基于模糊认知图的集成分类器构造研究

第1章 引言
1.1 研究背景
1.2 主要研究内容和创新点
1.3 全书的组织安排
第2章 文献综述
2.1 数据挖掘的产生与发展
2.1.1 数据挖掘过程
2.1.2 数据挖掘的技术方法
2.1.3 数据挖掘应用领域
2.2 数据挖掘的研究热点及趋势分析
2.2.1 空间数据挖掘
2.2.2 分布式数据挖掘
2.2.3 基于云计算的数据挖掘
2.3 基于内在认知机理的知识发现理论KDT
2.4 本章小结
第3章 模糊认知图
3.1 模糊认知图的基本概念及研究进展
3.2 FCM推理机制
3.2.1 前向式演化推理
3.2.2 后向式演化推理
3.3 模糊认知图研究方向
3.3.1 动态模糊认知图
3.3.2 概率模糊认知图
3.3.3 随机模糊认知图
3.3.4 基于规则的模糊认知图
3.3.5 复杂模糊认知图
3.4 模糊认知图的学习方法
3.4.1 演化学习
3.4.2 适应性学习
3.4.3 混合方法
3.5 本章小结
第4章 一种模糊认知图分类器构造方法
4.1 FCMCM分类器
4.1.1 FCM分类器定义
4.1.2 FCM分类器模型结构
4.1.3 激活函数
4.1.4 推理规则
4.1.5 学习方法
4.2 实验验证
4.2.1 数据集
4.2.2 实验部分
4.3 本章小结
第5章 集成学习FCM分类器
5.1 集成学习
5.1.1 集成分类器的构造方法
5.1.2 多FCM集成学习的基本思想
5.2 集成学习的构造过程
5.2.1 基本Bagging 的多FCM分类器集成
5.2.2 基于Adaboost 的多FCM分类器集成
5.3 多测度范异构分类器集成方法
5.3.1 样本分离阶段
5.3.2 Bagging组合阶段
5.3.3 实验验证
5.4 本章小结
第6章 基于FCM集成分类器的蛋白质二级结构智能预测模型新构造
6.1 蛋白质二级结构预测的必要性分析
6.2 蛋白质结构介绍
6.3 蛋白质二级结构预测研究现状
6.4 CPM
6.4.1 理论基础
6.4.2 测试数据集
6.4.3 评价标准
6.4.4 CPMF整体架构
6.4.5 实验结果与分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献