| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文的研究内容 | 第19-22页 |
| 1.4 本文的组织结构 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第二章 形式概念分析与概念格研究概述 | 第24-35页 |
| 2.1 形式概念分析中的主要概念 | 第24-26页 |
| 2.2 形式概念分析的应用 | 第26-29页 |
| 2.2.1 形式概念分析在数据挖掘中的应用 | 第26-27页 |
| 2.2.2 形式概念分析在本体研究中的应用 | 第27页 |
| 2.2.3 形式概念分析在Web语义检索中的应用 | 第27-28页 |
| 2.2.4 形式概念分析在软件工程方面的应用 | 第28-29页 |
| 2.3 概念格的主要构造算法 | 第29-32页 |
| 2.3.1 批处理构造算法 | 第29-30页 |
| 2.3.2 渐进式构造算法 | 第30-31页 |
| 2.3.3 分布式构造算法 | 第31-32页 |
| 2.4 概念格属性约简 | 第32-33页 |
| 2.5 概念格的扩展模型 | 第33-34页 |
| 2.5.1 模糊概念格 | 第33页 |
| 2.5.2 粗糙概念格 | 第33-34页 |
| 2.5.3 量化概念格 | 第34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 模糊概念格的构造算法研究 | 第35-77页 |
| 3.1 模糊集理论 | 第35-39页 |
| 3.1.1 模糊集概述 | 第35-36页 |
| 3.1.2 模糊集合的基本运算 | 第36-39页 |
| 3.1.3 模糊集的截集 | 第39页 |
| 3.2 模糊概念格理论 | 第39-43页 |
| 3.2.1 模糊概念格概述 | 第39-40页 |
| 3.2.2 模糊概念格的可视化 | 第40-41页 |
| 3.2.3 模糊概念格中的概念节点 | 第41-42页 |
| 3.2.4 模糊概念节点的运算 | 第42-43页 |
| 3.3 基于对象的渐进式构造模糊概念格的算法 | 第43-56页 |
| 3.3.1 基于对象的渐进式构造精确概念格的算法概述 | 第43-45页 |
| 3.3.2 基于对象的渐进式构造模糊概念格的算法原理与步骤 | 第45-47页 |
| 3.3.3 基于对象的渐进式构造模糊概念格的实例研究 | 第47-50页 |
| 3.3.4 在模糊概念格中插入对象的实例研究 | 第50-55页 |
| 3.3.5 实验结果 | 第55-56页 |
| 3.4 基于属性的渐进式构造模糊概念格的算法 | 第56-70页 |
| 3.4.1 基于属性的模糊概念格概述 | 第56-58页 |
| 3.4.2 基于属性的渐进式构造精确概念格的算法概述 | 第58-59页 |
| 3.4.3 基于属性的渐进式构造模糊概念格的算法原理与步骤 | 第59-62页 |
| 3.4.4 基于属性的渐进式构造模糊概念格的实例研究 | 第62-65页 |
| 3.4.5 在模糊概念格中插入属性的实例研究 | 第65-70页 |
| 3.5 在基于属性的模糊概念格中插入对象的算法 | 第70-76页 |
| 3.5.1 算法的基本思路与步骤 | 第70-71页 |
| 3.5.2 更新节点的方法 | 第71-72页 |
| 3.5.3 对新增节点计算其直接父节点的方法 | 第72-73页 |
| 3.5.4 临时新增的直接父节点Temp的计算方法 | 第73-74页 |
| 3.5.5 在模糊概念格中查找节点的方法 | 第74页 |
| 3.5.6 在基于属性的模糊概念格中插入对象的实例研究 | 第74-76页 |
| 3.6 本章小结 | 第76-77页 |
| 第四章 基于模糊概念格的智能疾病诊断 | 第77-89页 |
| 4.1 智能诊断方法简介 | 第77-78页 |
| 4.2 基于疾病的模糊概念格 | 第78-80页 |
| 4.2.1 基于疾病的模糊形式背景 | 第78-80页 |
| 4.2.2 一种基于疾病的模糊概念格 | 第80页 |
| 4.3 基于模糊概念格的智能疾病诊断 | 第80-87页 |
| 4.3.1 概念节点之间的相似度 | 第80-81页 |
| 4.3.2 概念节点与概念格之间的相似度 | 第81-82页 |
| 4.3.3 概念格之间的相似度 | 第82-83页 |
| 4.3.4 基于模糊概念格的智能疾病诊断方法 | 第83-87页 |
| 4.4 实验结果 | 第87-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第五章 一种基于概念格的个性化推荐系统 | 第89-109页 |
| 5.1 相关研究综述 | 第89-95页 |
| 5.1.1 个性化推荐系统 | 第89-90页 |
| 5.1.2 关联规则挖掘 | 第90-92页 |
| 5.1.3 基于概念格的关联规则挖掘 | 第92-94页 |
| 5.1.4 协同过滤推荐 | 第94-95页 |
| 5.2 一种基于概念格的个性化推荐系统 | 第95-97页 |
| 5.3 基于关联规则的推荐算法 | 第97-101页 |
| 5.3.1 用户对影视节目的评分的形式背景和概念格的构造 | 第97-99页 |
| 5.3.2 基于概念格进行关联规则挖掘 | 第99-100页 |
| 5.3.3 基于关联规则的个性化推荐 | 第100-101页 |
| 5.4 基于概念格的影视节目协同过滤推荐方法 | 第101-106页 |
| 5.4.1 计算可能的最近邻居范围 | 第101-102页 |
| 5.4.2 计算目标用户的共同评分项 | 第102-103页 |
| 5.4.3 计算相似度和确定最近邻居 | 第103-105页 |
| 5.4.4 计算协同过滤推荐值 | 第105-106页 |
| 5.5 实验结果 | 第106-107页 |
| 5.6 本章小结 | 第107-109页 |
| 第六章 基于模糊概念格的关联规则挖掘和更新 | 第109-121页 |
| 6.1 基于模糊概念格的关联规则挖掘方法 | 第109-113页 |
| 6.1.1 用户评分的模糊形式背景 | 第109-110页 |
| 6.1.2 基于用户评分的模糊概念格的构造 | 第110-112页 |
| 6.1.3 基于模糊概念格进行关联规则挖掘 | 第112-113页 |
| 6.2 在模糊概念格中插入属性时关联规则的更新 | 第113-119页 |
| 6.2.1 算法的原理与步骤 | 第114-115页 |
| 6.2.2 在模糊概念格中插入属性时关联规则更新的实例研究 | 第115-119页 |
| 6.3 实验结果 | 第119-120页 |
| 6.4 本章小结 | 第120-121页 |
| 总结与展望 | 第121-124页 |
| 参考文献 | 第124-141页 |
| 攻读博士学位期间取得的研究成果 | 第141-143页 |
| 致谢 | 第143-144页 |
| 附件 | 第144页 |
