目錄
前言
第1章 緒論 1
1.1 研究背景及目的意義 1
1.1.1 研究意義 1
1.1.2 國內(nèi)外研究現(xiàn)狀分析 2
1.2 經(jīng)典概念格 5
1.2.1 概念格的基本概念 5
1.2.2 概念格的結(jié)構(gòu)特征 6
1.3 擴(kuò)展概念格 10
1.3.1 加權(quán)概念格 10
1.3.2 隨機(jī)概念格 10
1.3.3 模糊概念格 12
1.3.4 粗糙概念格 13
1.3.5 區(qū)間值屬性概念格 14
1.3.6 P-概念格 15
1.3.7 幾種概念格的比較研究 19
1.4 關(guān)聯(lián)規(guī)則挖掘 20
1.4.1 經(jīng)典關(guān)聯(lián)規(guī)則理論 20
1.4.2 基于概念格的關(guān)聯(lián)規(guī)則挖掘 21
1.5 本章小結(jié) 22
第2章 區(qū)間概念格的結(jié)構(gòu)與性質(zhì) 23
2.1 區(qū)間概念格的提出 23
2.2 區(qū)間概念格的定義及其結(jié)構(gòu) 23
2.2.1 區(qū)間概念格的定義 23
2.2.2 區(qū)間概念的度量 24
2.3 區(qū)間概念格的性質(zhì) 26
2.4 決策區(qū)間概念格 28
2.4.1 基本概念 28
2.4.2 決策區(qū)間規(guī)則 29
2.5 本章小結(jié) 30
第3章 區(qū)間概念格的構(gòu)造算法與實(shí)現(xiàn) 31
3.1 問題的提出 31
3.2 概念格的構(gòu)造算法 31
3.2.1 批處理構(gòu)造算法 31
3.2.2 漸進(jìn)式構(gòu)造算法 33
3.2.3 粗糙概念格的分層建格算法 36
3.2.4 基于屬性鏈表的概念格漸進(jìn)式構(gòu)造算法 39
3.3 基于屬性集合冪集的區(qū)間概念抽取 50
3.3.1 屬性集合冪集 50
3.3.2 區(qū)間概念抽取 50
3.3.3 基于屬性集合冪集的區(qū)間概念抽取方法 50
3.4 基于屬性集合冪集的建格算法 51
3.4.1 算法思想 51
3.4.2 算法設(shè)計(jì) 52
3.4.3 算法分析 54
3.5 實(shí)例驗(yàn)證 55
3.6 本章小結(jié) 58
第4章 區(qū)間概念格的動(dòng)態(tài)壓縮 59
4.1 問題的提出 59
4.2 概念格的屬性約簡(jiǎn) 59
4.2.1 基于可辨識(shí)屬性矩陣的屬性約簡(jiǎn) 59
4.2.2 基于區(qū)分函數(shù)的屬性約簡(jiǎn) 63
4.2.3 基于概念格同構(gòu)下的屬性約簡(jiǎn) 64
4.3 基于覆蓋的區(qū)間概念格動(dòng)態(tài)壓縮 66
4.3.1 動(dòng)態(tài)壓縮原理 66
4.3.2 動(dòng)態(tài)壓縮算法模型 69
4.3.3 實(shí)例驗(yàn)證 70
4.4 本章小結(jié) 74
第5章 區(qū)間概念格的動(dòng)態(tài)維護(hù) 75
5.1 問題的提出 75
5.2 概念格維護(hù)方法 75
5.2.1 基于屬性鏈表的概念格的縱向維護(hù)算法 76
5.2.2 基于屬性鏈表的概念格的橫向維護(hù)算法 79
5.3 區(qū)間概念格的動(dòng)態(tài)維護(hù)原理 84
5.3.1 縱向維護(hù)原理 84
5.3.2 橫向維護(hù)原理 85
5.4 區(qū)間概念格的動(dòng)態(tài)維護(hù)算法 87
5.4.1 算法設(shè)計(jì) 88
5.4.2 算法分析 90
5.4.3 實(shí)例驗(yàn)證 91
5.5 本章小結(jié) 95
第6章 多區(qū)間概念格的動(dòng)態(tài)合并 96
6.1 問題的提出 96
6.2 經(jīng)典概念格的合并 97
6.2.1 概念格合并的基本概念和定理 97
6.2.2 經(jīng)典概念格的合并算法 98
6.3 區(qū)間概念格的縱向合并 99
6.3.1 基本概念 99
6.3.2 縱向合并的基本原理 100
6.3.3 算法設(shè)計(jì) 102
6.3.4 應(yīng)用實(shí)例 105
6.4 區(qū)間概念格的橫向合并 107
6.4.1 動(dòng)態(tài)橫向合并的基本原理 107
6.4.2 算法設(shè)計(jì) 109
