软计算原理与实现

本书阐述了数据挖掘、软计算技术的发展状况，重点介绍了其采用的技术和方法，同时对各种方法进行了比较，并以几种方法为例，介绍了它们的思想及其在数据挖掘中的应用。另外，本书还阐述了基于Agent技术的智能数据挖掘系统模型的总体结构，介绍了常用的知识表示方法；讨论了数据挖掘中的小波神经网络方法，概述了基于WWW的数据挖掘和文本挖掘，介绍了分类、聚类分析的常用算法，并且给出了部分算法的算法实现，可为数据挖掘领域的研究生及相关技术人员提供参考。

这是一本全面而深入地介绍数据挖掘和软计算技术的著作。书中首先对数据挖掘技术与系统模型进行了概述，详细阐述了数据挖掘技术的分类、系统模型的结构以及数据挖掘过程中的关键技术。接着，书中详细介绍了数据、信息、模式的定义，为理解知识发现提供了基础。 在KDD过程及目标部分，书中描述了从大量数据中提取出有用信息的过程，这个过程通常包括数据准备、数据选择、数据预处理、数据缩减、确定KDD的目标、确定知识发现算法、数据挖掘、模式解释和知识评价等多个步骤。 书中还讨论了智能信息系统的需求与挑战，以及一阶谓词逻辑表示法，这些都是知识表示的重要手段。书中还详细介绍了基于软计算的知识表示方法，为人工智能领域提供了一种处理复杂、模糊、不确定和不完全知识的有效途径。 此外，书中还详细阐述了中英文WWW搜索引擎的结构，包括WWW内容挖掘、WWW访问信息挖掘和WWW结构挖掘。书中还详细介绍了聚类分析的定义与应用领域，以及k-平均值算法的应用及局限性。 在数据分类概述与分类规则挖掘部分，书中介绍了决策树的概念与结构，以及Multi-Agent技术的特性。书中还详细介绍了数据挖掘Agent功能描述，以及文本挖掘