图书介绍

规则挖掘技术PDF|Epub|txt|kindle电子书版本网盘下载

规则挖掘技术
  • 张德干编著 著
  • 出版社： 北京：科学出版社
  • ISBN：9787030230928
  • 出版时间：2008
  • 标注页数：201页
  • 文件大小：39MB
  • 文件页数：210页
  • 主题词：数据库系统

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：1b41a09ec0b10340f9300b5db9594c5f

下载说明

规则挖掘技术PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

前言1

第一章 绪论1

1.1 数据挖掘技术概论1

1.2 规则挖掘技术的研究意义2

1.3 规则挖掘技术的应用领域5

1.4 规则挖掘技术的研究进展及内容7

第二章 规则挖掘的相关技术11

2.1 定义11

2.2 规则的类型12

2.2.1 按组织形式划分12

2.2.2 按功能划分13

2.3 面向属性的规则的含义及表示形式13

2.4 面向属性的规则的性质14

2.5 规则挖掘的相关策略16

2.5.1 来自人思维过程的启示16

2.5.2 规则挖掘时遵循的准则16

2.5.3 规则挖掘过程中的信息增益18

2.6 规则挖掘的相关方法19

2.6.1 综述19

2.6.2 粗粒度区化法21

2.6.3 细粒度区化法22

2.6.4 分类法23

2.7 小结27

第三章 一种具有冗余约简能力的规则挖掘机制28

3.1 传感/施动模型的启发28

3.2 以信息融合为框架讨论规则挖掘的特点29

3.3 具有冗余约简能力的规则挖掘机制32

3.3.1 挖掘能力涉及的内容32

3.3.2 一种挖掘机制35

3.3.3 挖掘过程的实现途径分析42

3.4 小结48

第四章 分明关系约束的格上规则挖掘方法50

4.1 挖掘方法的基本实现过程50

4.2 相关定义和性质51

4.3 方法的实现53

4.3.1 决策表的预处理53

4.3.2 粗糙格的构造算法58

4.3.3 分明关系约束的粗糙格上规则的挖掘算法62

4.4 小结66

第五章 基于包含度的决策树中规则挖掘方法68

5.1 挖掘方法的思路68

5.2 定义68

5.3 属性值的类化69

5.4 决策表的预处理71

5.5 挖掘方法的实现73

5.5.1 基于分明关系确定构建决策树的最小核集73

5.5.2 基于粗糙熵确定构建决策树的其他有用条件属性73

5.5.3 包含度的测度方法75

5.5.4 基于包含度的决策树构建算法76

5.5.5 决策树的维护77

5.5.6 从决策树中挖掘规则及规则的信任度量78

5.6 冗余规则的简化方法79

5.7 小结83

第六章 两种方法的理论分析与比较84

6.1 格上规则挖掘方法间的分析比较84

6.1.1 格结点遍历方式的分析85

6.1.2 同类格间的性能比较87

6.2 决策树中规则挖掘法间的分析比较89

6.2.1 建树过程的分析90

6.2.2 同类树间时间复杂度与规则信任度的比较92

6.3 格与树两种挖掘方法间的异同点95

6.4 所研究的方法与应用对象之间的关系96

6.5 小结97

第七章 基于时间序列的规则挖掘方法98

7.1 基于时间序列的规则挖掘技术概述98

7.1.1 相似搜索98

7.1.2 模式挖掘107

7.2 一种结构自适应的分段线性化描述方法109

7.2.1 结构自适应的时间序列的分段线性化描述110

7.2.2 基于分段线性化的时间序列相似性的测量113

7.2.3 基于分段线性化表示的时间序列的k-平均聚类算法116

7.2.4 仿真实验117

7.3 时间序列的平滑处理及离散化方法120

7.3.1 移动平均法120

7.3.2 低通滤波器法121

7.3.3 离散化法122

7.4 小结125

第八章 规则挖掘过程中的分类技术126

8.1 一种具有高泛化性能的分类算法126

8.1.1 概述126

8.1.2 基于正则最小二乘训练的前馈神经网络分类方法127

8.1.3 仿真实验132

8.2 一种新的K-最近邻分类算法133

8.2.1 K-最近邻分类技术的改进算法134

8.2.2 一种新的K…最近邻混合分类算法138

8.2.3 仿真实验141

8.3 基于带移动窗的神经网络时变数据分类技术144

8.3.1 时变数据的最小二乘学习算法144

8.3.2 前馈神经网络结构及带移动窗的最小二乘学习算法145

8.3.3 仿真实验150

8.4 正则化训练的神经网络和粗糙集理论相结合的分类技术150

8.4.1 概述151

8.4.2 应用于分类技术的粗糙集理论152

8.4.3 正则化训练的神经网络和粗糙集理论相结合的时间序列趋势预测153

8.4.4 仿真实验156

8.5 小结157

第九章 应用案例158

9.1 规则挖掘在水电厂运行态势评估中的重要性158

9.1.1 重要性概述158

9.1.2 水电厂实时监测的方式与生成规则的信息来源158

9.2 规则挖掘机制和方法的应用验证159

9.2.1 水电运行仿真机简介159

9.2.2 基于动态信息融合思想的水电运行仿真机的设计与实现159

9.2.3 采用信任度高的水轮发电机调节系统数学模型162

9.2.4 验证案例：主系统线路工况中的规则挖掘及运行状态准确判断164

9.3 小结188

参考文献189

附录196

热门推荐