5.3　影响图决策228

5.3.1　影响图决策的结点约简方法228

5.3.2　影响图决策的遗传算法233

5.3.3　影响图决策的增强学习算法238

5.4　影响图结构学习与参数学习244

5.4.1　影响图结构学习算法244

5.4.2　影响图局部结构的修改248

5.4.3　效用函数学习250

参考文献注释255

参考文献255

第六章　对策分析257

6.1　对策论基础257

6.1.1　策略博弈257

6.1.2　不完全信息博弈262

6.1.3　协作博弈266

6.1.4　多阶段博弈276

6.2　求解离散空间的ε-纳什均衡278

6.3　n人博弈的化简282

6.3.1　n人博弈中对局者的地位283

6.3.2　对局者间的策略依赖度285

6.3.3　博弈相关286

6.4　多阶段博弈的增强学习算法291

参考文献注释294

参考文献295

第七章　融合分析296

7.1　数据融合概述296

7.2　身份与证据融合299

7.2.1　古典统计方法299

7.2.2　贝叶斯统计方法300

7.2.3　Dempster-Shafer证据理论302

7.2.4　证据叠加304

7.3　推理融合305

7.3.1　条件事件代数概述305

7.3.2　基于GNW条件事件代数的贝叶斯网逻辑表达式计算309

7.3.3　基于乘积空间条件事件代数的贝叶斯网的逻辑推理312

7.4　模型融合313

7.4.1　基于马尔可夫等价的贝叶斯网合并方法313

7.4.2　基于扩展关系数据理论的贝叶斯网合并方法315

7.4.3　贝叶斯网的参数合并319

7.5　决策融合323

7.5.1　多目标决策融合323

7.5.2　群决策中的方案选择328

7.5.3　群决策中决策方案的融合330

参考文献注释333

参考文献333