第1章 动态模糊逻辑 1
1.1 一阶动态模糊逻辑 1
1.2 谱分析方法 5
1.2.1 DF命题逻辑谱分析方法 5
1.2.2 DF谓词逻辑的谱分析方法 5
1.3 二阶动态模糊逻辑系统 6
1.3.1 二阶逻辑简介 6
1.3.2 二阶动态模糊逻辑语法 7
1.3.3 二阶动态模糊逻辑的语义 9
1.3.4 二阶动态模糊逻辑演算系统 15
1.3.5 二阶动态模糊逻辑谓词演算归结推理 18
1.3.6 真值域的谱分析方法 22
1.4 二阶动态模糊逻辑演算推理系统模型 24
1.4.1 一阶动态模糊逻辑演算推理系统 24
1.4.2 二阶动态模糊逻辑演算推理系统 28
1.5 应用 32
1.5.1 二阶动态模糊逻辑实例系统 33
1.5.2 实例演算 35
1.6 本章小节 40
参考文献 40
第2章 动态模糊逻辑程序设计语言的操作语义模型 43
2.1 动态模糊逻辑程序设计语言的基础理论 43
2.2 操作语义 43
2.2.1 操作语义的研究历史 43
2.2.2 结构化操作语义 44
2.3 DFL的λ演算描述 44
2.3.1 传统的λ演算 44
2.3.2 变形传统的λ演算 47
2.3.3 动态模糊命题的λ演算描述 49
2.3.4 动态模糊谓词的λ演算描述 50
2.4 动态模糊逻辑程序设计语言的语法 50
2.4.1 监督命令程序结构 51
2.4.2 动态模糊逻辑程序设计语言的抽象语法 51
2.5 动态模糊逻辑程序设计语言的操作语义模型 52
2.5.1 动态模糊逻辑程序设计语言的操作语义模型结构 52
2.5.2 动态模糊逻辑程序设计语言的数据类型的操作语义 55
2.6 动态模糊逻辑程序设计语言的框架 59
2.6.1 处理对象的动态模糊化 60
2.6.2 类型的动态模糊化 62
2.6.3 语句的动态模糊化 62
2.7 动态模糊逻辑程序设计语言的应用 64
2.7.1 应用实例 64
2.7.2 程序的执行过程 66
2.8 验证 67
2.8.1 正确性验证 67
2.8.2 可靠性验证 70
2.9 本章小节 74
参考文献 74
第3章 动态模糊逻辑程序设计语言的代数语义模型 78
3.1 引言 78
3.1.1 动态模糊逻辑程序设计语言研究现状 78
3.1.2 问题提出 79
3.2 动态模糊逻辑程序设计语言的范畴描述 81
3.2.1 动态模糊逻辑程序设计语言理论基础 81
3.2.2 动态模糊逻辑程序设计语言范畴模型 83
3.3 DFL程序设计语言的代数语义模型 91
3.3.1 抽象数据类型 91
3.3.2 动态模糊逻辑的DF∑代数 92
3.3.3 DFL程序设计语言的极限代数语义 96
3.3.4 DFL程序设计语言函子的伴随语义 99
3.3.5 DFL程序设计语言的Monad结构代数 102
3.3.6 DFL程序设计语言的加法范畴语义 104
3.3.7 DFL程序设计语言的指称语义 105
3.4 DFL程序设计语言的代数拓展语义 107
3.4.1 预备知识 107
3.4.2 动态模糊层的定义 108
3.4.3 DFL程序设计语言代数拓展语义的基本原理 110
3.4.4 动态模糊层范畴的性质 110
3.4.5 动态模糊层范畴操作 112
3.5 实例分析 115
3.5.1 问题描述 115
3.5.2 程序实现 117
3.5.3 程序分析 118
3.6 本章小节 119
参考文献 120
第4章 基于动态模糊集的概念学习 123
4.1 动态模糊集和概念学习的关系 123
4.2 DF概念的表示模型 123
4.3 DF概念学习空间模型 124
4.3.1 DF概念学习的序模型 124
4.3.2 DF概念学习计算模型 127
4.3.3 DF实例空间降维模型 130
4.3.4 DF属性空间降维模型 131
4.4 基于DF格的概念学习模型 133
4.4.1 经典概念格的构建方法 133
