目录
丛书序
前言
第1章 三支多粒度学习的基本理论与发展脉络 1
1.1 引言 1
1.2 三支决策概述 2
1.2.1 三支决策的发展脉络 2
1.2.2 三支决策研究进展 5
1.3 基于粒计算的序贯三支决策 6
1.3.1 基于粒计算的序贯三支决策的发展脉络 6
1.3.2 基于粒计算的序贯三支决策研究进展 9
1.4 三支多粒度学习 10
1.4.1 三支多粒度学习框架 11
1.4.2 三支多粒度学习的关键问题 12
1.5 本章小结 14
参考文献 14
第2章 面向动态数据的序贯三支多粒度模型 21
2.1 引言 21
2.2 序贯三支粒计算理论框架 21
2.2.1 多层次的粒结构 21
2.2.2 多样性的模型选择 23
2.2.3 多元化的代价结构 28
2.3 序贯三支粒计算增量理论 33
2.4 序贯三支决策算法设计与分析 35
2.5 实验分析 37
2.5.1 实验设置 37
2.5.2 结果分析 39
2.6 本章小结 45
参考文献 46
第3章 面向多类动态数据的序贯三支粒计算模型 48
3.1 引言 48
3.2 多类三支决策模型研究 48
3.2.1 多类二支贝叶斯决策模型 48
3.2.2 多类三支贝叶斯决策模型 50
3.2.3 多类三支决策融合模型 52
3.3 多类三支决策矩阵计算方法 54
3.4 多类序贯三支粒计算模型 57
3.5 算法设计与分析 59
3.6 实验分析 60
3.6.1 实验设置 60
3.6.2 结果分析 61
3.7 本章小结 65
参考文献 65
第4章 面向多维动态数据的序贯三支粒计算模型 67
4.1 引言 67
4.2 三支决策矩阵计算模型 68
4.3 多维序贯三支粒计算矩阵增量更新框架 72
4.3.1 矩阵增量更新策略 73
4.3.2 关系矩阵更新方法 73
4.3.3 交矩阵更新方法 76
4.4 算法设计与分析 80
4.5 实验分析 87
4.5.1 实验设置 87
4.5.2 结果分析 88
4.6 本章小结 91
参考文献 93
第5章 面向混合动态数据的序贯三支粒计算模型 94
5.1 引言 94
5.2 三支决策的时空模型 94
5.2.1 三支决策的时间动态模型 94
5.2.2 三支决策的空间动态模型 96
5.2.3 三支决策的时空融合动态模型 97
5.3 基于时空融合的复合序贯三支粒计算模型 99
5.3.1 多层次复合粒结构 99
5.3.2 混合粒度融合方法 101
5.4 算法设计与分析 108
5.5 实验分析 110
5.5.1 实验设置 110
5.5.2 结果分析 111
5.6 本章小结 118
参考文献 118
第6章 基于主客观动态融合的序贯三支决策方法 120
6.1 引言 120
6.2 序贯三支决策的主观与客观模型 122
6.2.1 混合数据的T-范数融合 122
6.2.2 混合数据的序贯三支决策模型 123
6.2.3 混合数据的主观序贯三支决策模型 126
6.2.4 混合数据的客观序贯三支决策模型 128
6.3 基于主客观动态融合的序贯三支决策实验 130
6.3.1 数据集 130
6.3.2 基于主客观动态融合的序贯三支决策实验分析 131
6.4 本章小结 140
参考文献 140
第7章 基于多级邻域的序贯三支粒计算方法 144
7.1 引言 144
7.2 三支粒计算的概念 145
7.3 基于多层次邻域的序贯三支决策 148
7.3.1 基于邻域的粒子 148
7.3.2 基于邻域的层次 151
7.3.3 基于邻域的多层序贯三支决策 159
7.4 实验分析 161
7.4.1 综合粒度分析 163
7.4.2 基于综合策略的不确定性分析 163
7.4.3 多层次邻域序贯三支决策的效率分析 169
7.5 本章小结 173
