編輯推薦:

內(nèi)容簡(jiǎn)介:本書針對(duì)大數(shù)據(jù)的數(shù)據(jù)體量大、數(shù)據(jù)類型繁多、處理速度快、價(jià)值密度高等特點(diǎn)，以粒計(jì)算方法為理論基礎(chǔ)，以經(jīng)典粗糙集模型和區(qū)間值信息系統(tǒng)為研究對(duì)象，以Hadoop開源平臺(tái)為實(shí)驗(yàn)環(huán)境，構(gòu)建大數(shù)據(jù)下知識(shí)約簡(jiǎn)計(jì)算模型及知識(shí)獲取方法。本書主要介紹大數(shù)據(jù)下Pawlak模型知識(shí)約簡(jiǎn)、區(qū)間值信息系統(tǒng)知識(shí)約簡(jiǎn)、層次粗糙集模型知識(shí)約簡(jiǎn)及知識(shí)獲取的理論、模型和方法，并力求展現(xiàn)大數(shù)據(jù)下粒計(jì)算的**研究成果。

作者簡(jiǎn)介:

目錄:第1章 概論
1.1 粒計(jì)算
1.1.1 概述
1.1.2 粒計(jì)算內(nèi)涵
1.2 粗糙集
1.2.1 概述
1.2.2 基本概念
1.3 知識(shí)約簡(jiǎn)
1.3.1 基于正區(qū)域的知識(shí)約簡(jiǎn)算法
1.3.2 基于差別矩陣的知識(shí)約簡(jiǎn)算法
1.3.3 基于信息熵的知識(shí)約簡(jiǎn)算法
1.3.4 普適知識(shí)約簡(jiǎn)算法
1.3.5 三種經(jīng)典知識(shí)約簡(jiǎn)算法之間的關(guān)系
1.3.6 影響知識(shí)約簡(jiǎn)算法效率的關(guān)鍵因素
1.4 知識(shí)獲取
1.4.1 知識(shí)獲取慨述
1.4.2 知識(shí)獲取的主要途徑
1.4.3 知識(shí)獲取的常用技術(shù)
1.5 大數(shù)據(jù)技術(shù)
1.5.1 概述
1.5.2 HDFS
1.5.3 MapReduce
1.6 小結(jié)

第2章 高效的Pawlak粗糙集模型知識(shí)約簡(jiǎn)
2.1 引言
2.2 基于計(jì)數(shù)排序的知識(shí)約簡(jiǎn)算法中若干關(guān)鍵子算法
2.2.1 基于計(jì)數(shù)排序的等價(jià)類計(jì)算算法
2.2.2 基于計(jì)數(shù)排序的簡(jiǎn)化決策表獲取算法
2.2.3 基于計(jì)數(shù)排序的正區(qū)域計(jì)算算法
2.2.4 基于計(jì)數(shù)排序的核屬性計(jì)算方法
2.3 高效的知識(shí)約簡(jiǎn)算法框架模型
2.3.1 基于正區(qū)域的知識(shí)約簡(jiǎn)算法
2.3.2 基于差別矩陣的知識(shí)約簡(jiǎn)算法
2.3.3 基于信息熵的知識(shí)約簡(jiǎn)算法
2.3.4 高效的知識(shí)約簡(jiǎn)算法框架模型
2.4 實(shí)驗(yàn)分析
2.4.1 效率評(píng)價(jià)
2.4.2 分類精度比較
2.4.3 CHybridⅠ／Ⅱ算法與其他算法比較
2.5 應(yīng)用實(shí)例
2.5.1 預(yù)測(cè)模型設(shè)計(jì)
2.5.2 預(yù)測(cè)結(jié)果分析
2.6 小結(jié)

第3章 區(qū)間值信息系統(tǒng)的知識(shí)約簡(jiǎn)
3.1 引言
3.2 基本概念和性質(zhì)
3.2.1 區(qū)間值信息系統(tǒng)
3.2.2 相似率
3.2.3 α-極大相容類
3.3 區(qū)間值信息系統(tǒng)中的粗糙近似
3.4 區(qū)間值信息系統(tǒng)的知識(shí)約簡(jiǎn)
3.5 區(qū)間值決策系統(tǒng)的知識(shí)約簡(jiǎn)
3.6 小結(jié)

