加权概念格理论与应用

第1章 绪论1．1 数据挖掘1．1．1 数据挖掘的基本概念1．1．2 数据挖掘的任务1．1．3 数据挖掘的方法1．1．4 数据挖掘的应用1．1．5 数据挖掘的研究方向1．2 概念格1．2．1 概念格的基本概念1．2．2 概念格的研究内容1．2．3 概念格的研究方向
第2章 加权概念格的权值获取及其拓展格结构2．1 引言2．2 加权概念格的基本定义2．3 基于信息熵和偏差的内涵权值获取2．3．1 基于信息熵的单属性内涵权值自动获取2．3．2 内涵重要性偏差及多属性内涵权值的获取2．4 加权概念格的拓展结构2．4．1 频繁加权概念格及其相关定理2．4．2 强加权概念格及其相关定理2．5 实例分析2．6 小结
第3章 频繁加权概念格的代数结构及其知识提取的完备性3．1 引言3．2 概念格的完备性3．3 虚概念及频繁加权概念格的完备性3．3．1 虚概念3．3．2 频繁加权概念格的完备性3．4 频繁加权概念格的代数结构3．4．1 相关定义及算子3．4．2 代数性质3．5 频繁加权概念格知识提取的完备性3．6 小结
第4章 加权概念格的构造方法4．1 引言4．2 频繁加权概念格的渐进式构造4．2．1 构造方法4．2．2 构造算法4．2．3 算法分析4．2．4 实例分析4．3 频繁加权概念格的批处理构造4．3．1 基本定义4．3．2 构造方法4．3．3 实例分析4．3．4 构造算法4．3．5 算法分析4．3．6 实验结果与分析4．4 强加权概念格的渐进式构造4．5 强加权概念格的批处理构造4．5．1 构造方法4．5．2 构造算法4．5．3 实验结果及分析4．6 小结
第5章 加权概念格在图像语义自动标注中的应用5．1 引言5．2 图像语义自动标注与BOV模型5．2．1 图像语义自动标注5．2．2 图像语义自动标注的研究现状5．2．3 BOV模型