第一章 绪论 1
1.1课题研究的目的和意义 1
1.2国内外研究概况 1
1.3论文的主要研究内容 2
第二章 概念格和模糊集基本理论 4
2.1概念格基本理论 4
2.1.1基本定义 4
2.1.2概念定标与逻辑定标 5
2.1.3概念知识处理 5
2.1.4概念格结构在计算机各领域的应用 6
2.2模糊集理论 8
2.2.1模糊集分解理论 9
2.2.2模糊集扩展定理 9
第三章 模糊概念格模型及其构造 11
3.1引言 11
3.1.1 Karl Erich Wolff的模糊概念表示 11
3.1.2 Burusco计算L_模糊概念格的方法 15
3.1.3 RALAMBONDRAINY的模糊信息表示 17
3.1.4 GIRARD和Heari RALAMBONDRAINY的模糊格法 18
3.2模糊概念格数学模型 22
3.3模糊概念格的构造算法 25
3.4实验及分析 29
3.5小结 31
第四章 基于模糊概念格的模糊关联规则提取算法研究 33
4.1引言 33
4.1.1内涵缩减的定义及性质 34
4.1.2族集的最小覆盖 36
4.1.3计算族集最小覆盖集算法 37
4.1.4计算内涵缩减集 37
4.1.5基于内涵缩减的规则提取 38
4.2基于健壮节点对的模糊关联规则生成 38
4.2.1模糊参数E、δ 39
4.2.2模糊关联规则形式定义 39
4.3模糊关联规则生成算法及实验分析 39
4.3.1基于健壮节点对的提取算法 39
4.3.2基于内涵缩减的提取算法 45
4.4模糊规则提取在TSP度量模型中的应用 48
4.4.1数据处理 49
4.4.2规则挖掘的结果及评估 51
4.5小结 52
第五章 分布式模糊概念格模型及构造算法 53
5.1引言 53
5.2分布式模糊概念格模型 53
5.3基于模糊概念子格的并运算 54
5.4基于分布式构造模糊概念格的模糊参数计算 56
5.5分布式构造模糊概念格算法及实验 58
5.5.1基本思想 58
5.5.2并运算算法伪码 60
5.5.3分布式构造模糊概念格算法伪码 60
5.5.4实验及分析 62
5.6小结 64
第六章 模糊概念格在聚类中的应用 66
6.1基于模糊概念格的聚类 66
6.1.1数据挖掘中的主要聚类方法 66
6.1.2 Pollant的基于对象相似度的聚类方法 68
6.1.3基于概念距离的聚类方法 71
6.1.4模糊本体生成 74
6.2.小结 76
第七章 结束语 77
7.1论文主要贡献 77
7.2进一步工作 78
图表附录 79
参考文献 81
致谢 94