基于概念格及其扩展模型的数据挖掘研究
| 第一章 序言 | 第1-22页 |
| 1．1 知识发现和数据挖掘 | 第11-17页 |
| 1．1．1 知识发现的产生原因和发展前景 | 第11-12页 |
| 1．1．2 知识发现与相关技术的异同 | 第12-13页 |
| 1．1．3 数据挖掘—知识发现的核心 | 第13-15页 |
| 1．1．4 KDD的新发展—WEB挖掘 | 第15-17页 |
| 1．2 形式概念分析概述 | 第17-20页 |
| 1．2．1 形式概念分析的起源 | 第17-18页 |
| 1．2．2 形式概念格分析主要内容 | 第18-19页 |
| 1．2．3 国内外研究现状 | 第19-20页 |
| 1．3 课题来源和内容组织 | 第20-22页 |
| 1．3．1 本文的课题来源 | 第20页 |
| 1．3．2 本文的内容组织 | 第20-22页 |
| 第二章 概念格理论基础及其在KDD中应用 | 第22-29页 |
| 2．1 概念格模型的形式化描述 | 第22-25页 |
| 2．2 概念格模型的应用成果 | 第25-26页 |
| 2．3 基于概念格模型的KDD系统框架 | 第26-28页 |
| 2．4 小结 | 第28-29页 |
| 第三章 概念格的建造算法研究 | 第29-46页 |
| 3．1 概念格构造算法概述 | 第29-33页 |
| 3．1．1 构造方法的不同 | 第29-30页 |
| 3．1．2 算法生成结果的不同 | 第30-32页 |
| 3．1．3 概念节点生成方法的讨论 | 第32-33页 |
| 3．2 基于最佳不完全覆盖快速生成概念格 | 第33-40页 |
| 3．2．1 基本原理和定义 | 第33-35页 |
| 3．2．2 生成概念节点的直接子概念 | 第35-37页 |
| 3．2．3 生成概念格图表结构 | 第37-38页 |
| 3．2．4 实验评估 | 第38-40页 |
| 3．3 相对约简格的构造方法研究 | 第40-45页 |
| 3．3．1 量化的相对约简格 | 第40-41页 |
| 3．3．2 基于属性插入的构造算法 | 第41-44页 |
| 3．3．3 算法分析与示例 | 第44-45页 |
| 3．4 小结 | 第45-46页 |
| 第四章 基于概念格框架的聚类分析研究 | 第46-67页 |
| 4．1 引言 | 第46-47页 |
| 4．2 概念聚类方法 | 第47-51页 |
| 4．2．1 概念分层结构 | 第47-50页 |
| 4．2．2 概念聚类方法 | 第50-51页 |
| 4．3 最小支持度格和最小可信度格的构造 | 第51-59页 |
| 4．3．1 概念支持度和概念可信度 | 第51-52页 |
| 4．3．2 最小可信度格的构造算法 | 第52-54页 |
| 4．3．3 最小支持度格的构造算法 | 第54-56页 |
| 4．3．4 最小支持度格应用示例 | 第56-59页 |
| 4．4 基于最小支持度格的概念聚类 | 第59-63页 |
| 4．4．1 基于概念内涵的距离度量 | 第59-60页 |
| 4．4．2 概念格框架下的聚类算法 | 第60-61页 |
| 4．4．3 算法示例和算法实现 | 第61-63页 |
| 4．5 形式概念分析和聚类分析的比较 | 第63-66页 |
| 4．6 小结 | 第66-67页 |
| 第五章 基于量化的相对约简格的分类规则发现 | 第67-78页 |
| 5．1 引言 | 第67-69页 |
| 5．2 相关概念与技术 | 第69-70页 |
| 5．3 量化的相对约简格的分类规则发现 | 第70-74页 |
| 5．4 算法示例和算法实现 | 第74-76页 |
| 5．5 基于概念格的分类和决策树分类的比较 | 第76-77页 |
| 5．6 小结 | 第77-78页 |
| 第六章 结束语 | 第78-80页 |
| 参考文献 | 第80-99页 |