4.4.2 基于DFS构建格算法 135
4.4.3 DF概念格约简 137
4.4.4 DF概念规则提取 138
4.4.5 算法举例和实验分析 140
4.5 基于DFDT的概念学习模型 142
4.5.1 DF概念树与生成策略 142
4.5.2 DF概念树的生成 142
4.5.3 DF概念规则提取与匹配算法 147
4.6 应用实例与分析 148
4.6.1 基于DF概念格的人脸识别实验 148
4.6.2 UCI数据集上的数据分类实验 151
4.7 本章小节 153
参考文献 153
第5章 基于动态模糊集的半监督多任务学习 157
5.1 引言 157
5.1.1 半监督多任务学习研究综述 157
5.1.2 问题提出 160
5.2 半监督多任务学习模型 161
5.2.1 半监督学习 161
5.2.2 多任务学习 165
5.3 基于DFS的半监督多任务学习模型 170
5.3.1 动态模糊机器学习模型 170
5.3.2 动态模糊半监督学习模型 171
5.3.3 动态模糊半监督多任务学习模型 171
5.4 动态模糊半监督多任务匹配算法 173
5.4.1 动态模糊随机概率 173
5.4.2 动态模糊半监督多任务匹配算法 174
5.4.3 实例分析 178
5.5 动态模糊半监督多任务自适应学习算法 180
5.5.1 马氏距离度量 180
5.5.2 动态模糊K近邻算法 181
5.5.3 动态模糊半监督自适应学习算法 183
5.6 本章小节 191
参考文献 191
第6章 动态模糊层次关系学习 196
6.1 引言 196
6.1.1 关系学习研究进展 196
6.1.2 问题提出 199
6.2 归纳逻辑程序设计 200
6.3 动态模糊层次关系学习 201
6.3.1 动态模糊逻辑关系学习算法（DFLR） 201
6.3.2 实例分析 205
6.3.3 动态模糊矩阵层次关系学习算法（DFMHR） 207
6.3.4 实例分析 212
6.4 动态模糊树层次关系学习 214
6.4.1 动态模糊树 214
6.4.2 动态模糊树层次关系学习算法（DFTHR） 216
6.4.3 实例分析 222
6.5 动态模糊图层次关系学习 225
6.5.1 动态模糊图的基本概念 225
6.5.2 动态模糊图层次关系学习算法描述（DFGHR） 227
6.5.3 实例分析 229
6.6 实例应用与分析 230
6.6.1 问题描述 230
6.6.2 实例分析 233
6.7 本章小节 234
参考文献 235
第7章 基于DFL的软件Agent普适技术 240
7.1 引言 240
7.1.1 软件Agent普适方法概述 240
7.1.2 普适计算概述 241
7.1.3 问题的提出 242
7.2 基于DFL的软件Agent普适评估模型 243
7.2.1 软件Agent状态评估指标 243
7.2.2 软件Agent的环境 243
7.2.3 软件Agent的可信性 245
7.2.4 软件Agent的可用性 245
7.2.5 软件Agent的健壮性 245
7.2.6 基于DFL的软件Agent普适评估模型 246
7.2.7 仿真实例 258
7.3 基于DFL的软件Agent上下文感知模型 259
7.3.1 软件Agent上下文感知的概述 259
7.3.2 上下文感知结构框架的Agent模型 262
7.3.3 软件Agent上下文感知结构框架模型 268
7.4 基于DFL的软件Agent上下文任务分配 271
7.4.1 任务分配问题的相关研究 271
7.4.2 上下文任务分配问题描述 272
7.4.3 软件Agent上下文任务分配 274
7.4.4 实例应用分析 277
7.5 实例应用 279
7.5.1 应用实例场景 279
7.5.2 应用实例分析 279
7.6 本章小节 282
参考文献 282
汉英名词对照 286