基于知識的聚類

前言

給Pedrycz教授的專著寫序言一直是個具有挑戰(zhàn)性的任務(wù)，原因是，相對于現(xiàn)有文獻中能找到的，他所寫的已經(jīng)前進了很遠，此次為書《基于知識的聚類：從數(shù)據(jù)到信息?！泛喎Q《基于知識的聚類》寫序更是如此，《基于知識的聚類》是部杰作，它觸及了一些人類認(rèn)知的最基本層面，具有權(quán)威性、原創(chuàng)性、廣博性、深刻性、和很強的解釋性Pedrycz教授的書具有豐富的例子、圖表和參考文獻，這讓人感覺讀他的書是一件快事。在這本書里，Pedrycz教授談及了一系列相關(guān)論題，從解釋聚類和模糊聚類開始，轉(zhuǎn)向粒信息計算，其中的粒子是一簇屬性值，這些屬性值由于不可分辨性、等價性、相似性、相近性、或者功能性而結(jié)合在一起，Pedrycz教授近來合作的一本有關(guān)粒計算的書為他提供了一個有效的框架，來把聚類和粒計算聯(lián)系起來在粒計算中，運算的對象是粒子而不是點，在它的一般形式中，粒計算包括區(qū)間計算、粗糙集合計算、概率分布計算，粒計算和聚類分析的聯(lián)結(jié)在Pedrycz教授的工作中扮演著關(guān)鍵角色，并且是他所提出的聚類分析方法的一個重要新穎的特征。本書的核心是基于知識的聚類，其基礎(chǔ)是聚焦于粒計算的那些章節(jié)，在這種模式的聚類中，聚類被位于數(shù)據(jù)中的知識所指導(dǎo)。在本書的這一部分里，特別是在研究條件模糊聚類、協(xié)作聚類、方向聚類、模糊關(guān)聯(lián)聚類以及各向異性模式的聚類的章節(jié)里，有許多新穎的內(nèi)容，Pedrycz教授的工作的最后一個部分，可以說是基于知識的聚類應(yīng)用于常用模型的一個增加見識的展覽，在這一部分里，我們能夠發(fā)現(xiàn)一系列非傳統(tǒng)的概念和技術(shù)，在它們當(dāng)中有超盒建模、語言建模和粒映射。為了從合適的角度看到Pedrycz教授工作的重要性，我作如下考察：隨著我們進一步進入機器智能和自動推理時代，一個令人畏縮的問題變得越來越難以把握，我們怎樣才能應(yīng)付數(shù)據(jù)、信息和知識的爆炸性增長？我們怎樣才能從根植于一個無結(jié)構(gòu)、不精確和非完全可信的大型數(shù)據(jù)庫的決策相關(guān)信息中進行定位和推理？

內(nèi)容概要

基于知識的聚類展示的是如何設(shè)計一個導(dǎo)航平臺，以使信息探尋者能理解和較好的應(yīng)用種類繁多的數(shù)據(jù)集。比模糊聚類走得更遠，作者展示了基于知識的聚類這一有前景的新范例是如何揭示更有意義的數(shù)據(jù)結(jié)構(gòu)，并使社會更好地處理日益增長的數(shù)據(jù)和信息流。通過這《基于知識的聚類—從數(shù)據(jù)到信息?！?，讀著能理解基于知識聚類的基礎(chǔ)和與其相關(guān)聯(lián)的算法，學(xué)會將他們自己的知識應(yīng)用到系統(tǒng)建模和設(shè)計中去?！　　痘谥R的聚類—從數(shù)據(jù)到信息粒》首先對模糊聚類和粒計算這一領(lǐng)域進行介紹和討論。然后，作者深入研究了基于邏輯的神經(jīng)元和神經(jīng)網(wǎng)絡(luò)?！痘谥R的聚類—從數(shù)據(jù)到信息粒》的核心部分包括9章，在其中呈現(xiàn)和分析了眾多不同的基于知識的聚類的方法?！痘谥R的聚類—從數(shù)據(jù)到信息?！返牡谌糠种铝τ谀Ｐ偷难芯?，首先討論超盒結(jié)構(gòu)，然后討論粒映射和語言模型。　　《基于知識的聚類—從數(shù)據(jù)到信息?！诽峁┝死斫夂驼莆者@一令人振奮的新領(lǐng)域所需要的所有工具和指導(dǎo)：　　◆說明核心概念的眾多實例　　◆為讀者提供傳遞經(jīng)驗的可重復(fù)實驗　　◆為復(fù)雜算法和建模奠定基礎(chǔ)的先決條件的全面涵蓋　　◆每章后面強調(diào)理解內(nèi)容所必須的關(guān)急鍵點的總結(jié)　　◆通向?qū)ｎ}探究的進一步途徑的參考文獻和泛的參考書目　　《基于知識的聚類—從數(shù)據(jù)到信息粒》是對聚類、模糊聚類、無監(jiān)督學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模糊集、模式識別和系統(tǒng)建模感興趣的研究人員、專家及學(xué)生的必讀之物。有了作者對掌握必備知識的強調(diào)，以及精心構(gòu)建的實例和實驗，讀者將成功地使自己成為基于知識聚類的專家。