第4章 大數(shù)據(jù)下Pawlak粗糙集模型知識(shí)約簡(jiǎn)
4.1 引言
4.2 大數(shù)據(jù)下知識(shí)約簡(jiǎn)算法中數(shù)據(jù)和任務(wù)并行性
4.3 大數(shù)據(jù)下知識(shí)約簡(jiǎn)算法中若干關(guān)鍵子算法
4.3.1 大數(shù)據(jù)下等價(jià)類計(jì)算算法
4.3.2 大數(shù)據(jù)下簡(jiǎn)化決策表獲取算法
4.3.3 大數(shù)據(jù)下核屬性計(jì)算算法
4.4 大數(shù)據(jù)下Pawlak粗糙集模型知識(shí)約簡(jiǎn)算法
4.4.1 大數(shù)據(jù)下基于差別矩陣的知識(shí)約簡(jiǎn)算法
4.4.2 大數(shù)據(jù)下基于正區(qū)域的知識(shí)約簡(jiǎn)算法
4.4.3 大數(shù)據(jù)下基于信息熵的知識(shí)約簡(jiǎn)算法
4.4.4 大數(shù)據(jù)下知識(shí)約簡(jiǎn)算法框架模型
4.5 大數(shù)據(jù)下知識(shí)約簡(jiǎn)算法實(shí)驗(yàn)分析
4.5.1 實(shí)驗(yàn)環(huán)境
4.5.2 大數(shù)據(jù)下基于差別矩陣的知識(shí)約簡(jiǎn)算法實(shí)驗(yàn)分析
4.5.3 大數(shù)據(jù)下知識(shí)約簡(jiǎn)算法框架模型實(shí)驗(yàn)分析
4.5.4 討論
4.6 小結(jié)

第5章 大數(shù)據(jù)下區(qū)間值信息系統(tǒng)的知識(shí)約簡(jiǎn)
5.1 相關(guān)基本概念
5.1.1 多決策表的相關(guān)概念和性質(zhì)
5.1.2 區(qū)間值決策表的相關(guān)概念和性質(zhì)
5.2 區(qū)間值決策表的啟發(fā)式約簡(jiǎn)
5.2.1 代數(shù)觀下區(qū)間值決策表約簡(jiǎn)的相關(guān)概念和性質(zhì)
5.2.2 基于依賴度的區(qū)間值決策表λ-約簡(jiǎn)算法
5.2.3 信息觀下區(qū)間值決策表約簡(jiǎn)的相關(guān)概念和性質(zhì)
5.2.4 基于互信息的區(qū)間值λ-約簡(jiǎn)算法
5.3 多決策表下的區(qū)間值λ-全局近似約簡(jiǎn)
5.3.1 多決策表下的區(qū)間值λ-全局約簡(jiǎn)相關(guān)概念和性質(zhì)
5.3.2 多決策表下的區(qū)間值λ-全局近似約簡(jiǎn)算法
5.4 實(shí)驗(yàn)與分析
5.4.1 實(shí)驗(yàn)數(shù)據(jù)
5.4.2 實(shí)驗(yàn)環(huán)境
5.4.3 評(píng)價(jià)指標(biāo)
5.4.4 參數(shù)的選擇和設(shè)置
5.5 小結(jié)

第6章 大數(shù)據(jù)下層次粗糙集模型知識(shí)約簡(jiǎn)
6.1 引言
6.2 層次粗糙集模型
6.2.1 定性屬性?；硎尽拍顚哟螛?
6.2.2 定量屬性粒化表示——云模型
6.2.3 層次粗糙集模型
6.2.4 討論
6.3 大數(shù)據(jù)下層次粗糙集模型約簡(jiǎn)算法
6.3.1 大數(shù)據(jù)下計(jì)算層次編碼決策表算法
6.3.2 大數(shù)據(jù)下層次粗糙集模型約簡(jiǎn)算法研究
6.4 實(shí)驗(yàn)與分析
6.4.1 理論分析
6.4.2 實(shí)驗(yàn)環(huán)境
6.4.3 實(shí)驗(yàn)分析
6.5 小結(jié)

第7章 大數(shù)據(jù)下層次粗糙集模型知識(shí)獲取
7.1 引言
7.2 決策規(guī)則
7.3 大數(shù)據(jù)下并行知識(shí)獲取模型
7.3.1 信息粒和概念層次構(gòu)建
7.3.2 不同粒度層次下決策規(guī)則度量變化
7.3.3 大數(shù)據(jù)下并行知識(shí)獲取算法
7.3.4 時(shí)間復(fù)雜度分析
7.4 實(shí)驗(yàn)與分析
7.4.1 樣例分析
7.4.2 實(shí)驗(yàn)分析
7.5 小結(jié)

第8章 總結(jié)與展望
8.1 總結(jié)
8.2 展望
參考文獻(xiàn)
附錄
附錄1 開源云計(jì)算平臺(tái)Hadoop安裝和配置
附錄2 大數(shù)據(jù)下知識(shí)約簡(jiǎn)算法代碼示例