大数据下并行知识约简与知识获取 内容简介

本书针对大数据的数据体量大、数据类型繁多、处理速度快、价值密度高等特点，以粒计算方法为理论基础，以经典粗糙集模型和区间值信息系统为研究对象，以Hadoop开源平台为实验环境，构建大数据下知识约简计算模型及知识获取方法。本书主要介绍大数据下Pawlak模型知识约简、区间值信息系统知识约简、层次粗糙集模型知识约简及知识获取的理论、模型和方法，并力求展现大数据下粒计算的*新研究成果。

大数据下并行知识约简与知识获取 本书特色

本书针对大数据的数据体量大、数据类型繁多、处理速度快、价值密度高等特点，以粒计算方法为理论基础，以经典粗糙集模型和区间值信息系统为研究对象，以Hadoop开源平台为实验环境，构建大数据下知识约简计算模型及知识获取方法。本书主要介绍大数据下Pawlak模型知识约简、区间值信息系统知识约简、层次粗糙集模型知识约简及知识获取的理论、模型和方法，并力求展现大数据下粒计算的**研究成果。

大数据下并行知识约简与知识获取 目录

第1章 概论1.1 粒计算1.1.1 概述1.1.2 粒计算内涵1.2 粗糙集1.2.1 概述1.2.2 基本概念1.3 知识约简1.3.1 基于正区域的知识约简算法1.3.2 基于差别矩阵的知识约简算法1.3.3 基于信息熵的知识约简算法1.3.4 普适知识约简算法1.3.5 三种经典知识约简算法之间的关系1.3.6 影响知识约简算法效率的关键因素1.4 知识获取1.4.1 知识获取慨述1.4.2 知识获取的主要途径1.4.3 知识获取的常用技术1.5 大数据技术1.5.1 概述1.5.2 HDFS1.5.3 MapReduce1.6 小结第2章 高效的Pawlak粗糙集模型知识约简2.1 引言2.2 基于计数排序的知识约简算法中若干关键子算法2.2.1 基于计数排序的等价类计算算法2.2.2 基于计数排序的简化决策表获取算法2.2.3 基于计数排序的正区域计算算法2.2.4 基于计数排序的核属性计算方法2.3 高效的知识约简算法框架模型2.3.1 基于正区域的知识约简算法2.3.2 基于差别矩阵的知识约简算法2.3.3 基于信息熵的知识约简算法2.3.4 高效的知识约简算法框架模型2.4 实验分析2.4.1 效率评价2.4.2 分类精度比较2.4.3 CHybridⅠ／Ⅱ算法与其他算法比较2.5 应用实例2.5.1 预测模型设计2.5.2 预测结果分析2.6 小结第3章 区间值信息系统的知识约简3.1 引言3.2 基本概念和性质3.2.1 区间值信息系统3.2.2 相似率3.2.3 α-极大相容类3.3 区间值信息系统中的粗糙近似3.4 区间值信息系统的知识约简3.5 区间值决策系统的知识约简3.6 小结第4章 大数据下Pawlak粗糙集模型知识约简4.1 引言4.2 大数据下知识约简算法中数据和任务并行性4.3 大数据下知识约简算法中若干关键子算法4.3.1 大数据下等价类计算算法4.3.2 大数据下简化决策表获取算法4.3.3 大数据下核属性计算算法4.4 大数据下Pawlak粗糙集模型知识约简算法4.4.1 大数据下基于差别矩阵的知识约简算法4.4.2 大数据下基于正区域的知识约简算法4.4.3 大数据下基于信息熵的知识约简算法4.4.4 大数据下知识约简算法框架模型4.5 大数据下知识约简算法实验分析4.5.1 实验环境4.5.2 大数据下基于差别矩阵的知识约简算法实验分析4.5.3 大数据下知识约简算法框架模型实验分析4.5.4 讨论4.6 小结第5章 大数据下区间值信息系统的知识约简5.1 相关基本概念5.1.1 多决策表的相关概念和性质5.1.2 区间值决策表的相关概念和性质5.2 区间值决策表的启发式约简5.2.1 代数观下区间值决策表约简的相关概念和性质5.2.2 基于依赖度的区间值决策表λ-约简算法5.2.3 信息观下区间值决策表约简的相关概念和性质5.2.4 基于互信息的区间值λ-约简算法5.3 多决策表下的区间值λ-全局近似约简5.3.1 多决策表下的区间值λ-全局约简相关概念和性质5.3.2 多决策表下的区间值λ-全局近似约简算法5.4 实验与分析5.4.1 实验数据5.4.2 实验环境5.4.3 评价指标5.4.4 参数的选择和设置5.5 小结第6章 大数据下层次粗糙集模型知识约简6.1 引言6.2 层次粗糙集模型6.2.1 定性属性粒化表示——概念层次树6.2.2 定量属性粒化表示——云模型6.2.3 层次粗糙集模型6.2.4 讨论6.3 大数据下层次粗糙集模型约简算法6.3.1 大数据下计算层次编码决策表算法6.3.2 大数据下层次粗糙集模型约简算法研究6.4 实验与分析6.4.1 理论分析6.4.2 实验环境6.4.3 实验分析6.5 小结第7章 大数据下层次粗糙集模型知识获取7.1 引言7.2 决策规则7.3 大数据下并行知识获取模型7.3.1 信息粒和概念层次构建7.3.2 不同粒度层次下决策规则度量变化7.3.3 大数据下并行知识获取算法7.3.4 时间复杂度分析7.4 实验与分析7.4.1 样例分析7.4.2 实验分析7.5 小结第8章 总结与展望8.1 总结8.2 展望参考文献附录附录1 开源云计算平台Hadoop安装和配置附录2 大数据下知识约简算法代码示例