基於知識的聚類-從數據到信息粒（簡體書）

基於知識的聚類展示的是如何設計一個導航平臺，以使信息探尋者能理解和較好的應用種類繁多的數據集。比模糊聚類走得更遠，作者展示了基於知識的聚類這一有前景的新範例是如何揭示更有意義的數據結構，并使社會更好地處理日益增長的數據和信息流。通過這《基於知識的聚類—從數據到信息粒》，讀著能理解基於知識聚類的基礎和與其相關聯的算法，學會將他們自己的知識應用到系統建模和設計中去。
《基於知識的聚類—從數據到信息粒》首先對模糊聚類和粒計算這一領域進行介紹和討論。然后，作者深入研究了基於邏輯的神經元和神經網絡。《基於知識的聚類—從數據到信息粒》的核心部分包括9章，在其中呈現和分析了眾多不同的基於知識的聚類的方法。《基於知識的聚類—從數據到信息粒》的第三部分致力于模型的研究，首先討論超盒結構，然后討論粒映射和語言模型。
《基於知識的聚類—從數據到信息粒》提供了理解和掌握這一令人振奮的新領域所需要的所有工具和指導：
◆說明核心概念的眾多實例
◆為讀者提供傳遞經驗的可重復實驗
◆為復雜算法和建模奠定基礎的先決條件的全面涵蓋
◆每章后面強調理解內容所必須的關急鍵點的總結
◆通向專題探究的進一步途徑的參考文獻和泛的參考書目
《基於知識的聚類—從數據到信息粒》是對聚類、模糊聚類、無監督學習、神經網絡、模糊集、模式識別和系統建模感興趣的研究人員、專家及學生的必讀之物。有了作者對掌握必備知識的強調，以及精心構建的實例和實驗，讀者將成功地使自己成為基於知識聚類的專家。

WITOLD PEDRYCZ，博士，加拿大阿爾伯塔大學教授，加拿大首席專家。他還任職于波蘭科學院系統研究所（波蘭、華沙）。Pedrycz博士是IEEE Fellow，已經編寫了9部專著，編輯了9卷書籍，在計算智能、粒計算、模式識別、定量軟件工程和數據挖掘方面發表了很多論文。

第1章 聚類和模糊聚類
　1.1 引言
　1.2 基本概念和符號
1.2.1 數據類型
1.2.2 距離和相似性
　1.3 聚類算法的主要類別
1.3.1 層次聚類
1.3.2 基於目標函數的聚類
　1.4 聚類和分類
　1.5 模糊聚類
　1.6 聚類有效性
　1.7 基於目標函數的聚類算法的擴展
1.7.1 模糊類的擴展幾何性質：模糊C變體
1.7.2 可能性聚類
1.7.3 帶噪音的聚類
　1.8 自組織圖和基於模糊目標函數的聚類
　1.9 總結
　參考文獻
第2章 粒信息計算：模糊集與模糊關係
　2.1 粒計算的範例：信息粒和信息粒的處理
　2.2 模糊集——以人為中心的信息粒
　2.3 模糊集的運算
　2.4 模糊關係
　2.5 兩個模糊集的比較
　2.6 模糊集的一般化
　2.7 陰影集
　2.8 粗糙集
　2.9 粒計算與分布式處理
　2.10 總結
　參考文獻
第3章 面向邏輯的神經計算
　3.1 引言
　3.2 模糊神經元的主要類別
3.2.1 聚合神經元
3.2.2 參照神經元
　3.3 邏輯網絡的結構
　3.4 網絡的解釋性
　3.5 邏輯處理的粒化界面
　3.6 總結
　參考文獻
第4章 條件模糊聚類
　4.1 引言
　4.2 問題陳述：上下文模糊集和目標函數
　4.3 最優化問題
　4.4 關於條件聚類計算方面的思考
　4.5 通過聚合算子將算法一般化
　4.6 具有空間約束的模糊聚類
　4.7 總結
　參考文獻
第5章 部分監督聚類
　5.1 引言
　5.2 問題形式化
　5.3 類的設計
　5.4 實驗案例
　5.5 基於類的跟蹤問題
　5.6 總結
　參考文獻
第6章 模糊聚類中基於知識的指導原則
　6.1 引言
　6.2 面向知識提示的樣例及一般性分類
　6.3 知識強化聚類的優化環境
　6.4 基於知識指導提示的量化及優化
　6.5 交互過程的組織
　6.6 基於相似性的聚類(P-FCM)
　6.7 網頁挖掘和P-FCM
　6.8 基於知識提示的語言強化
　6.9 總結
　參考文獻
第7章 協作聚類
　7.1 引言及基本概念
　7.2 橫向聚類和縱向聚類
　7.3 橫向協作聚類
7.3.1 優化細節
7.3.2 協作聚類的計算流程
7.3.3 聚類中合作現象的定量描述
　7.4 實驗研究
　7.5 橫向聚類的進一步改善
　7.6 縱向聚類算法
　7.7 橫向聚類與縱向聚類的網格模型
　7.8 一致性聚類
　7.9 總結
　參考文獻
第8章 方向聚類
第9章 模糊關聯聚類
第10章 各向異性數據模式的模糊聚類
第11章 粒數據的超盒模型：車貝雪夫FCM
第12章 遺傳相容的模糊神經網絡
第13章 粒原型
第14章 粒映射
第15章 語言建模
參考書目
索引