包邮不确定性多目标优化的数据挖掘

第1章引言1 1.1研究背景与意义1 1.2本书的主要内容与组织结构3 1.3研究方法与技术路线6第2章相关理论基础7 2.1数据挖掘7 2.1.1基本理论、模型和算法8 2.1.2针对异构数据的方法及应用11 2.1.3性能评价方法12 2.1.4实际应用12 2.1.5其他方面14 2.2*优化理论16 2.2.1经典优化理论、方法和应用16 2.2.2启发式优化方法18 2.2.3全局优化及国内的优化研究19 2.3分类问题20 2.3.1分类器方法20 2.3.2分类性能的提升23 2.3.3分类结果评价23 2.4*优化分类方法24 2.4.1支持向量机分类方法24 2.4.2数学规划分类方法26 2.5数据的不确定性27 2.5.1数据的不确定性概述27 2.5.2不确定性的研究现状29 2.6不确定理论30 2.6.1不确定理论综述30 2.6.2模糊集与模糊规划32 2.6.3粗糙集与粗规划33 2.7数据挖掘方法的近似性和多目标性34 2.8小结35第3章多目标优化分类模型36 3.1分类问题的表示与评价36 3.1.1分类问题的表示36 3.1.2分类性能评价37 3.2支持向量机分类模型40 3.2.1支持向量机分类模型概述40 3.2.2*小二乘支持向量机分类模型44 3.3多目标优化分类模型概述46 3.3.1多目标决策概述47 3.3.2多目标优化分类模型49 3.3.3多目标线性规划分类模型55 3.3.4多目标二次规划分类模型59 3.4MCO和SVM分类模型的关系分析64 3.5小结66第4章模糊多目标规划分类模型和算法67 4.1模糊集基本理论67 4.2模糊多目标线性规划分类模型和算法70 4.2.1模糊决策和模糊线性规划70 4.2.2模糊多目标线性规划分类模型72 4.2.3模糊多目标线性规划分类算法79 4.2.4与多阶段模糊线性规划分类方法的对比分析82 4.3模糊多目标二次规划分类模型85 4.3.1模糊二次规划85 4.3.2模糊多目标二次规划分类模型86 4.4小结90第5章基于粗糙集的特征选择与多目标规划分类模型和算法91 5.1特征选择和约简方法91 5.1.1特征选择和属性约简基本理论91 5.1.2基于统计属性贡献度的约简方法93 5.2基于粗糙集的约简方法96 5.2.1基于等价关系的粗集约简方法97 5.2.2基于不可分辨关系的粗集整数规划约简模型100 5.3基于粗糙集的多目标规划分类模型和算法103 5.3.1基于粗糙集的多目标规划分类模型104 5.3.2基于粗糙集的多目标规划分类算法106 5.4粗糙集近似理论107 5.5粗近似多目标规划分类模型109 5.5.1粗近似多目标线性规划分类模型112 5.5.2粗近似多目标二次规划分类模型113 5.6小结115第6章基于核、模糊化和惩罚因子的多目标优化分类模型117 6.1不确定现象概述117 6.2模糊支持向量机分类模型122 6.3基于核、模糊化和惩罚因子的多目标优化分类模型125 6.3.1基于核与惩罚因子的模糊多目标优化分类模型125 6.3.2基于模糊化和惩罚因子的核多目标优化分类模型130 6.4小结133第7章不确定性多目标优化分类模型的应用135 7.1信用评分135 7.1.1信用评分及相关方法概述135 7.1.2信用评分流程139 7.1.3信用评分数据集141 7.1.4信用评分实例分析142 7.2Web客户忠诚度分析157 7.2.1Web挖掘概述157 7.2.2Web客户忠诚度分析数据集158 7.2.3性能分析160 7.2.4Web客户忠诚度分析161 7.3蛋白质交互的热点区域的预测165 7.3.1概述165 7.3.2蛋白质交互的热点区域预测数据集166 7.3.3蛋白质交互的热点区域分析166 7.4重大疾病的医疗诊断和预测170 7.4.1数据概述170 7.4.2重大疾病的医疗诊断和预测分析171 7.5小结175第8章总结与展望176 8.1研究总结176 8.2主要贡献177 8.3对后续研究工作的展望178参考文献180