基於模糊認知圖的集成分類器構造研究

本書是以作者近些年的研究成果為基礎的科學專著，也是國內第一部以模糊認知圖為主題的專著。

本書密切跟蹤國際前沿研究主流的發展趨向，探析了模糊認知圖的研究方向、模糊認知圖的學習方法、模糊認知圖分類器及其集成模型。本書以探討模糊認知圖分類的關鍵因素為導向，以論述基礎概念―研究相關算法―提出可行模型為主線，有效利用模糊認知圖解決了在蛋白質二級結構環境中的分類問題。 ^[1] 

（1）針對現有模糊認知圖框架，分析其優缺點和國內外相關技術的現狀。
　　（2）提出一種新的模糊認知圖分類器模型構造方法。
　　（3）提出一種基於多測度的範異構模糊認知圖集成分類器模型。
　　（4）對複合金字塔模型的綜合分析層進行深入分析。 ^[1] 

第1章 引言 /1

1．1 研究背景 / 1

1．2 主要研究內容和創新點 / 2

1．3 全書的組織安排 / 3

第2章 文獻綜述 /6

2．1 數據挖掘的產生與發展 / 6

2．1．1 數據挖掘過程 / 9

2．1．2 數據挖掘的技術方法 / 11

2．1．3 數據挖掘應用領域 / 22

2．2 數據挖掘的研究熱點及趨勢分析 / 24

2．2．1 空間數據挖掘 / 24

2．2．2 分佈式數據挖掘 / 26

2．2．3 基於雲計算的數據挖掘 / 29

2．3 基於內在認知機理的知識發現理論KDTICM / 30

2．4 本章小結 / 35

第3章 模糊認知圖 /36

3．1 模糊認知圖的基本概念及研究進展 / 36

3．2 FCM推理機制 / 39

3．2．1 前向式演化推理 / 40

3．2．2 後向式演化推理 / 40

3．3 模糊認知圖研究方向 / 41

3．3．1 動態模糊認知圖 / 41

3．3．2 概率模糊認知圖 / 44

3．3．3 隨機模糊認知圖 / 45

3．3．4 基於規則的模糊認知圖 / 46

3．3．5 複雜模糊認知圖 / 47

3．4 模糊認知圖的學習方法 / 48

3．4．1 演化學習 / 48

3．4．2 適應性學習 / 50

3．4．3 混合方法 / 52

3．5 本章小結 / 53

第4 章 一種模糊認知圖分類器構造方法 /57

4．1 FCMCM 分類器 / 57

4．1．1 FCM 分類器定義 / 57

4．1．2 FCM 分類器模型結構 / 57

4．1．3 激活函數 / 59

4．1．4 推理規則 / 59

4．1．5 學習方法 / 60

4．2 實驗驗證 / 61

4．2．1 數據集 / 61

4．2．2 實驗部分 / 62

4．3 本章小結 / 67

第5 章 集成學習FCM 分類器 /68

5．1 集成學習 / 68

5．1．1 集成分類器的構造方法 / 69

5．1．2 多FCM 集成學習的基本思想 / 72

5．2 集成學習的構造過程 / 73

5．2．1 基本Bagging 的多FCM 分類器集成 / 73

5．2．2 基於Adaboost 的多FCM 分類器集成 / 79

5．3 多測度範異構分類器集成方法 / 82

5．3．1 樣本分離階段 / 83

5．3．2 Bagging 組合階段 / 84

5．3．3 實驗驗證 / 85

5．4 本章小結 / 87

第6 章 基於FCM 集成分類器的蛋白質二級結構智能預測模型新構造 /89

6．1 蛋白質二級結構預測的必要性分析 / 89

6．2 蛋白質結構介紹 / 90

6．3 蛋白質二級結構預測研究現狀 / 95

6．4 CPMFCM / 100

6．4．1 理論基礎 / 100

6．4．2 測試數據集 / 101

6．4．3 評價標準 / 101

6．4．4 CPMF 整體架構 / 103

6．4．5 實驗結果與分析 / 110

6．5 本章小結 / 117

第7 章 總結與展望 /118

7．1 總結 / 118

7．2 展望 / 120

參考文獻 /122 ^[1]