| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-25页 |
| ·知识发现概述 | 第12-15页 |
| ·知识发现的重要性 | 第12页 |
| ·从数据中发现知识的过程 | 第12-14页 |
| ·知识发现的任务、方法与工具 | 第14-15页 |
| ·关联分析概述 | 第15-18页 |
| ·关联分析的基本概念 | 第15-16页 |
| ·关联规则的度量 | 第16-18页 |
| ·关联规则挖掘算法 | 第18页 |
| ·分类分析概述 | 第18-23页 |
| ·分类的定义及分类器的评价 | 第18-19页 |
| ·分类算法的种类及特性 | 第19-23页 |
| ·本文的主要工作及安排 | 第23-25页 |
| 2 AFS理论与知识图理论 | 第25-36页 |
| ·公理模糊集理论简介 | 第25-29页 |
| ·AFS代数 | 第25-28页 |
| ·AFS隶属函数 | 第28-29页 |
| ·知识图理论简介 | 第29-36页 |
| ·自然语言处理的语义模型 | 第30页 |
| ·知识图的相关概念和建立过程 | 第30-32页 |
| ·词图的相关概念 | 第32-36页 |
| 3 基于公理模糊关联规则的分类算法研究 | 第36-51页 |
| ·问题背景 | 第36-37页 |
| ·基于AFS关联规则的分类算法 | 第37-43页 |
| ·使用模糊单词对属性进行模糊化 | 第37-38页 |
| ·基于FFSEM算法和AFS隶属函数的模糊概念选择 | 第38页 |
| ·挖掘模糊关联规则 | 第38-40页 |
| ·搜索最优模糊置信度截断OT并使用OT约简规则 | 第40-42页 |
| ·使用后剪枝方法进行剪枝 | 第42-43页 |
| ·实验研究 | 第43-49页 |
| ·AFSRC同其他基于规则的分类器的比较实验 | 第43-45页 |
| ·AFSRC同其他的关联分类器的比较 | 第45-46页 |
| ·AFSRC同其他类型的的分类器的比较 | 第46-47页 |
| ·AFSRC和其他基于规则的分类器在较大数据集上的比较 | 第47页 |
| ·隶属函数的一致性 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 4 基于知识图理论和公理模糊集理论的概念研究 | 第51-65页 |
| ·概念“民主”的知识图分析 | 第51-53页 |
| ·由AFS决策树来决定词图的重要元素 | 第53-64页 |
| ·词图中重要信息的提取 | 第53-54页 |
| ·AFS模糊决策树算法 | 第54-56页 |
| ·为概念“民主”的词图构造AFS模糊决策树并提取规则 | 第56-64页 |
| ·本章小结 | 第64-65页 |
| 5 基于语义格结构的模糊规则基的稳定性研究 | 第65-78页 |
| ·问题的提出 | 第65-66页 |
| ·模糊规则基的AFS语义格结构 | 第66-68页 |
| ·模糊规则基的稳定性 | 第68-77页 |
| ·模糊规则基的语义稳定性 | 第69-74页 |
| ·分类问题的预测准确率的稳定性 | 第74-75页 |
| ·一致性隶属函数的稳定性 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 6 人体平面运动的编码和识别 | 第78-99页 |
| ·提取特征点 | 第78-79页 |
| ·为曲线编码 | 第79-88页 |
| ·对运动中的“位移”进行编码 | 第79-80页 |
| ·对运动的中“转动”进行编码 | 第80-83页 |
| ·使用0和1进行编码 | 第83-86页 |
| ·用编码描述整个运动 | 第86-88页 |
| ·两种运动的相似性 | 第88-91页 |
| ·完全相似性 | 第88-91页 |
| ·Hamming距离 | 第91页 |
| ·实验 | 第91-97页 |
| ·对一个动作进行编码 | 第92-95页 |
| ·对会议全程进行编码 | 第95-96页 |
| ·运动中的扰动 | 第96-97页 |
| ·本章小结 | 第97-99页 |
| 结论与展望 | 第99-101页 |
| 创新点摘要 | 第101-102页 |
| 参考文献 | 第102-113页 |
| 攻读博士学位期间发表的学术论文情况 | 第113-115页 |
| 致谢 | 第115-116页 |
| 作者简介 | 第116-117页 |