6.4.3 應(yīng)用實(shí)例 112
6.5 本章小結(jié) 115
第7章 區(qū)間概念格的帶參數(shù)規(guī)則挖掘 116
7.1 問題的提出 116
7.2 概念格上關(guān)聯(lián)規(guī)則挖掘 116
7.2.1 基于概念格的關(guān)聯(lián)規(guī)則挖掘算法 116
7.2.2 從量化概念格中挖掘無冗余關(guān)聯(lián)規(guī)則 117
7.2.3 模糊關(guān)聯(lián)規(guī)則的挖掘算法 118
7.3 區(qū)間概念格帶參規(guī)則挖掘 122
7.3.1 區(qū)間關(guān)聯(lián)規(guī)則及度量 122
7.3.2 帶參規(guī)則挖掘算法 124
7.3.3 實(shí)例驗(yàn)證 125
7.4 區(qū)間關(guān)聯(lián)規(guī)則的動(dòng)態(tài)并行挖掘算法 129
7.4.1 區(qū)間關(guān)聯(lián)規(guī)則縱向合并原理 130
7.4.2 區(qū)間關(guān)聯(lián)規(guī)則動(dòng)態(tài)縱向合并算法 132
7.4.3 實(shí)例分析 135
7.5 本章小結(jié) 139
第8章 區(qū)間概念格的參數(shù)優(yōu)化 140
8.1 問題的提出 140
8.2 模糊概念格的參數(shù)選擇及優(yōu)化 140
8.2.1 模糊概念格的λ-模糊關(guān)聯(lián)規(guī)則 140
8.2.2 λ參數(shù)優(yōu)化 142
8.3 基于學(xué)習(xí)的區(qū)間概念格參數(shù)優(yōu)化 149
8.3.1 基于參數(shù)變化的區(qū)間概念格結(jié)構(gòu)更新 149
8.3.2 區(qū)間概念格的參數(shù)優(yōu)化算法 153
8.3.3 模型分析 154
8.3.4 應(yīng)用實(shí)例 154
8.4 基于遺傳算法的區(qū)間參數(shù)優(yōu)化 157
8.4.1 優(yōu)化思想 157
8.4.2 優(yōu)化算法 157
8.4.3 算法分析 160
8.4.4 實(shí)例驗(yàn)證 161
8.5 基于信息熵的區(qū)間參數(shù)優(yōu)化方法 163
8.5.1 信息熵與信息量 163
8.5.2 基于信息熵的區(qū)間參數(shù)計(jì)算方法 163
8.5.3 模型驗(yàn)證 165
8.6 本章小結(jié) 168
第9章 區(qū)間概念格的應(yīng)用 169
9.1 引言 169
9.2 FAHP中基于概念格的加權(quán)群體決策 169
9.2.1 概念格在FAHP聚類分析中的應(yīng)用 170
9.2.2 FAHP專家權(quán)重系數(shù)的確定 171
9.2.3 應(yīng)用舉例 172
9.2.4 結(jié)論 173
9.3 基于P-集合的本體形式背景抽取 173
9.3.1 形式背景的動(dòng)態(tài)抽取 173
9.3.2 概念相似度計(jì)算 174
9.3.3 實(shí)驗(yàn)仿真 175
9.3.4 結(jié)論 177
9.4 基于模糊概念格的氣象云圖識(shí)別關(guān)系模型及應(yīng)用 177
9.4.1 兩時(shí)刻云團(tuán)的屬性評(píng)估 178
9.4.2 模糊概念格的構(gòu)造 180
9.4.3 云團(tuán)的相同判斷 180
9.4.4 實(shí)驗(yàn)結(jié)果與分析 181
9.4.5 結(jié)論 183
9.5 基于區(qū)間概念格的三支決策空間模型 183
9.5.1 問題的提出 183
9.5.2 基于區(qū)間概念的三支決策 184
9.5.3 區(qū)間三支決策空間的構(gòu)建 187
9.5.4 基于區(qū)間三支決策空間的動(dòng)態(tài)策略 187
9.5.5 應(yīng)用實(shí)例 188
9.6 基于決策區(qū)間概念格的粗糙控制模型 190
9.6.1 問題的提出 190
9.6.2 決策區(qū)間概念格的構(gòu)建 191
9.6.3 決策區(qū)間規(guī)則挖掘算法 191
9.6.4 粗糙控制決策區(qū)間規(guī)則挖掘 192
9.6.5 應(yīng)用實(shí)例 194
9.7 本章小結(jié) 198
參考文獻(xiàn) 199