基本信息

商品描述(编辑推荐 目录)

基本信息

出版社: 北京航空航天大学出版社; 第1版 (2006年4月1日) 平装: 257页 开本: 32开 ISBN: 7810777084

商品描述

编辑推荐

本书是一部决策学的理论专著，全书在介绍粗糙集基本概念的基础上，对粗糙决策中的基本问题、粗糙集的扩展、粗糙集与其他方法的集成等粗糙决策分析方法及粗糙决策理论的应用进行了论述。全书在介绍国内外已有成果的基础上，力图概括近年来作者所做的最新工作。

目录

第1章 粗糙集理论的基本概念

1.1 知识的含义与表示方法

1.1.1 知识的含义

1.1.2 不可分辨关系

1.1.3 知识的表示

1.2 粗糙集

1.2.1 粗糙集的下近似、上近似及边界区

1.2.2 近似精度与粗糙度

1.2.3 粗糙隶属函数

1.3 属性约简

1.3.1 属性的依赖性

1.3.2 属性的重要性

1.3.3 约简与核

1.4 决策规则

1.4.1 决策规则和算法

1.4.2 规则的度量标准

1.4.3 规则的应用

1.5 粗糙集的应用

1.5.1 飞机空调车的故障诊断

1.5.2 黄腾达歼击机的结构故障诊断

第2章 粗糙集中的离散化方法

2.1 连续属性的离散化

2.1.1 离散化问题的描述

2.1.2 离散化方法的分类

2.2 连续属性的无监督离散化方法

2.2.1 等宽度离散化方法

2.2.2 等频率离散化方法

2.3 连续属性的有监督直接离散化方法

2.3.1 单规则离散化方法

2.3.2 最小信息熵离散化方法

2.3.3 NaiveScaler离散化方法

2.3.4 SemiNaiveScaler离散化方法

2.3.5 粗糙集与布尔逻辑相结合的离散化方法

2.3.6 S.H.Nguyen，H.S.Nguyen改进的贪心算法

2.4 连续属性的有监督间接离散化方法

2.4.1 超平面离散化方法

2.4.2 超曲面离散化方法

2.4.3 间接离散化方法在空军器材保障中的应用

第3章 粗糙集中的属性约简算法

3.1 常见约简算法

3.2 基于属性重要性的启发式约简算法

3.2.1 属性重要性的计算

3.2.2 约简算法

3.3 基于差别矩阵的约简算法

3.3.1 差别矩阵

3.3.2 约简算法

3.4 基于集合近似质量的属性约简算法

3.4.1 约简算法

3.4.2 算例

第4章 粗糙集中不确定性与模糊性的测量

4.1 粗糙集中不确定性的测量

4.1.1 基于粗糙度的不确足性测量

4.1.2 基于粗糙熵的不确定性测量

4.1.3 基于修正粗糙熵的不确定性测量

4.2 粗糙集中模糊性的测量

4.2.1 模糊熵的基本概念

4.2.2 等价关系下粗糙集模糊性的测量

4.2.3 一般二元关系下粗糙集模糊性的测量

第5章 基于实数粗糙集空间的自组织映射方法

5.1 实数粗糙空间的概念

5.1.1 实数粗糙空间

5.1.2 Pawlak粗糙集与实数粗糙集的比较

5.2 自组织映射方法的改进

5.2.1 自组织映射原理

5.2.2 菱形邻域的设计

5.2.3 基于实数粗糙集空间的改进邻域的自组织映射方法

5.2.4 拓扑特性保持

5.3 歼击机故障识别的实数粗糙集自组织映射方法

第6章 粗糙集模型的扩展及应用

6.1 可变精度粗糙集

6.2 基于相近关系的粗糙集扩展及应用

6.2.1 相近关系及相近度

6.2.2 基于相近关系的相近粗糙集

6.2.3 相近粗糙集的属性约简

6.2.4 相近粗糙集的隶属函数

6.2.5 基于相近粗糙集的歼击机故障决策分类

6.3 基于广义近邻关系的粗糙集扩展及应用

6.3.1 属性的广义重要度

6.3.2 空间的属性广义重要度欧氏距离

6.3.3 基于广义近邻关系的实域粗糙集

6.3.4 实域粗糙集属性约简的定义及贪心算法

6.3.5 算例

6.4 基于相容关系的粗糙集扩展及应用

6.4.1 多值决策系统和不完全决策系统

