包邮不确定深度学习与多粒度知识发现

目录前言第1章 绪论 11.1 大数据及其挖掘技术 11.2 粒计算理论 21.3深度学习技术 31.4 基于粒计算的图像处理技术 7参考文献 8第2章 粒计算模型与算法 122.1 粒计算模型 122.1.1 粗糙集模型 122.1.2 模糊集理论 132.1.3 粒球模型 132.1.4 三支决策 152.2 面向复杂数据的扩展粗糙集模型 172.2.1 邻域粗糙集模型 172.2.2 决策粗糙集模型 182.2.3 邻域决策粗糙集模型 182.2.4 局部邻域决策粗糙集模型 192.3 基于邻域粗糙集的属性约简算法 202.3.1 基于邻域依赖度的属性约简算法 202.3.2 基于邻域熵的属性约简算法 212.3.3 基于邻域决策错误率的属性约简算法 23参考文献 24第3章 基于粗糙集和三支决策的U-Net模型及应用 263.1 深度学习理论 263.1.1 卷积神经网络的基本模块 263.1.2 常用损失函数 283.1.3 随机梯度下降算法 293.2 注意力机制 303.2.1 空间注意力机制 303.2.2 通道注意力机制 313.3 基于粗糙集的U-Net模型 323.3.1 粗糙神经元 323.3.2 粗糙通道注意力机制 333.3.3 基于粗糙通道注意力机制的U-Net模型 353.4 基于三支决策算法的U-Net模型 373.4.1 腐蚀算子和膨胀算子 393.4.2 不确定性描述 393.4.3 三支损失函数 423.4.4 基于三支损失函数的U-Net模型 433.5 视网膜血管图像分割应用 453.5.1 数据集介绍 453.5.2 图像预处理 473.5.3 分割评价指标 483.5.4 基于粗糙通道注意力的U-Net视网膜血管分割 503.5.5 基于三支损失函数的U-Net视网膜血管分割 59参考文献 65第4章 基于进化算法的聚类粒计算眼底图像建模方法