参考文献 174
第8章 基于增量模糊概率决策理论的动态三支近似方法 178
8.1 引言 178
8.2 模糊集的动态三支近似 179
8.3 模糊概率决策理论方法在动态三支近似中的应用 182
8.3.1 基于T-范数的模糊条件概率用于动态隶属函数 182
8.3.2 基于最小成本原则的动态决策理论阈值 188
8.3.3 基于矩阵的动态三支近似 189
8.4 基于矩阵的动态三支近似增量策略 192
8.4.1 模糊T-等价关系矩阵的更新 192
8.4.2 交集矩阵的更新 194
8.4.3 动态三支近似的增量算法 195
8.5 实验分析 196
8.5.1 实验准备 196
8.5.2 模糊概率决策理论模型的分析 197
8.5.3 动态三方近似中增量算法的分析 202
8.6 本章小结 207
参考文献 207
第9章 基于层次模糊粗糙近似的三支多粒度学习 210
9.1 引言 210
9.2 预备知识 212
9.2.1 模糊集与运算符 212
9.2.2 模糊粗糙集 213
9.2.3 三支决策 214
9.3 三支多粒度学习 215
9.4 三支决策与模糊粗糙集 218
9.4.1 具有模糊性的三支区域 218
9.4.2 模糊粗糙集中的三支决策 219
9.5 分层模糊粗糙近似 222
9.5.1 无阈值最大评估 222
9.5.2 双评估与阈值对 223
9.5.3 带阈值的聚合评估 224
9.5.4 层次模糊粗糙近似算法 224
9.6 实验与讨论 226
9.6.1 数据集 226
9.6.2 模糊三支区域的分析 226
9.6.3 静态模糊三支决策的比较 229
9.6.4 动态HFRA模型的有效性 230
9.7 本章小结 235
参考文献 236
第10章 基于时空多粒度学习的序贯三支粒计算方法 242
10.1 引言 242
10.2 基于时空多粒度学习的序贯三支粒计算 244
10.3 序贯三支粒计算的局部邻域策略 246
10.3.1 局部粗糙集 247
10.3.2 局部邻域三支模型 248
10.3.3 基于时空多粒度学习的局部邻域S3WGrC 259
10.4 实验分析 262
10.4.1 实验准备 262
10.4.2 全局和局部邻域造粒与不确定性的比较 266
10.4.3 局部邻域S3WGrC的决策过程和决策结果的成本 267
10.5 本章小结 274
参考文献 274
第11章 基于动态文本情感分类的时空三支粒计算方法研究 279
11.1 引言 279
11.2 序贯三支情感分类 281
11.2.1 情感分析模型 281
11.2.2 序贯三支决策 283
11.2.3 序贯三支情感分类框架 284
11.3 时空三支情感分析 287
11.3.1 TSTWSC的多粒度结构 287
11.3.2 TSTWSC的框架与算法 288
11.3.3 TSTWSC的代价敏感决策规则 290
11.4 实验部分 290
11.4.1 数据集、基线方法与参数设定 291
11.4.2 对比结果 292
11.5 本章小结 296
参考文献 297
第12章 基于三支多粒度学习的股票预测研究 301
12.1 引言 301
12.2 相关工作 303
12.2.1 股价预测和文本分析 303
12.2.2 粗糙集理论和三支决策 303
12.2.3 序贯三支决策与粒计算 306
12.3 框架 307
12.3.1 框架的组成部分 308
12.3.2 评估函数 313
12.3.3 所提方法 315
12.4 实验与评估 315
12.4.1 数据清理、概览与标注 315
12.4.2 基线 316
12.4.3 超参数选择和评价指标 317
12.4.4 实验结果 318
12.4.5 讨论与局限性 327
12.5 本章小结 328
参考文献 329