協(xié)同演化算法及其在數(shù)據(jù)挖掘中的應(yīng)用

定　價(jià)：￥26.00

作　者：	董紅斌，賀志著
出版社：	水利水電出版社
叢編項(xiàng)：
標(biāo)　簽：	數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787508456881	出版時(shí)間：	2008-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	184	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　演化算法是一種模擬生物演化過(guò)程與機(jī)制求解優(yōu)化問(wèn)題及搜索問(wèn)題的一類自組織、自適應(yīng)人工智能技術(shù)。協(xié)同演化算法是針對(duì)傳統(tǒng)演化算法的不足而興起的，通過(guò)構(gòu)造兩個(gè)或多個(gè)種群，建立它們之間的競(jìng)爭(zhēng)或合作關(guān)系，多個(gè)種群相互作用來(lái)提高各自性能，適應(yīng)復(fù)雜系統(tǒng)的動(dòng)態(tài)演化環(huán)境，以達(dá)到種群優(yōu)化的目標(biāo)。協(xié)同演化算法是近年來(lái)已成為計(jì)算機(jī)智能研究的一個(gè)熱點(diǎn)，已廣泛應(yīng)用于電子工程、模式識(shí)別、交通運(yùn)輸規(guī)劃、經(jīng)濟(jì)管理和工程設(shè)計(jì)優(yōu)化等領(lǐng)域。本書(shū)從協(xié)同演化理論和演化算法相結(jié)合的角度出發(fā)，著重介紹了協(xié)同演化算法及其在數(shù)據(jù)挖掘的應(yīng)用方面的研究工作。全書(shū)共分為10章，內(nèi)容包括緒論、函數(shù)優(yōu)化、約束優(yōu)化、多目標(biāo)優(yōu)化、興趣度量?jī)?yōu)化、數(shù)據(jù)集的優(yōu)化和規(guī)則形式的簡(jiǎn)化及演化聚類算法等。本書(shū)可作為計(jì)算機(jī)科學(xué)、信息科學(xué)、人工智能自動(dòng)化技術(shù)及數(shù)據(jù)挖掘等相關(guān)專業(yè)的研究生、教師和科技工作者的參考書(shū)。

