VIP会员
内容简介
本书是以作者近些年的研究成果为基础的科学专著，也是国内第一部以模糊认知图为主题的专著。
本书密切跟踪前沿研究主流的发展趋向，探析了模糊认知图的研究方向、模糊认知图的学习方法、模糊认知图分类器及其集成模型。本书以探讨模糊认知图分类的关键因素为导向，以论述基础概念—研究相关算法—提出可行模型为主线，有效利用模糊认知图解决了在蛋白质二级结构环境中的分类问题。
目录
第1章 引言 /1
1.1 研究背景 / 1
1.2 主要研究内容和创新点 / 2
1.3 全书的组织安排 / 3
第2章 文献综述 /6
2.1 数据挖掘的产生与发展 / 6
2.1.1 数据挖掘过程 / 9
2.1.2 数据挖掘的技术方法 / 11
2.1.3 数据挖掘应用领域 / 22
2.2 数据挖掘的研究热点及趋势分析 / 24
2.2.1 空间数据挖掘 / 24
2.2.2 分布式数据挖掘 / 26
2.2.3 基于云计算的数据挖掘 / 29
2.3 基于内在认知机理的知识发现理论KDTICM / 30
2.4 本章小结 / 35
第3章 模糊认知图 /36
3.1 模糊认知图的基本概念及研究进展 / 36
3.2 FCM推理机制 / 39
3.2.1 前向式演化推理 / 40
3.2.2 后向式演化推理 / 40
3.3 模糊认知图研究方向 / 41
3.3.1 动态模糊认知图 / 41
3.3.2 概率模糊认知图 / 44
3.3.3 随机模糊认知图 / 45
3.3.4 基于规则的模糊认知图 / 46
3.3.5 复杂模糊认知图 / 47
3.4 模糊认知图的学习方法 / 48
3.4.1 演化学习 / 48
3.4.2 适应性学习 / 50
3.4.3 混合方法 / 52
3.5 本章小结 / 53
第4 章 一种模糊认知图分类器构造方法 /57
4.1 FCMCM 分类器 / 57
4.1.1 FCM 分类器定义 / 57
4.1.2 FCM 分类器模型结构 / 57
4.1.3 激活函数 / 59
4.1.4 推理规则 / 59
4.1.5 学习方法 / 60
4.2 实验验证 / 61
4.2.1 数据集 / 61
4.2.2 实验部分 / 62
4.3 本章小结 / 67
第5 章 集成学习FCM 分类器 /68
5.1 集成学习 / 68
5.1.1 集成分类器的构造方法 / 69
5.1.2 多FCM 集成学习的基本思想 / 72
5.2 集成学习的构造过程 / 73
5.2.1 基本Bagging 的多FCM 分类器集成 / 73
5.2.2 基于Adaboost 的多FCM 分类器集成 / 79
5.3 多测度范异构分类器集成方法 / 82
5.3.1 样本分离阶段 / 83
5.3.2 Bagging 组合阶段 / 84
5.3.3 实验验证 / 85
5.4 本章小结 / 87
第6 章 基于FCM 集成分类器的蛋白质二级结构智能预测模型新构造 /89
6.1 蛋白质二级结构预测的必要性分析 / 89
6.2 蛋白质结构介绍 / 90
6.3 蛋白质二级结构预测研究现状 / 95
6.4 CPMFCM / 100
6.4.1 理论基础 / 100
6.4.2 测试数据集 / 101
6.4.3 评价标准 / 101
6.4.4 CPMF 整体架构 / 103
6.4.5 实验结果与分析 / 110
6.5 本章小结 / 117
第7 章 总结与展望 /118
7.1 总结 / 118
7.2 展望 / 120
参考文献 /122