| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文的工作 | 第12页 |
| 1.4 论文结构 | 第12-13页 |
| 第2章 粗糙集和形式概念分析的基本理论 | 第13-26页 |
| 2.1 粗糙集理论概念 | 第13-19页 |
| 2.1.1 知识与信息系统 | 第13-15页 |
| 2.1.2 粗糙集理论基本定义 | 第15-17页 |
| 2.1.3 多知识 | 第17-19页 |
| 2.2 形式概念分析基本概念 | 第19-24页 |
| 2.2.1 单值属性的形式背景 | 第19-20页 |
| 2.2.2 多值属性的形式背景 | 第20-22页 |
| 2.2.3 形式概念和Hasse图 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 循环多约简及其形式概念分析算法 | 第26-46页 |
| 3.1 整体算法的设计思路 | 第26页 |
| 3.2 循环多约简算法 | 第26-31页 |
| 3.2.1 简化表的快速计算法 | 第26-28页 |
| 3.2.2 基于简表的循环多约简算法 | 第28-29页 |
| 3.2.3 基于简表的与基于原表的循环多约简算法比较 | 第29-31页 |
| 3.3 概念格的构造及其规则处理算法 | 第31-34页 |
| 3.3.1 概念格构造方法 | 第31-32页 |
| 3.3.2 概念格规则提取 | 第32-34页 |
| 3.4 知识冲突的处理算法 | 第34-38页 |
| 3.5 基于粗糙集多约简及其形式概念算法设计及仿真实验 | 第38-45页 |
| 3.5.1 基于粗糙集多约简及其形式概念算法设计 | 第38-40页 |
| 3.5.2 UCI数据仿真实验 | 第40-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 多知识抽取在脑认知中的应用 | 第46-69页 |
| 4.1 实验背景 | 第46-47页 |
| 4.1.1 实验对象及其条件 | 第46-47页 |
| 4.1.2 实验流程 | 第47页 |
| 4.2 脑数据预处理 | 第47-51页 |
| 4.3 算法在脑数据中的应用 | 第51-65页 |
| 4.3.1 脑数据的约简结果 | 第51-53页 |
| 4.3.2 决策值为图像的知识处理 | 第53-58页 |
| 4.3.3 决策值为中文的知识处理 | 第58-61页 |
| 4.3.4 决策值为英文的知识处理 | 第61-65页 |
| 4.4 实验结果及分析 | 第65-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 论文总结 | 第69页 |
| 5.2 下一步工作展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读学位期间公开发表论文 | 第76-77页 |
| 致谢 | 第77页 |