6.4.2 基于相容关系的相容粗糙集

6.4.3 属性的约简及规则的获取

6.4.4 军机备件需求量修正的相容粗糙集方法

6.5 基于优势关系的粗糙集扩展及应用

6.5.1 具有偏好信息的多属性排序问题

6.5.2 优势属性集

6.5.3 基于优势关系的优势粗糙集

6.5.4 基于优势粗糙集的方案排序

6.5.5 基于优势粗糙集的空军航材供应点的偏好选址

6.6 基于扩展优势关系的粗糙集扩展及应用

6.6.1 不完全信息的多属性分类问题

6.6.2 扩展优势关系与扩展优势集

6.6.3 基于扩展优势关系的扩展优势粗糙集

6.6.4 实例

第7章 粗糙集与神经网络的集成

7.1 粗糙集方法与神经网络方法的特点

7.1.1 粗糙集方法的特点

7.1.2 神经网络方法的特点

7.1.3 粗糙神经网络方法的优点

7.2 粗糙神经网络的集成方式

7.2.1 粗糙集作为神经网络的前端处理器

7.2.2 利用粗糙神经元构造粗糙元神经网络

7.3 基于粗糙神经网络的空军航材消耗预测

7.3.1 影响航材消耗的因素

7.3.2 预测信息表的确定

7.3.3 预测信息表的约简

7.3.4 基于粗糙神经网络的航材消耗预测

7.4 基于粗糙神经网络的模糊控制系统的设计

7.4.1 粗糙神经网络模糊控制系统的构造

7.4.2 实例

7.5 基于粗糙神经网络的歼击机结构故障诊断

7.5.1 基于粗糙神经网络进行故障诊断的一般结构及步骤

7.5.2 基于粗糙集方法的特征提取

7.5.3 分类神经网络及其算法

7.5.4 神经网络辨识器

7.5.5 实例

7.6 具有区间数的粗糙元神经网络决策分析方法

7.6.1 具有区间数的决策信息系统

7.6.2 具有区间数的粗糙元神经网络

7.6.3 基于粗糙元神经网络的歼击机故障认定

7.7 基于相近关系的粗糙因子神经网络及其模式识别方法

7.7.1 基于粗糙因子的神经网络设计

7.7.2 粗糙因子神经网络算法的收敛说明

7.7.3 粗糙因子神经网络的模式识别仿真实验

7.8 基于支持向量机的粗糙元神经网络的构造与分类决策

7.8.1 支持向量机粗糙元神经网络的基本思想

7.8.2 支持向量机的多分类问题

7.8.3 支持向量机输出与粗糙近似集的关系

7.8.4 支持向量机粗糙神经网络的构造

7.8.5 实例

7.9 基于粗糙K一均值的椭球基函数神经网络及其模式识别应用

7.9.1 椭球单元神经网络

7.9.2 粗糙K一均值方法

7.9.3 椭球基函数神经网络

7.9.4 椭球基函数神经网络的函数逼近性能分析

7.9.5 椭球基函数神经网络与RBF神经网络的比较

7.9.6 实例

7.10 实域粗糙中心的RBF神经网络的集成

7.10.1 神经网络的集成思想和方法

7.10.2 一种动态的聚类算法

7.10.3 实域粗糙中心的基函数神经网络的集成方法

7.10.4 实例

第8章 粗糙集与模糊集的集成

8.1 具有连续属性值决策系统的粗糙一模糊集集成方法

8.1.1 属性值连续的决策系统

8.1.2 利用模糊集将连续属性值转化为模糊属性值

8.1.3 模糊相容关系下的粗糙近似

8.1.4 模糊相容关系下的属性约简

8.2 模糊决策信息系统

8.3 粗糙一模糊集

8.4 相容粗糙一模糊集

8.4.1 相容关系及相容类

8.4.2 相容粗糙一模糊集

8.4.3 相容粗糙一模糊隶属函数及其性质

8.4.4 算例

8.5 模糊一粗糙集

8.6 相容模糊一粗糙集

8.6.1 模糊相容关系及模糊相容类

8.6.2 相容模糊一粗糙集

8.6.3 相容模糊一粗糙隶属函数及其性质

8.6.4 算例

8.7 自修复飞行控制系统效能评估的粗糙集与模糊集集成方法

8.7.1 自修复飞行控制效能评估系统

8.7.2 自修复飞行控制效能评估的粗糙一模糊集集成方法

8.7.3 自修复飞行控制系统效能评估的相容粗糙一模糊集方法

参考文献