基于粒度和概念格的知识发现模型研究
| 绪言 | 第1-16页 |
| 1 本文的主要工作 | 第13-14页 |
| 2 本文的内容与组织 | 第14-16页 |
| 第一章 数据库知识发现和数据挖掘 | 第16-24页 |
| ·KDD的产生与发展 | 第16-17页 |
| ·KDD的处理过程模型 | 第17-18页 |
| ·KDD与认知心理学 | 第18-19页 |
| ·DM的任务和方法 | 第19-21页 |
| ·DM的任务 | 第19-20页 |
| ·DM的方法 | 第20-21页 |
| ·DM与联机分析处理 | 第21-22页 |
| ·联机分析处理 | 第21页 |
| ·DM与OLAP区别 | 第21-22页 |
| ·DM的挑战 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第二章 概念格及其扩展模型 | 第24-35页 |
| ·形式概念分析 | 第24-25页 |
| ·概念格模型 | 第25-31页 |
| ·概念格的定义和基本术语 | 第25-26页 |
| ·概念格的构造算法 | 第26-30页 |
| ·基于概念格的规则提取 | 第30-31页 |
| ·扩展概念格的模型 | 第31-34页 |
| ·扩展概念格的定义和基本术语 | 第31-32页 |
| ·扩展概念格的构造算法 | 第32页 |
| ·基于扩展概念格的规则提取 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 粒计算理论 | 第35-44页 |
| ·粒计算起源 | 第35-36页 |
| ·什么是粒计算 | 第36-38页 |
| ·粒计算的定义 | 第36页 |
| ·粒计算的基本成分 | 第36-38页 |
| ·粒计算基本问题 | 第38-39页 |
| ·现有的几种主要粒计算模型 | 第39-42页 |
| ·基于模糊集合论的词计算模型 | 第39-40页 |
| ·基于粗糙集理论的粒计算模型 | 第40-41页 |
| ·基于商空间的粒度计算模型 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 变粒度下概念格生成 | 第44-53页 |
| ·格论、序论中的基本定义 | 第44页 |
| ·基于GALOIS联系的粒描述 | 第44-47页 |
| ·Galois联系 | 第44-45页 |
| ·基于Galois联系的粒描述 | 第45-47页 |
| ·粒度的描述 | 第47页 |
| ·变粒度下格中节点的变化 | 第47-48页 |
| ·变粒度下概念格动态转化算法DTL | 第48-50页 |
| ·实验结果及时空性能比较 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 基于粒度和概念格的知识发现 | 第53-66页 |
| ·单值属性的形式背景 | 第53页 |
| ·多值属性的形式背景 | 第53-54页 |
| ·基于多粒度属性的形式背景 | 第54-57页 |
| ·粒度结构的表示 | 第57-64页 |
| ·相关研究 | 第57-60页 |
| ·粒度层次的表示 | 第60-64页 |
| ·基于粒度变化和概念格的知识发现模型 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 结束语 | 第66-68页 |
| ·总结 | 第66页 |
| ·进一步的研究工作 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 研究生期间发表论文 | 第72页 |
