“博士后文库”序言　
前言　
第1章  　绪论　1　
  1.1  　研究背景　1　
  1.2  　置信函数理论　2　
    1.2.1  　证据的表示　2　
    1.2.2  　证据的组合　5　
    1.2.3  　证据在辨识框架上的运算　8　
    1.2.4  　决策规则　11　
  1.3  　不确定数据分类问题　12　
  1.4  　基于规则的分类方法　14　
    1.4.1  　模糊规则分类研究综述　14　
    1.4.2  　关联规则分类研究综述　17　
第2章  　不可靠数据鲁棒置信规则分类　23　
  2.1  　引言　23　
  2.2  　不可靠数据鲁棒置信规则分类系统　24　
    2.2.1  　置信规则结构　24　
    2.2.2  　基于数据驱动的置信规则库构建　25　
    2.2.3  　置信推理方法　29　
  2.3  　实验分析　31　
    2.3.1  　实验设置　31　
    2.3.2  　分类正确率评估　33　
    2.3.3  　分类鲁棒性评估　35　
    2.3.4  　运行时间分析　41　
  2.4  　本章小结　43　
第3章  　面向大数据的紧凑置信规则分类　44　
  3.1  　引言　44　
  3.2  　基于证据C均值的紧凑置信规则库学习　45　
    3.2.1  　证据C均值算法　
    3.2.2  　基于监督证据C均值的置信划分　46　
    3.2.3  　紧凑置信规则库构建　47　
    3.2.4  　准确性与可解释性折中的参数优化　49　
  3.3  　实验分析　51　
    3.3.1  　合成数据集测试　51　
    3.3.2  　真实数据集测试　52　
  3.4  　本章小结　56　
第4章  　数据与知识双驱动的复合置信规则分类　57　
  4.1  　引言　57　
  4.2  　复合置信规则分类系统　58　
    4.2.1  　基于知识驱动的置信规则库构建　58　
    4.2.2  　数据与知识双驱动的复合置信规则库构建　61　
  4.3  　基于训练数据与专家知识的多源目标识别　63　
    4.3.1  　问题描述　64　
    4.3.2  　目标识别复合置信规则库构建　65　
    4.3.3  　对比分析　68　
    4.3.4  　参数分析　69　
  4.4  　本章小结　70　
第5章  　精确且可解释的置信关联规则分类　72　
  5.1  　引言　72　
  5.2  　置信类关联规则　73　
    5.2.1  　置信类关联规则结构　73　
    5.2.2  　支持度与置信度定义　74　
  5.3  　精确且可解释的置信关联规则分类方法　76　
    5.3.1  　置信类关联规则挖掘　77　
    5.3.2  　置信类关联规则削减　81　
    5.3.3  　置信推理分类　84　
    5.3.4  　计算复杂度分析　85　
  5.4  　实验分析　86　
    5.4.1  　实验设置　86　
    5.4.2  　分类精度评估　88　
    5.4.3  　可解释性评估　90　
    5.4.4  　参数分析　91　
    5.4.5  　运行时间分析　93　
  5.5  　本章小结　
第6章  　面向高维数据的置信关联规则分类　96　
  6.1  　引言　96　
  6.2  　高维数据置信关联规则分类方法　97　
    6.2.1  　基于熵的自适应模糊划分　98　
    6.2.2  　基于子群发现的规则预筛选　99　
    6.2.3  　遗传规则选择　101　
  6.3  　实验分析　102　
    6.3.1  　算例分析　102　
    6.3.2  　对比分析　104　
    6.3.3  　参数分析　107　
  6.4  　本章小结　108　
第7章  　面向软标签数据的置信关联规则分类　109　
  7.1  　引言　109　
  7.2  　不精确类关联规则　110　
    7.2.1  　不精确类关联规则结构　110　
    7.2.2  　软标签数据支持度与置信度定义　111　
  7.3  　基于关联规则的软标签数据分类　112　
    7.3.1  　基于熵的软标签数据自适应模糊划分　114　
    7.3.2  　不精确类关联规则挖掘　117　
    7.3.3  　规则削减　121　
    7.3.4  　软标签下的置信推理分类　122　
  7.4  　实验分析　123　
    7.4.1  　标准数据集测试　123　
    7.4.2  　面部表情识别应用　128　
  7.5  　本章小结　130　
第8章  　基于置信规则推理的编队目标识别　131　
  8.1  　引言　131　
  8.2  　置信规则推理方法描述　132　
    8.2.1  　基于证据推理算法的置信规则推理　132　
    8.2.2  　置信规则库参数学习　134　
  8.3  　基于置信规则推理的航母编队识别　134　
    8.3.1  　航母编队识别置信规则库构建　135　
    8.3.2  　基于多层置信规则库的推理　137　
    8.3.3  　置信规则库参数学习　137　
  8.4  　实验分析　
  8.5  　本章小结　139　
第9章  　基于置信关联规则的多框架融合目标识别　141　
  9.1  　引言　141　
  9.2  　多框架置信关联规则挖掘　142　
    9.2.1  　多框架置信数据库构建　142　
    9.2.2  　多框架置信数据库下支持度与置信度定义　143　
    9.2.3  　多框架置信数据库规则挖掘　145　
  9.3  　多框架融合目标识别　147　
    9.3.1  　总体框架　147　
    9.3.2  　框架中各模块的具体实现过程　148　
    9.3.3  　计算复杂度分析　152　
  9.4  　实验分析　153　
    9.4.1  　问题描述　153　
    9.4.2  　算法实现　154　
    9.4.3  　对比分析　157　
    9.4.4  　参数分析　161　
    9.4.5  　运行时间分析　163　
  9.5  　本章小结　164　
第10章  　考虑可靠性与重要性的广义决策融合目标威胁评估　165　
  10.1  　引言　165　
  10.2  　证据的可靠性与重要性定义　166　
    10.2.1  　证据的可靠性定义　166　
    10.2.2  　证据的重要性定义　167　
  10.3  　不确定多属性决策融合算法分析　169　
    10.3.1  　置信函数框架下的问题表示　169　
    10.3.2  　基于证据推理算法的多属性决策融合方法　170　
    10.3.3  　基于证据可靠性的原始证据推理算法分析　173　
    10.3.4  　基于证据重要性的修正证据推理算法分析　174　
    10.3.5  　合成公理分析　176　
  10.4  　综合考虑属性可靠性与重要性的广义证据推理算法　178　
    10.4.1  　证据的可靠性–重要性折扣运算　178　
    10.4.2  　广义证据推理算法　178　
  10.5  　综合考虑属性可靠性与重要性的战略预警系统目标威胁评估　180　
    10.5.1  　问题描述　180　
    10.5.2  　属性评估量化及可靠度与重要度计算　
    10.5.3  　仿真分析　183　
  10.6  　本章小结　186　
参考文献　188　
编后记