模式识别：数据质量视角

　　译者序
　　前言
　　部分　基础知识
　　第1章　模式识别：特征空间的构建2
　　1.1　概念2
　　1.2　从样本到特征5
　　1.2.1　向量型特征7
　　1.2.2　特征变换：从向量型到向量型8
　　1.2.3　特征变换：从向量型到数值型9
　　1.2.4　数值型特征10
　　1.3　特征尺度化12
　　1.3.1　特征归一化13
　　1.3.2　标准化14
　　1.3.3　特征尺度的经验评价15
　　1.4　特征评估和选择18
　　1.4.1　相关性18
　　1.4.2　特征评估：两种方法20
　　1.4.3　基于指数的特征评估：单特征与特征集21
　　1.4.4　特征评估指数21
　　1.4.5　基于指数的方法和基于包装的方法23
　　1.4.6　使用指数和分类器的单特征评估方案24
　　1.4.7　特征子集的选择27
　　1.4.8　特征子集的生成29
　　1.5　结论37
　　附录1.A38
　　附录1.B40
　　参考文献40
　　第2章　模式识别：分类器42
　　2.1　概念42
　　2.2　近邻分类方法43
　　2.3　支持向量机分类算法45
　　2.3.1　线性可分类的线性划分46
　　2.3.2　线性不可分类的线性划分48
　　2.3.3　线性不可分类的非线性划分50
　　2.4　分类问题中的决策树52
　　2.4.1　决策树一览52
　　2.4.2　特征分解57
　　2.4.3　度量类的差异性57
　　2.4.4　选择一个分解特征60
　　2.4.5　限制树的结构61
　　2.5　集成分类器62
　　2.5.1　袋装63
　　2.5.2　提升64
　　2.5.3　随机森林65
　　2.6　贝叶斯分类器67
　　2.6.1　应用贝叶斯理论67
　　2.6.2　小化错分概率68
　　2.6.3　小化损失69
　　2.6.4　拒绝不确定样本70
　　2.6.5　类条件概率分布71
　　2.7　结论79
　　参考文献79
　　第3章　分类拒绝问题规范及概述82
　　3.1　概念82
　　3.2　拒绝架构的概念87
　　3.3　基于原始样本的拒绝91
　　3.3.1　构建拒绝机制91
　　3.3.2　全局拒绝架构下的拒绝机制92
　　3.3.3　局部拒绝架构下的拒绝机制95
　　3.3.4　嵌入式拒绝架构下的拒绝机制96
　　3.4　原始样本数据集中的拒绝选项：案例研究97
　　3.4.1　数据集97
　　3.4.2　构建一个树形二值分类器100
　　3.4.3　针对手写数字数据集构建一个树形二值分类器101
　　3.4.4　针对手写数字数据集构建一个带拒绝的树形二值分类器103
　　3.4.5　拒绝被错分的原始样本：一些想法105
　　3.5　结论106
　　参考文献106
　　第4章　评估模式识别问题108
　　4.1　评估带拒绝项的识别：基本概念108
　　4.1.1　评估拒绝的效率108
　　4.1.2　不平衡原始集与异类集109
　　4.1.3　度量拒绝质量的有效性110
　　4.1.4　分离原始样本和异类样本111
　　4.1.5　对多类原始样本的适应112
　　4.1.6　评估带拒绝项的多类分类问题113
　　4.1.7　说明性示例114
　　4.2　没有异类样本时带拒绝的分类问题117
　　4.3　带拒绝的分类：局部特征120
　　4.3.1　多类问题的特性描述120
　　4.3.2　说明性示例122
　　4.4　结论125
　　参考文献126
　　第5章　带拒绝的识别：经验分析127
　　5.1　实验结果127
　　5.1.1　拒绝架构的对比128
　　5.1.2　减少特征集数量131
　　5.1.3　分类器质量与拒绝性能133
　　5.1.4　用于处理不平衡数据集的带拒绝的分类137
　　5.2　几何方法140
　　5.2.1　超矩形141
　　5.2.2　椭球体142
　　5.2.3　在几何模型中限制为原始样本保留的区域143
　　5.2.4　文献评论153
　　5.3　结论155
　　参考文献155
　　第二部分　高级主题：粒度计算框架
　　第6章　信息粒的概念158
　　6.1　信息粒度和粒度计算158
　　6.2　信息粒度的正式平台161
　　6.3　区间和区间微积分164
　　6.4　模糊集微积分166
　　6.4.1　模糊集的隶属函数和类167
　　6.4.2　三角范数和三角余模作为模糊集上运算的模型170
　　6.5　信息粒的特征：覆盖率和特异性173
　　6.6　信息粒匹配176
　　6.7　结论177
　　参考文献177
　　第7章　信息粒：基本构造179
　　7.1　合理粒度原则179
　　7.1.1　一般观察182
　　7.1.2　加权数据182
　　7.1.3　抑制性数据183
　　7.2　对设计有价值的信息粒度184
　　7.2.1　粒映射184
　　7.2.2　信息粒度分配协议187
　　7.2.3　粒度聚合：通过分配信息粒度增强聚合操作187
　　7.3　时间序列模型中暂存数据的单步和多步预测188
　　7.4　高级类型的粒模型的开发189
　　7.5　粒样本的分类192
　　7.5.1　分类问题的公式化193
　　7.5.2　从数值数据到粒数据193
　　7.5.3　粒分类器：增强问题195
　　7.6　结论195
　　参考文献196
　　第8章　聚类197
　　8.1　模糊c均值聚类方法197
　　8.2　k均值聚类算法201
　　8.3　带有聚类和变量加权的增强模糊聚类201
　　8.4　基于知识的聚类202
　　8.5　聚类结果的质量202
　　8.6　信息粒与聚类结果解释204
　　8.6.1　数字原型的粒度描述符的形成204
　　8.6.2　数据粒度及其在FCM算法中的融合205
　　8.7　层次聚类205
　　8.8　隐私问题中的信息粒：微聚集的概念208
　　8.9　更高类型信息粒的开发208
　　8.10　实验研究209
　　8.11　结论217
　　参考文献218
　　第9章　数据质量：填补和数据平衡219
　　9.1　数据填补：基本概

　　---作者简介---伍拉迪斯罗·霍曼达（Władysław Homenda） 波兰华沙理工大学数学与信息科学学院教授，主要研究兴趣包括知识表示与处理、智能计算、模糊建模、粒度计算和数据挖掘等。维托德·派提兹（Witold Pedrycz） 波兰科学院系统研究所教授，兼任加拿大阿尔伯塔大学电子与计算机工程系教授。IEEE会士，加拿大皇家学会会士。主要研究兴趣包括智能计算、信息处理、人工智能等。---译者简介---张轶，四川大学计算机学院副教授，研究方向为模式识别、视觉计算和机器智能，担任“模式识别”课程的主讲教师。

　　几十年来，实际需求激发了对模式识别的大量理论和应用研究。在这个过程中，限制因素和恒久问题一直是数据——它的多样性、丰富性和可变质量是模式识别创新的主要挑战。本书关注高级数据分析和数据挖掘，创新之处是对数据质量的重新定位——将数据质量看作一个可以处理的因素，而非当作需要克服的困难。