●前言
第1章 粒認知計算與粗糙集
1.1 粒認知計算
1.1.1 知識與知識發現
1.1.2 粒
1.1.3 認知計算
1.1.4 粒計算
1.2 粗糙集
1.2.1 粗糙集示例
1.2.2 基於粗糙集的知識表示
1.2.3 不確定知識與度量
1.3 變精度粗糙集
1.3.1 變精度正區域
1.3.2 變精度分布表
1.4 二型模糊粗糙集
1.4.1 模糊粗糙集
1.4.2 區間二型模糊集
1.4.3 基於高斯核的區間二型模糊粗糙集
第2章 粗糙集約簡
2.1 約簡
2.1.1 約簡預處理
2.1.2 缺失值和屬性離散化處理
2.1.3 基於信息熵的並行連續屬性離散化
2.2 基於二進制分辨矩陣的屬性約簡
2.2.1 相容決策表與不相容決策表
2.2.2 二進制分辨矩陣及其生成算法
2.2.3 基於二進制分辨矩陣的屬性約簡
2.2.4 二進制分辨矩陣動態單約簡
2.2.5 決策表屬性約簡
2.2.6 決策表值約簡
2.3 基於二進制分辨矩陣的動態多約簡算法
2.3.1 動態多約簡算法
2.3.2 與基於正區域算法對比
2.3.3 動態更新機制性能分析
2.3.4 屬性重要度權重對約簡結果的影響
第3章 群智約簡
3.1 微粒群算法
3.1.1 基本微粒群算法
3.1.2 二進制離散微粒群算法
3.1.3 微粒群算法與其他進化算法的比較
3.2 微粒群約簡算法
3.2.1 設計思路
3.2.2 不可分辨關繫計算
3.2.3 雙矩編碼方式
3.2.4 算法設計與分析
3.3 群搜索約簡算法
3.3.1 群搜索算法
3.3.2 算法設計
3.3.3 算法流程
3.4 群智約簡示例及結果
3.4.1 實例演示
3.4.2 基準數據集約簡
第4章 完備約簡
4.1 完備約簡與多知識
4.1.1 約簡的完備性
4.1.2 譜繫二叉樹結構
4.1.3 多知識繫統的完整性指標
4.2 知識的空間結構
4.2.1 完備約簡的空間結構
4.2.2 多知識的空間結構
4.2.3 知識雙層空間結構
4.3 基於譜繫二叉樹結構的完備屬性約簡
4.3.1 完備屬性約簡策略
4.3.2 分布表與屬性序
4.3.3 二值分類與譜繫樹剪枝
4.4 基於變精度粗糙集的完備屬性約簡算法
4.5 完備屬性約簡算法的性能分析
4.5.1 標準數據集測試
4.5.2 譜繫二叉樹剪枝策略的優化分析
4.5.3 與非核屬性替換策略的比較
4.5.4 與群智能優化策略的比較
第5章 模糊約簡
5.1 區間二型模糊粗糙集單約簡算法
5.2 模糊概念格及其規則提取
5.2.1 模糊概念格
5.2.2 無冗餘規則提取定理
5.2.3 模糊剪枝策略
5.3 基於模糊概念格的決策規則提取算法
5.4 屬性約簡及模糊規則提取算法實驗
5.4.1 約簡參數實驗
5.4.2 模糊約簡示例及對比分析
5.5 基於模糊約簡的規則提取示例
第6章 並行約簡
6.1 並行計算
6.1.1 集群並行計算
6.1.2 並行計算編程模型
6.1.3 並行算法的構造原則
6.1.4 並行算法的性能評價
6.2 MapReduce並行編程模型與架構
6.2.1 MapReduce並行編程模型
6.2.2 Hadoop並行框架
6.2.3 集群容錯性與分布式文件繫統
6.3 簡化決策表及其並行生成算法
6.3.1 簡化決策表
6.3.2 劃分等價類
6.3.3 基於MapReduce的簡化決策表並行生成算法
6.4 二進制分辨矩陣並行生成算法
6.4.1 算法的預加載過程及矩陣行編號
6.4.2 基於MapReduce的二進制分辨矩陣並行生成算法
6.5 並行屬性約簡算法
6.5.1 並行核屬性求解算法
6.5.2 基於MapReduce的並行屬性約簡算法
6.5.3 基於MapReduce的並行屬性循環多約簡算法
6.5.4 算法實現優化
6.6 正區域並行屬性多約簡算法
6.6.1 簡化決策表並行生成算法
6.6.2 基於簡表的正區域並行多約簡算法
6.6.3 正區域並行多約簡算法實例分析
第7章 規則提取
7.1 形式概念分析基本概念
7.1.1 單值屬性的形式背景
7.1.2 多值屬性的形式背景
7.1.3 形式概念和哈斯圖
7.2 概念格的構造及其規則處理算法
7.2.1 概念格構造方法
7.2.2 概念格規則提取
7.2.3 知識衝突的處理算法
7.3 形式概念算法設計及仿真實驗
7.3.1 形式概念算法設計
7.3.2 基準數據集仿真實驗
7.4 基於屬性約簡的知識抽取和結構
7.4.1 多知識抽取框架
7.4.2 基於多知識繫統的知識空間結構
第8章 粒遷移學習
8.1 粒遷移學
8.2 基於數據集結構信息的粒遷移學習
8.2.1 特征粒度與負遷移問題
8.2.2 數據集結構信息的區間粒化
8.2.3 區間二型模糊隱馬爾可夫模型
8.3 基於對應關繫的粒遷移學習
8.3.1 對應關繫中特征映射的粒度
8.3.2 基於對應關繫的粒遷移學習方法
……

本書介紹了粒認知計算。內容主要有粒認知計算與粗糙集、約簡方法、深度架構、應用示例四個部分，其中粒與粗糙集包括粗糙集、變精度粗糙集、二型模糊粗糙集，約簡方法包括約簡、多約簡、群智約簡、完備約簡、並行約簡；深度架構包括粒遷移學習、集成多知識；應用示例有暴力犯罪分析、序列標注、腦認知分析等實際場景。
本書可作為理工科本科生、研究生粒認知計算、數據挖掘、知識發現課程的輔助教材或參考書，也可作為科技人員粒認知計算的參考手冊。