| 致谢 | 第1-6页 |
| 摘要 | 第6-9页 |
| ABSTRACT | 第9-17页 |
| 第1章 绪论 | 第17-35页 |
| ·研究背景与意义 | 第17-20页 |
| ·研究背景 | 第17-19页 |
| ·研究意义 | 第19-20页 |
| ·本体学习研究现状及存在的问题 | 第20-25页 |
| ·本体学习技术研究现状 | 第20-24页 |
| ·存在的问题 | 第24-25页 |
| ·基于粒计算的数据挖掘方法研究现状和需进一步解决的关键问题 | 第25-30页 |
| ·基于粒计算的数据挖掘框架 | 第25-27页 |
| ·基于粒计算的数据挖掘方法研究现状 | 第27-28页 |
| ·不同应用环境下基于粒计算的数据挖掘方法 | 第28-29页 |
| ·有待于进一步解决的关键问题 | 第29-30页 |
| ·主要研究内容与成果 | 第30-33页 |
| ·主要研究内容 | 第30-31页 |
| ·主要研究成果 | 第31-33页 |
| ·本文的组织结构 | 第33-35页 |
| 第2章 信息粒及粒计算 | 第35-50页 |
| ·引言 | 第35-36页 |
| ·粒计算发展 | 第36-37页 |
| ·粒计算的基本问题 | 第37-44页 |
| ·信息粒及其粒化方法 | 第37-41页 |
| ·粒层 | 第41-42页 |
| ·粒的构建和使用粒的计算 | 第42-44页 |
| ·几种主要粒计算模型 | 第44-49页 |
| ·基于词计算理论的粒计算模型 | 第44-47页 |
| ·基于Rough集理论的粒计算模型 | 第47-48页 |
| ·基于商空间理论的粒计算模型 | 第48-49页 |
| ·其他相关粒计算模型 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第3章 面向本体学习的领域概念粒度空间模型 | 第50-80页 |
| ·引言 | 第50-51页 |
| ·领域信息系统 | 第51-59页 |
| ·领域信息系统的形式化描述 | 第51-55页 |
| ·基于领域信息系统的粗糙集 | 第55-59页 |
| ·领域信息系统的粒化 | 第59-63页 |
| ·信息粒化 | 第59页 |
| ·领域信息系统粒化与领域对象粒度空间 | 第59-63页 |
| ·领域概念粒度空间模型 | 第63-78页 |
| ·领域概念粒和领域概念粒度空间 | 第64-65页 |
| ·领域概念粒度空间中概念粒之间关系 | 第65-68页 |
| ·领域概念粒度空间中概念粒运算 | 第68-73页 |
| ·领域不确定信息的概念粒近似表示 | 第73-77页 |
| ·领域概念粒度空间模型的特点 | 第77-78页 |
| ·本章小结 | 第78-80页 |
| 第4章 领域多层次概念获取的粒计算方法 | 第80-106页 |
| ·引言 | 第80-81页 |
| ·不确定特征值的近似表示与领域对象粒的构建 | 第81-86页 |
| ·特征值域的粒化和特征值的粒近似表示 | 第81-82页 |
| ·领域对象的粗相等与粗相似 | 第82-84页 |
| ·构建领域概念粒度空间 | 第84-86页 |
| ·基于概念粒运算的领域多层次概念获取 | 第86-90页 |
| ·基于概念粒运算的领域多层次概念获取框架 | 第86-87页 |
| ·基于概念粒运算的领域多层次概念获取算法(CGS) | 第87-89页 |
| ·实例分析 | 第89-90页 |
| ·领域多层次概念获取的增量方法 | 第90-93页 |
| ·领域多层次概念增量获取框架 | 第90-91页 |
| ·领域多层次概念获取的增量算法(CGS2) | 第91-93页 |
| ·领域多层次概念获取算法的测试与分析 | 第93-105页 |
| ·非增量方法的测试与比较 | 第93-96页 |
| ·基于增量方法的原型测试系统 | 第96-103页 |
| ·测试结果的分析讨论 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 第5章 领域多维多层次关联关系挖掘的粒计算方法 | 第106-142页 |
| ·引言 | 第106-107页 |
| ·基于粒计算的多维多层次关联关系挖掘 | 第107-130页 |
| ·关联规则概述 | 第107-108页 |
| ·数据模型和相关定义 | 第108-110页 |
| ·基于粒计算的领域多维多层次关联关系挖掘框架 | 第110-112页 |
| ·领域多维多层次关联关系挖掘方法(G-Approach) | 第112-118页 |
| ·实例分析 | 第118-125页 |
| ·测试比较与分析讨论 | 第125-130页 |
| ·基于粒计算的领域多维多层次关联关系的增量挖掘 | 第130-138页 |
| ·增量式更新挖掘算法的分类 | 第130-131页 |
| ·领域多维多层次关联关系增量挖掘方法(G-Approach2) | 第131-135页 |
| ·增量算法的测试比较与分析讨论 | 第135-138页 |
| ·不同领域概念粒度空间中概念粒间交叉关系的挖掘 | 第138-141页 |
| ·不同领域概念粒度空间中概念粒间交叉关系的挖掘模型 | 第138-140页 |
| ·算法描述 | 第140-141页 |
| ·本章小结 | 第141-142页 |
| 第6章 领域本体学习的粒计算框架及原型演示系统 | 第142-167页 |
| ·引言 | 第142-143页 |
| ·基于粒计算的简单本体获取方法及实例分析 | 第143-148页 |
| ·数据模型 | 第143-145页 |
| ·基于粒计算的简单本体获取算法 | 第145-148页 |
| ·基于粒计算的领域本体学习框架 | 第148-151页 |
| ·基于粒计算的领域本体学习原型演示系统 | 第151-166页 |
| ·系统的运行环境和测试数据集说明 | 第151-153页 |
| ·系统的功能模块和测试过程介绍 | 第153-165页 |
| ·测试结果的分析讨论 | 第165-166页 |
| ·本章小结 | 第166-167页 |
| 第7章 结束语 | 第167-171页 |
| ·本文工作的总结 | 第167-169页 |
| ·进一步研究的展望 | 第169-171页 |
| 参考文献 | 第171-179页 |
| 攻读博士期间发表和已录用的学术论文 | 第179-181页 |
| 学位论文数据集 | 第181页 |
