123,123

內(nèi)容簡(jiǎn)介

　　分類是數(shù)據(jù)挖掘的一項(xiàng)重要任務(wù)，在很多領(lǐng)域得到廣泛的應(yīng)用?！吨悄芊诸惙椒ā分饕榻B了各種常用分類方法的相關(guān)理論，闡述了分類方法的實(shí)現(xiàn)過(guò)程，并介紹了分類方法的具體應(yīng)用。全書共分7章，分別介紹了分類的概念和過(guò)程、支持向量機(jī)分類方法、粗糙集分類方法、模糊集分類方法、貝葉斯分類方法、k近鄰分類法、線性最小平方擬合、決策樹分類法、神經(jīng)網(wǎng)絡(luò)、遺傳算法、最大熵模型、基于投票的方法以及基于融合技術(shù)的分類方法，分別給出了分類應(yīng)用實(shí)例?！吨悄芊诸惙椒ā房勺鳛橛?jì)算機(jī)及相關(guān)專業(yè)的科研人員、教師和學(xué)生的參考書。

作者簡(jiǎn)介

暫缺《智能分類方法》作者簡(jiǎn)介

圖書目錄

前言
第1章緒論
1.1 數(shù)據(jù)挖掘
1.2 分類
1.3 分類方法
1.4 分類應(yīng)用
第2章支持向量機(jī)分類方法
2.1 統(tǒng)計(jì)學(xué)習(xí)理論
2.2 線性支持向量機(jī)
2.3 非線性支持向量機(jī)
2.4 核函數(shù)
2.5 實(shí)現(xiàn)技術(shù)
2.6 多分類技術(shù)
2.7 支持向量機(jī)分類方法應(yīng)用
第3章粗糙集分類方法
3.1 粗糙集的基本概念
3.2 知識(shí)約簡(jiǎn)
3.3 信息系統(tǒng)
3.4 決策表與決策規(guī)則
3.5 決策表的離散化
3.6 粗糙集理論在分類上的應(yīng)用
第4章模糊集分類方法
4.1 模糊集的概念
4.2 模糊集的運(yùn)算
4.3 模糊集的基本定理
4.4 模糊矩陣
4.5 模糊關(guān)系
4.6 模糊聚類
4.7 基于模糊集的教學(xué)質(zhì)量評(píng)價(jià)
第5章貝葉斯分類方法
5.1 貝葉斯定理
5.2 樸素貝葉斯分類
5.3 貝葉斯信念網(wǎng)
5.4 基于樸素貝葉斯的短信息分類
第6章其他分類方法
6.1 k近鄰分類法
6.2 線性最小平方擬合（LLSF）
6.3 決策樹分類法
6.4 神經(jīng)網(wǎng)絡(luò)
6.5 遺傳算法
6.6 最大熵模型
6.7 基于投票的方法
第7章基于融合技術(shù)的分類方法
7.1 基于粗糙集和支持向量機(jī)融合的分類方法
7.2 基于模糊集和支持向量機(jī)的分類方法
7.3 基于粗糙集的貝葉斯分類方法
7.4 規(guī)則抽取與遺傳算法融合
7.5 展望
參考文獻(xiàn)