123,123,123

內(nèi)容簡(jiǎn)介

　　《復(fù)雜多源數(shù)據(jù)的知識(shí)獲取與知識(shí)發(fā)現(xiàn)》針對(duì)復(fù)雜多源數(shù)據(jù)的知識(shí)獲取與知識(shí)發(fā)現(xiàn)問(wèn)題，分別從模式識(shí)別中聚類和分類的角度進(jìn)行研究，并以復(fù)雜網(wǎng)絡(luò)的知識(shí)發(fā)現(xiàn)為例，研究了三種改進(jìn)的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法。本書(shū)是關(guān)于知識(shí)獲取和知識(shí)發(fā)現(xiàn)方法的專著，內(nèi)容新穎、圖文并茂、立足應(yīng)用，可供機(jī)器學(xué)習(xí)、模式識(shí)別、計(jì)算機(jī)應(yīng)用技術(shù)等領(lǐng)域的技術(shù)人員閱讀，也可作為相關(guān)學(xué)科的培訓(xùn)教材。

作者簡(jiǎn)介

暫缺《復(fù)雜多源數(shù)據(jù)的知識(shí)獲取與知識(shí)發(fā)現(xiàn)》作者簡(jiǎn)介

圖書(shū)目錄

1 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本書(shū)的主要研究?jī)?nèi)容
1.4 本書(shū)結(jié)構(gòu)
2 基于序號(hào)編碼的改進(jìn)遺傳模糊聚類算法
2.1 引言
2.2 基于序號(hào)編碼的改進(jìn)遺傳模糊聚類算法
2.3 實(shí)驗(yàn)及分析
2.4 本章小結(jié)
3 基于弧度點(diǎn)對(duì)稱距離的自適應(yīng)動(dòng)態(tài)聚類算法
3.1 引言
3.2 點(diǎn)對(duì)稱距離
3.3 弧度距離
3.4 基于弧度的點(diǎn)對(duì)稱距離
3.5 改進(jìn)的遺傳聚類算法
3.6 實(shí)驗(yàn)結(jié)果和分析
3.7 本章小結(jié)
4 基于自適應(yīng)遺傳算法的有趣分類規(guī)則知識(shí)發(fā)現(xiàn)
4.1 引言
4.2 有趣規(guī)則的評(píng)價(jià)標(biāo)準(zhǔn)
4.3 基于自適應(yīng)遺傳算法的有趣分類規(guī)則知識(shí)發(fā)現(xiàn)
4.4 實(shí)驗(yàn)及分析
4.5 本章小結(jié)
5 基于無(wú)參核學(xué)習(xí)的Laplacian正則化最小二乘分類
5.1 引言
5.2 無(wú)參核學(xué)習(xí)
5.3 基于無(wú)參核學(xué)習(xí)的LapRLSC
5.4 實(shí)驗(yàn)結(jié)果
5.5 本章小結(jié)
6 基于自適應(yīng)近鄰傳播的社區(qū)發(fā)現(xiàn)算法
6.1 引言
6.2 相關(guān)工作
6.3 基于自適應(yīng)近鄰傳播的社區(qū)發(fā)現(xiàn)算法
6.4 實(shí)驗(yàn)
6.5 本章小結(jié)
7 基于改進(jìn)標(biāo)簽傳播的社區(qū)發(fā)現(xiàn)算法
7.1 引言
7.2 標(biāo)簽傳播算法
7.3 LPAC算法
7.4 實(shí)驗(yàn)
7.5 本章小結(jié)
8 基于結(jié)構(gòu)相似度仿射傳播的社團(tuán)檢測(cè)算法
8.1 引言
8.2 節(jié)點(diǎn)相似性度量
8.3 快速仿射傳播聚類算法
8.4 實(shí)驗(yàn)
8.5 本章小結(jié)
9 總結(jié)與展望
9.1 總結(jié)
9.2 展望
參考文獻(xiàn)