作者簡介

　WITOLD PEDRYCZ，博士，加拿大阿爾伯塔大學(xué)教授，加拿大首席專家。他還任職于波蘭科學(xué)院系統(tǒng)研究所（波蘭、華沙）。Pedrycz博士是IEEE Fellow，已經(jīng)編寫了9部專著，編輯了9卷書籍，在計算智能、粒計算、模式識別、定量軟件工程和數(shù)據(jù)挖掘方面發(fā)表了很多論文。

書籍目錄

第1章 聚類和模糊聚類　1.1 引言　1.2 基本概念和符號　　1.2.1 數(shù)據(jù)類型　　1.2.2 距離和相似性　1.3 聚類算法的主要類別　　1.3.1 層次聚類　　1.3.2 基于目標(biāo)函數(shù)的聚類　1.4 聚類和分類　1.5 模糊聚類　1.6 聚類有效性　1.7 基于目標(biāo)函數(shù)的聚類算法的擴展　　1.7.1 模糊類的擴展幾何性質(zhì)：模糊C變體　　1.7.2 可能性聚類　　1.7.3 帶噪音的聚類　1.8 自組織圖和基于模糊目標(biāo)函數(shù)的聚類　1.9 總結(jié)　參考文獻第2章 粒信息計算：模糊集與模糊關(guān)系　2.1 粒計算的范例：信息粒和信息粒的處理　2.2 模糊集——以人為中心的信息粒　2.3 模糊集的運算　2.4 模糊關(guān)系　2.5 兩個模糊集的比較　2.6 模糊集的一般化　2.7 陰影集　2.8 粗糙集　2.9 粒計算與分布式處理　2.10 總結(jié)　參考文獻第3章 面向邏輯的神經(jīng)計算　3.1 引言　3.2 模糊神經(jīng)元的主要類別　　3.2.1 聚合神經(jīng)元　　3.2.2 參照神經(jīng)元　3.3 邏輯網(wǎng)絡(luò)的結(jié)構(gòu)　3.4 網(wǎng)絡(luò)的解釋性　3.5 邏輯處理的?；缑妗?.6 總結(jié)　參考文獻第4章 條件模糊聚類　4.1 引言　4.2 問題陳述：上下文模糊集和目標(biāo)函數(shù)　4.3 最優(yōu)化問題　4.4 關(guān)于條件聚類計算方面的思考　4.5 通過聚合算子將算法一般化　4.6 具有空間約束的模糊聚類　4.7 總結(jié)　參考文獻第5章 部分監(jiān)督聚類　5.1 引言　5.2 問題形式化　5.3 類的設(shè)計　5.4 實驗案例　5.5 基于類的跟蹤問題　5.6 總結(jié)　參考文獻第6章 模糊聚類中基于知識的指導(dǎo)原則　6.1 引言　6.2 面向知識提示的樣例及一般性分類　6.3 知識強化聚類的優(yōu)化環(huán)境　6.4 基于知識指導(dǎo)提示的量化及優(yōu)化　6.5 交互過程的組織　6.6 基于相似性的聚類(P-FCM)　6.7 網(wǎng)頁挖掘和P-FCM　6.8 基于知識提示的語言強化　6.9 總結(jié)　參考文獻第7章 協(xié)作聚類　7.1 引言及基本概念　7.2 橫向聚類和縱向聚類　7.3 橫向協(xié)作聚類　　7.3.1 優(yōu)化細(xì)節(jié)　　7.3.2 協(xié)作聚類的計算流程　　7.3.3 聚類中合作現(xiàn)象的定量描述　7.4 實驗研究　7.5 橫向聚類的進一步改善　7.6 縱向聚類算法　7.7 橫向聚類與縱向聚類的網(wǎng)格模型　7.8 一致性聚類　7.9 總結(jié)　參考文獻第8章 方向聚類第9章 模糊關(guān)聯(lián)聚類第10章 各向異性數(shù)據(jù)模式的模糊聚類第11章 粒數(shù)據(jù)的超盒模型：車貝雪夫FCM第12章 遺傳相容的模糊神經(jīng)網(wǎng)絡(luò)第13章 粒原型第14章 粒映射第15章 語言建模參考書目索引

章節(jié)摘錄

插圖：

編輯推薦

《基于知識的聚類:從數(shù)據(jù)到信息粒》由北京師范大學(xué)出版集團，北京師范大學(xué)出版社出版。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    基于知識的聚類 PDF格式下載

---