基于DFS的概念学习机制研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·问题提出 | 第9-10页 |
| ·非经典集合研究现状 | 第10-13页 |
| ·模糊集研究现状 | 第10-12页 |
| ·动态模糊逻辑的产生 | 第12-13页 |
| ·本文的内容安排 | 第13-14页 |
| 第二章 DF 概念学习理论基础 | 第14-28页 |
| ·DF 概念学习的认知机理 | 第14-15页 |
| ·传统的概念学习 | 第14页 |
| ·DF 概念学习 | 第14-15页 |
| ·动态模糊集合介绍 | 第15-25页 |
| ·基本概念 | 第15-17页 |
| ·动态模糊格理论 | 第17-21页 |
| ·DF 关系与DF 矩阵理论 | 第21-24页 |
| ·DFS 和概念学习的关系 | 第24-25页 |
| ·DF 概念的表示模型 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 DF 概念学习空间模型 | 第28-40页 |
| ·DF 概念学习的序模型 | 第28-31页 |
| ·DF 假设空间的序结构 | 第28-29页 |
| ·FIND-S 算法与候选消除算法 | 第29-31页 |
| ·DF 概念学习计算模型 | 第31-36页 |
| ·DFPAC 学习框架理论 | 第31-33页 |
| ·DF 假设空间的样本复杂度 | 第33-35页 |
| ·DF 出错界限模型 | 第35-36页 |
| ·DF 实例空间降维模型 | 第36页 |
| ·DF 属性空间降维模型 | 第36-39页 |
| ·DFPCA 降维模型 | 第37-38页 |
| ·DFLDA 降维模型 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于DF 格的概念学习模型 | 第40-53页 |
| ·经典概念格的构建方法 | 第40-43页 |
| ·批次式建格算法 | 第40-42页 |
| ·增量式建格算法 | 第42-43页 |
| ·基于DFS 构建格算法 | 第43-46页 |
| ·DF 概念格的分层 | 第43-44页 |
| ·DF 概念格逐层构建算法 | 第44-45页 |
| ·DF 概念格临界分层构建算法 | 第45-46页 |
| ·DF 概念格约简 | 第46-48页 |
| ·概念格约简研究背景与现状 | 第46-47页 |
| ·基于聚类技术的约简 | 第47-48页 |
| ·DF 概念规则提取 | 第48-50页 |
| ·动态模糊规则表示形式 | 第48-49页 |
| ·动态模糊规则提取算法 | 第49-50页 |
| ·算法举例和实验分析 | 第50-52页 |
| ·算法举例 | 第50-52页 |
| ·实验对比 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于DFDT 的概念学习模型 | 第53-64页 |
| ·决策树的研究现状 | 第53-54页 |
| ·决策树的研究现状 | 第53-54页 |
| ·DF 概念树与生成策略 | 第54页 |
| ·DF 概念树的生成 | 第54-61页 |
| ·DF 属性选择度量标准 | 第54-56页 |
| ·动态模糊数据的离散化 | 第56-59页 |
| ·DF 概念树的构建算法 | 第59页 |
| ·DF 概念树的剪枝策略 | 第59-61页 |
| ·DF 概念规则提取与匹配算法 | 第61-63页 |
| ·动态模糊概念规则提取 | 第61-62页 |
| ·基于DF 概念树的概念匹配算法 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 应用实例与分析 | 第64-71页 |
| ·基于DF 概念格的人脸识别实验 | 第64-68页 |
| ·人脸识别简介 | 第64页 |
| ·ORL 人脸库简介 | 第64-65页 |
| ·实验平台与步骤 | 第65-68页 |
| ·UCI 数据集上的数据分类实验 | 第68-71页 |
| ·UCI 数据集上的数据分类实验 | 第68-70页 |
| ·实验结果分析 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| ·本文研究内容总结 | 第71-72页 |
| ·未来工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 附录 | 第79-80页 |
| 中英文名词对照表 | 第80-81页 |
| 致谢 | 第81-82页 |