作者簡(jiǎn)介

暫缺《協(xié)同演化算法及其在數(shù)據(jù)挖掘中的應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1.1 演化算法概述
1.1.1 演化算法的起源
1.1.2 演化算法的應(yīng)用領(lǐng)域
1.1.3 演化算法的發(fā)展趨勢(shì)
1.2 演化算法的基本原理
1.2.1 生物學(xué)基礎(chǔ)
1.2.2 演化算法與最優(yōu)化
1.2.3 演化算法的一般框架
1.2.4 沒(méi)有免費(fèi)午餐定理
1.3 協(xié)同演化算法研究現(xiàn)狀
1.3.1 協(xié)同進(jìn)化論
1.3.2 演化博弈論
1.3.3 協(xié)同演化算法設(shè)計(jì)
1.3.4 協(xié)同演化算法的應(yīng)用
第2章數(shù)據(jù)挖掘和關(guān)聯(lián)規(guī)則
2.1 數(shù)據(jù)挖掘
2.1.1 數(shù)據(jù)挖掘的定義和過(guò)程
2.1.2 挖掘的數(shù)據(jù)形式
2.1.3 數(shù)據(jù)挖掘的功能
2.2 關(guān)聯(lián)分析
2.2.1 關(guān)聯(lián)規(guī)則的定義
2.2.2 關(guān)聯(lián)規(guī)則挖掘的問(wèn)題
2.3 聚類分析
2.3.1 聚類分析的意義
2.3.2 聚類分析的概念
2.3.3 聚類分析的算法
2.4 遺傳算法在規(guī)則發(fā)現(xiàn)中的應(yīng)用
2.4.1 個(gè)體表示
2.4.2 算子
2.4.3 種群初始化
2.4.4 適應(yīng)度
2.4.5 分類規(guī)則發(fā)現(xiàn)和關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的不同
第3章基于混合策略的協(xié)同演化算法
3.1 引言
3.2 混合策略協(xié)同演化規(guī)劃的基本思想
3.2.1 概率分布函數(shù)的性能
3.2.2 混合策略協(xié)同演化規(guī)劃框架
3.3 求解函數(shù)優(yōu)化問(wèn)題的MSCEP算法
3.4 實(shí)驗(yàn)結(jié)果和分析
3.4.1 實(shí)驗(yàn)結(jié)果
3.4.2 實(shí)驗(yàn)分析
3.5 小結(jié)
第4章求解約束優(yōu)化問(wèn)題的混合策略演化算法
4.1 引言
4.2 求解約束優(yōu)化問(wèn)題的基本思想
4.2.1 約束優(yōu)化問(wèn)題
4.2.2 約束比較規(guī)則
4.3 求解約束優(yōu)化問(wèn)題的CMSEP算法
4.4 實(shí)驗(yàn)結(jié)果和分析
4.4.1 實(shí)驗(yàn)結(jié)果
4.4.2 結(jié)果分析
4.5 小結(jié)
第5章求解多目標(biāo)優(yōu)化問(wèn)題的混合策略演化算法
5.1 引言
5.2 相關(guān)工作
5.2.1 關(guān)鍵技術(shù)
5.2.2 研究現(xiàn)狀
5.3 求解多目標(biāo)優(yōu)化問(wèn)題的基本思想
5.3.1 多目標(biāo)優(yōu)化問(wèn)題
5.3.2 強(qiáng)度Pareto優(yōu)化的基本思想
5.4 混合策略的Pareto演化規(guī)劃
5.5 實(shí)驗(yàn)結(jié)果和分析
5.5.1 測(cè)試函數(shù)
5.5.2 占果分析
5.6 小結(jié)
第6章興趣度量的優(yōu)化
6.1 關(guān)聯(lián)規(guī)則的興趣度量
6.1.1 興趣度量的目的
6.1.2 興趣度量的分類
6.2 發(fā)現(xiàn)度量約束下的規(guī)則
6.3 發(fā)現(xiàn)基于殘差的最優(yōu)相關(guān)規(guī)則
6.3.1 殘差分析
6.3.2 互信息量
6.3.3 用遺傳算法發(fā)現(xiàn)優(yōu)化相關(guān)規(guī)則GADCR
6.4 實(shí)驗(yàn)
6.4.1 人工數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果
6.4.2 真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果
6.5 小結(jié)
第7章數(shù)據(jù)集的優(yōu)化
7.1 離散化簡(jiǎn)介
7.1.1 有監(jiān)督和無(wú)監(jiān)督離散化
7.1.2 一元與多元離散化
7.1.3 MVD
7.2 一種基于聚類的無(wú)監(jiān)督多元離散化方法EMVD—BDC
7.2.1 動(dòng)機(jī)
7.2.2 EMVD-BDC
7.3 MVD的一種優(yōu)化算法OMVD
7.3.1 最大支持度差異（MSD）
7.3.2 用遺傳算法優(yōu)化MSD列表
7.4 實(shí)驗(yàn)
7.4.1 人工數(shù)據(jù)集上的實(shí)驗(yàn)
7.4.2 真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)
7.5 小結(jié)
第8章規(guī)則形式的簡(jiǎn)化
8.1 最優(yōu)關(guān)聯(lián)規(guī)則的簡(jiǎn)介
8.1.1 問(wèn)題的提出和定義
8.1.2 發(fā)現(xiàn)最優(yōu)置信度規(guī)則的經(jīng)典算法：FOCR
8.1.3 其他算法
8.2 發(fā)現(xiàn)最優(yōu)interest規(guī)則
8.2.1 問(wèn)題的定義
8.2.2 發(fā)現(xiàn)最優(yōu)interest規(guī)則的算法FOCR
8.3 發(fā)現(xiàn)最優(yōu)相對(duì)密度規(guī)則
8.3.1 密度度量
8.3.2 相對(duì)密度度量
8.3.3 最優(yōu)相對(duì)密度規(guī)則的發(fā)現(xiàn)算法FORDAR
8.4 實(shí)驗(yàn)
8.4.1 人工數(shù)據(jù)集上的實(shí)驗(yàn)
8.4.2 真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)
8.5 小結(jié)
第9章基于混合策略的演化聚類算法
9.1 引言
9.2 模糊C均值聚類
9.2.1 模糊C均值聚類算法
9.2.2 模糊權(quán)和有效性函數(shù)
9.3 混合策略演化聚類算法
9.4 實(shí)驗(yàn)結(jié)果和分析
9.4.1 人工數(shù)據(jù)集和真實(shí)數(shù)據(jù)集
9.4.2 有效性指標(biāo)實(shí)驗(yàn)分析
9.4.3 算法性能分析
9.4.4 參數(shù)選擇
9.5 小結(jié)
第10章總結(jié)
參考文獻(xiàn)