多粒度知識獲取與不確定性度量

叢書序
前言
第1章 緒論
1.1 引言
1.1.1 人工智能的起源
1.1.2 粒計算的發(fā)展現(xiàn)狀
1.2 粒計算研究概述
1.2.1 粒計算的基本概念
1.2.2 粒計算的基本理論模型
1.2.3 粒計算的不確定性度量方法
1.2.4 粒計算應(yīng)用研究
1.3 總結(jié)和展望
1.3.1 粒計算理論研究尚存的問題
1.3.2 粒計算模型的不確定性度量研究中存在的問題
1.4 本書的主要內(nèi)容和結(jié)構(gòu)安排
1.4.1 多粒度計算的研究
1.4.2 本書的主要內(nèi)容和安排
參考文獻
第2章 粒計算的基本理論
2.1 模糊集粒計算理論
2.2 粗糙集粒計算理論
2.3 商空間粒計算理論
2.4 云模型粒計算理論
2.5 其他粒計算理論
本章小結(jié)
參考文獻
第3章 多粒度知識空間模型
3.1 分層遞階商空間
3.1.1 閾值為1的商空間理論
3.1.2 任意閾值的商空間理論
3.1.3 模糊等價關(guān)系的分層遞階構(gòu)建方法
3.2 覆蓋近似空間的層次模型
3.2.1 知識粒度的基本概念
3.2.2 基于最小描述的覆蓋上的知識粒度關(guān)系
3.2.3 覆蓋上的知識粒度關(guān)系定義間的聯(lián)系
3.3 覆蓋近似空間與劃分空間的轉(zhuǎn)化
3.3.1 覆蓋空間的近似劃分空間
3.3.2 覆蓋空間與劃分空間之間的關(guān)系
本章小結(jié)
參考文獻
第4章 粒計算的不確定性度量方法
4.1 模糊集的不確定性度量
4.1.1 模糊集的幾種不確定性度量方法
4.1.2 Vague集的幾種不確定性度量方法
4.2 粗糙集的不確定性度量
4.2.1 完備信息系統(tǒng)的粗糙集模型的不確定性度量
4.2.2 不完備信息系統(tǒng)的粗糙集模型的不確定性度量
4.2.3 各種不確定性度量方法之間的對比分析
4.3 覆蓋粗糙集的不確定性度量
4.3.1 覆蓋粗糙集模型
4.3.2 Bonikowski覆蓋粗糙集的不確定性度量
4.4 分層遞階商空間的不確定性度量
4.4.1 分層遞階商空間的信息熵序列
4.4.2 分層遞階商空間同構(gòu)的判定定理
4.4.3 分層遞階商空間、模糊關(guān)系和信息熵序列之間的關(guān)系
4.5 其他粒計算模型的不確定性度量
4.5.1 模糊粗糙集的不確定性度量
4.5.2 粗糙模糊集的不確定性度量
4.5.3 云模型的不確定性度量
4.5.4 概念格粒計算模型的不確定性度量
本章小結(jié)
參考文獻
第5章 多粒度知識獲取
5.1 多粒度認知模型
5.1.1 認知過程的粒計算
5.1.2 多粒度認知過程
5.2 多粒度規(guī)則獲取
5.2.1 模糊決策信息系統(tǒng)
5.2.2 模糊信息系統(tǒng)的多粒度規(guī)則提取
5.2.3 不完備信息系統(tǒng)的多粒度規(guī)則提取
5.3 屬性約簡的粒度原理與最大粒知識獲取
5.3.1 一致決策信息系統(tǒng)及其決策邏輯
5.3.2 屬性約簡的多粒度原理
5.3.3 多粒度屬性約簡與規(guī)則獲取
5.3.4 基于最大粒的規(guī)則獲取算法
5.4 多粒度增量式知識獲取
5.4.1 相關(guān)基本概念
5.4.2 多粒度增量式知識獲取方法
5.4.3 算法分析
5.4.4 實驗對比分析
5.5 多粒度形式背景分析
5.5.1 形式背景分析
5.5.2 屬性細分及其概念格之間的關(guān)系
本章小結(jié)
參考文獻
第6章 覆蓋粒計算模型的知識獲取方法
6.1 覆蓋粗糙模糊集模型及其應(yīng)用
6.1.1 Wei覆蓋粗糙模糊集模型和Xu覆蓋粗糙模糊集模型
6.1.2 Hu覆蓋粗糙模糊集模型
6.1.3 三種覆蓋粗糙模糊集間的關(guān)系
6.1.4 覆蓋粗糙模糊集模型在模糊決策中的應(yīng)用
6.2 覆蓋近似空間的知識約簡模型及其應(yīng)用
6.2.1 覆蓋近似空間的知識約簡模型
6.2.2 基于覆蓋粒計算模型的不完備信息系統(tǒng)處理方法
6.3 覆蓋近似空間的擴展與屬性約簡
6.3.1 覆蓋近似空間的擴展
6.3.2 覆蓋決策系統(tǒng)的屬性約簡
6.3.3 覆蓋近似空間的擴展空間與屬性約簡
本章小結(jié)
參考文獻
第7章 粗糙集的近似集
7.1 集合的近似度
7.2 粗糙集的近似集
7.2.1 粗糙集的近似集的性質(zhì)
7.2.2 R0.5(X)與X的近似性
7.2.3 基于R0.5(X)提取規(guī)則的實例分析
7.3 近似集R0.5(X)隨知識粒度的變化關(guān)系
本章小結(jié)
參考文獻
第8章 總結(jié)與展望
8.1 本書總結(jié)
8.2 未來工作展望