包邮大数据特征降为:粗糙集特征选择的群志能方法及应用研究

前言 第1章 绪论 1.1 本书研究背景 1.2 特征选择概述 1.3 国内外研究现状 1.3.1 基于粗糙集的特征选择研究进展 1.3.2 群智能研究进展 1.4 本书研究内容 1.5 本书的组织结构 第2章 粗糙集与群智能 2.1 引言 2.2 粗糙集 2.2.1 粗糙集的理论基础 2.2.2 基于粗糙集的特征选择 2.3 群智能 2.3.1 蚁群优化算法 2.3.2 粒子群优化算法 2.3.3 人工蜂群算法 2.4 基于群智能和粗糙集的特征选择框架 2.4.1 子集生成 2.4.2 子集评价 2.4.3 停止条件 2.4.4 结果验证 2.5 本章小结 第3章 基于蚁群优化和粗糙集的特征选择方法 3.1 引言 3.2 基于蚁群优化和粗糙集的特征选择算法HSACO 3.2.1 算法思想 3.2.2 算法模型 3.2.3 概率转移公式和混合策略 3.2.4 算法描述 3.3 对比实验及结果分析 3.3.1 实验环境 3.3.2 参数选取与分析 3.3.3 结果比较及讨论 3.4 本章小结 第4章 基于粒子群优化和粗糙集的特征选择方法 4.1 引言 4.2 基于粒子群优化和粗糙集的特征选择算法DPPSO 4.2.1 算法思想 4.2.2 粒子的表达和种群初始化 4.2.3 基于互信息的适应值函数 4.2.4 粒子更新策略 4.2.5 算法描述 4.3 对比实验及结果分析 4.3.1 实验环境 4.3.2 结果比较及讨论 4.4 本章小结 第5章 基于人工蜂群和粗糙集的特征选择方法 5.1 引言 5.2 基于人工蜂群和粗糙集的特征选择算法NDABC 5.2.1 算法思想 5.2.2 解的表达和种群初始化 5.2.3 反向学习 5.2.4 适应值函数及转移概率 5.2.5 邻域搜索策略 5.2.6 禁忌搜索 5.2.7 算法描述 5.3 对比试验及结果分析 5.3.1 实验环境 5.3.2 参数选取与分析 5.3.3 结果比较及讨论 5.4 本章小结 第6章 银行个人信用评分中的特征选择 6.1 银行个人信用评分 6.1.1 个人信用评分的概念和发展 6.1.2 个人信用评分指标体系 6.2 实验数据 6.2.1 德国信用数据集的描述 6.2.2 数据离散化 6.3 基于群智能和粗糙集的特征选择在信用评分中的应用 6.3.1 实验环境 6.3.2 测试过程及结果分析 6.4 本章小结 第7章 面向大数据的高维数据特征选择 7.1 高维数据特征选择 7.2 实验数据 7.3 基于群智能和粗糙集的特征选择在高维数据中的应用 7.3.1 实验环境 7.3.2 测试过程及结果分析 7.4 本章小结 第8章 总结与展望 8.1 总结 8.2 展望 参考文献