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 國內外研究現(xiàn)狀分析 2
1.2 經典概念格 5
1.2.1 概念格的基本概念 5
1.2.2 概念格的結構特征 6
1.3 擴展概念格 10
1.3.1 加權概念格 10
1.3.2 隨機概念格 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 關聯(lián)規(guī)則挖掘 20
1.4.1 經典關聯(lián)規(guī)則理論 20
1.4.2 基于概念格的關聯(lián)規(guī)則挖掘 21
1.5 本章小結 22
第2章 區(qū)間概念格的結構與性質 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構 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 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 30
第3章 區(qū)間概念格的構造算法與實現(xiàn) 31
3.1 問題的提出 31
3.2 概念格的構造算法 31
3.2.1 批處理構造算法 31
3.2.2 漸進式構造算法 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式構造算法 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 算法設計 52
3.4.3 算法分析 54
3.5 實例驗證 55
3.6 本章小結 58
第4章 區(qū)間概念格的動態(tài)壓縮 59
4.1 問題的提出 59
4.2 概念格的屬性約簡 59
4.2.1 基于可辨識屬性矩陣的屬性約簡 59
4.2.2 基于區(qū)分函數(shù)的屬性約簡 63
4.2.3 基于概念格同構下的屬性約簡 64
4.3 基于覆蓋的區(qū)間概念格動態(tài)壓縮 66
4.3.1 動態(tài)壓縮原理 66
4.3.2 動態(tài)壓縮算法模型 69
4.3.3 實例驗證 70
4.4 本章小結 74
第5章 區(qū)間概念格的動態(tài)維護 75
5.1 問題的提出 75
5.2 概念格維護方法 75
5.2.1 基于屬性鏈表的概念格的縱向維護算法 76
5.2.2 基于屬性鏈表的概念格的橫向維護算法 79
5.3 區(qū)間概念格的動態(tài)維護原理 84
5.3.1 縱向維護原理 84
5.3.2 橫向維護原理 85
5.4 區(qū)間概念格的動態(tài)維護算法 87
5.4.1 算法設計 88
5.4.2 算法分析 90
5.4.3 實例驗證 91
5.5 本章小結 95
第6章 多區(qū)間概念格的動態(tài)合并 96
6.1 問題的提出 96
6.2 經典概念格的合并 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 算法設計 102
6.3.4 應用實例 105
6.4 區(qū)間概念格的橫向合并 107
6.4.1 動態(tài)橫向合并的基本原理 107
6.4.2 算法設計 109
6.4.3 應用實例 112
6.5 本章小結 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 概念格上關聯(lián)規(guī)則挖掘 116
7.2.1 基于概念格的關聯(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聯(lián)規(guī)則 117
7.2.3 模糊關聯(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 實例驗證 125
7.4 區(qū)間關聯(lián)規(guī)則的動態(tài)并行挖掘算法 129
7.4.1 區(qū)間關聯(lián)規(guī)則縱向合并原理 130
7.4.2 區(qū)間關聯(lián)規(guī)則動態(tài)縱向合并算法 132
7.4.3 實例分析 135
7.5 本章小結 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-模糊關聯(lián)規(guī)則 140
8.2.2 λ參數(shù)優(yōu)化 142
8.3 基于學習的區(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)間概念格結構更新 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 應用實例 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 實例驗證 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)計算方法 163
8.5.3 模型驗證 165
8.6 本章小結 168
第9章 區(qū)間概念格的應用 169
9.1 引言 169
9.2 FAHP中基于概念格的加權群體決策 169
9.2.1 概念格在FAHP聚類分析中的應用 170
9.2.2 FAHP專家權重系數(shù)的確定 171
9.2.3 應用舉例 172
9.2.4 結論 173
9.3 基于P-集合的本體形式背景抽取 173
9.3.1 形式背景的動態(tài)抽取 173
9.3.2 概念相似度計算 174
9.3.3 實驗仿真 175
9.3.4 結論 177
9.4 基于模糊概念格的氣象云圖識別關系模型及應用 177
9.4.1 兩時刻云團的屬性評估 178
9.4.2 模糊概念格的構造 180
9.4.3 云團的相同判斷 180
9.4.4 實驗結果與分析 181
9.4.5 結論 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建 187
9.5.4 基于區(qū)間三支決策空間的動態(tài)策略 187
9.5.5 應用實例 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 應用實例 194
9.7 本章小結 198
參考文獻 199