新書推薦：
《
锂电储能产品设计及案例详解
》
售價：NT$
505.0
《
首辅养成手册（全三册）（张晚意、任敏主演古装剧《锦绣安宁》原著小说）
》
售價：NT$
551.0
《
清洁
》
售價：NT$
296.0
《
组队：超级个体时代的协作方式
》
售價：NT$
352.0
《
第十三位陪审员
》
售價：NT$
245.0
《
微观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：NT$
709.0
《
Python贝叶斯深度学习
》
售價：NT$
407.0
《
文本的密码：社会语境中的宋代文学
》
售價：NT$
306.0
|
| 編輯推薦： |
（1）针对现有模糊认知图框架，分析其优缺点和国内外相关技术的现状。
（2）提出一种新的模糊认知图分类器模型构造方法。
（3）提出一种基于多测度的范异构模糊认知图集成分类器模型。
（4）对复合金字塔模型的综合分析层进行深入分析。
|
| 內容簡介： |
《基于模糊认知图的集成分类器构造研究》是以作者马楠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。
本书密切跟踪国际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。
本书可作为高等院校和科研机构的计算机和统计学科相关专业的研究生教材，也可作为企事业单位、研究机构等从事模糊认知图、数据挖掘理论研究工作相关人员的参考书。
|
| 關於作者： |
|
马楠，博士，中共党员，北京联合大学信息学院教科办主任，硕士研究生副导师，中国计算机学会会员。2001年7月开始在北京联合大学信息学院任教，主讲《数据库原理与应用》、《软件工程》、《数据仓库与数据挖掘》等课程，研究方向为数据挖掘与知识发现、大数据处理。2013年获批国家自然基金青年科学基金项目，2010年、2011和2012年连续三年获得北京市属高等学校人才强教――中青年骨干人才培养计划资助；主持并完成了市教委课题1项、企业横向课题2项；参与国家自然基金项目1项；主持校级课题2项，具有较强的科研能力和较扎实的理论基础。目前已在国内外重要学术期刊、国际学术会议上发表高水平论文20余篇,被SCIEIISTP检索10余篇；是国际会议InternationalConferenceonMobileITConvergence,ICMIC2011；5thInternationalConferenceonNewTrendsinInformationScienceandServiceScience,NISS2011的组委会成员。编写教材3部，其中一部教材为主编，两部“十一五”国家级规划教材副主编；取得职务发明专利1项；软件著作权5项。2005年7月-2005年8月到澳大利亚SydneyUniversity进行双语教学培训；2007年7月~2008年1月到英国ARU（AngliaRuskinUniversity）大学访问学习。参与的教学改革项目2013年获得第七届北京市教学成果一等奖，获得2013年中国高等教育学会工程教育专业委员会优秀工程教育研究成果三等奖。2010年至2013年两次指导学生参加华北五省暨港澳台计算机应用大赛获得一等奖，多次获得校级优秀毕业设计指导教师、“最佳课堂”等称号。
|
| 目錄：
|
第1章 引言
1.1 研究背景
1.2 主要研究内容和创新点
1.3 全书的组织安排
第2章 文献综述
2.1 数据挖掘的产生与发展
2.1.1 数据挖掘过程
2.1.2 数据挖掘的技术方法
2.1.3 数据挖掘应用领域
2.2 数据挖掘的研究热点及趋势分析
2.2.1 空间数据挖掘
2.2.2 分布式数据挖掘
2.2.3 基于云计算的数据挖掘
2.3 基于内在认知机理的知识发现理论KDT
2.4 本章小结
第3章 模糊认知图
3.1 模糊认知图的基本概念及研究进展
3.2 FCM推理机制
3.2.1 前向式演化推理
3.2.2 后向式演化推理
3.3 模糊认知图研究方向
3.3.1 动态模糊认知图
3.3.2 概率模糊认知图
3.3.3 随机模糊认知图
3.3.4 基于规则的模糊认知图
3.3.5 复杂模糊认知图
3.4 模糊认知图的学习方法
3.4.1 演化学习
3.4.2 适应性学习
3.4.3 混合方法
3.5 本章小结
第4章 一种模糊认知图分类器构造方法
4.1 FCMCM分类器
4.1.1 FCM分类器定义
4.1.2 FCM分类器模型结构
4.1.3 激活函数
4.1.4 推理规则
4.1.5 学习方法
4.2 实验验证
4.2.1 数据集
4.2.2 实验部分
4.3 本章小结
第5章 集成学习FCM分类器
5.1 集成学习
5.1.1 集成分类器的构造方法
5.1.2 多FCM集成学习的基本思想
5.2 集成学习的构造过程
5.2.1 基本Bagging 的多FCM分类器集成
5.2.2 基于Adaboost 的多FCM分类器集成
5.3 多测度范异构分类器集成方法
5.3.1 样本分离阶段
5.3.2 Bagging组合阶段
5.3.3 实验验证
5.4 本章小结
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
6.1 蛋白质二级结构预测的必要性分析
6.2 蛋白质结构介绍
6.3 蛋白质二级结构预测研究现状
6.4 CPM
6.4.1 理论基础
6.4.2 测试数据集
6.4.3 评价标准
6.4.4 CPMF整体架构
6.4.5 实验结果与分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
