前言<br>第1章 集对分析理论<br>1.1 集对分析的基本概念<br>1.1.1 联系度<br>1.1.2 联系数<br>1.1.3 联系变量与联系函数<br>1.2 联系度的四则运算<br>1.2.1 联系度的加法运算<br>1.2.2 平均联系度<br>1.2.3 联系度的减法运算<br>1.2.4 联系度的乘法运算<br>1.2.5 联系度的加法和乘法混合运算<br>1.2.6 联系度的除法运算<br>1.3 集对分析在科学研究和工程技术中的应用<br>1.3.1 集对分析在决策中的应用<br>1.3.2 集对分析在预测中的应用<br>1.3.3 集对分析在数据融合中的应用<br>1.3.4 集对分析在不确定性推理中的应用<br>1.3.5 集对分析在产品设计中的应用<br>1.4 集对分析的研究现状<br>1.4.1 基于集对分析的不确定性理论<br>1.4.2 集对论的数学性质及其拓广<br>1.4.3 同异反集合理论<br>1.4.4 与其他不确定性方法的耦合<br>第2章 粗糙集理论<br>2.1 粗糙集理论基础<br>2.1.1 知识与知识库<br>2.1.2 上下近似集及性质<br>2.2 一般关系下的粗糙集模型<br>2.2.1 二元关系与邻域算子<br>2.2.2 二元关系与粗糙近似算子<br>2.2.3 近似算子的其他定义形式与比较<br>2.2.4 近似算子的表示<br>2.2.5 程度粗糙集模型<br>2.3 概率粗糙集模型<br>2.3.1 有限论域上概率测度的基本知识<br>2.3.2 信息熵<br>2.3.3 概率粗糙集模型<br>2.3.4 概率粗糙集模型的其他形式<br>2.3.5 Bayes决策与粗糙近似<br>2.3.6 粗糙隶属函数与概念的联合<br>2.4 模糊粗糙集模型<br>2.4.1 模糊集的基本概念<br>2.4.2 模糊关系<br>2.4.3 模糊粗糙集<br>2.4.4 基于三角模的模糊粗糙集模型<br>2.4.5 基于包含度的粗糙集模型<br>2.4.6 修正型模糊粗糙集模型<br>2.4.7 粗糙集与模糊集的比较<br>2.5 粗糙集与其他不确定信息处理理论的联系<br>2.5.1 差异性分析<br>2.5.2 互补性分析<br>2.6 基于粗糙集的应用研究<br>2.6.1 知识获取<br>2.6.2 知识的不确定性度量<br>2.6.3 面向领域数据驱动的数据挖掘<br>2.6.4 海量数据挖掘<br>2.6.5 其他应用领域<br>第3章 信息系统基本理论<br>3.1 信息系统<br>3.2 信息系统的类型<br>3.2.1 经典信息系统和模糊信息系统<br>3.2.2 完备的信息系统和不完备的信息系统<br>3.2.3 随机信息系统和非随机信息系统<br>3.2.4 格值信息系统<br>3.3 信息系统与粗糙集<br>3.3.1 粗糙集理论中的知识表示<br>3.3.2 信息系统的属性特征和约简<br>3.4 不完备信息系统<br>第4章 不完备信息系统的集对粗集模型<br>4.1 集对联系度的重新定义<br>4.2 粗集中的集对分析方法<br>4.2.1 粗集联系度的动态分析<br>4.2.2 用粗集来分析集对联系度<br>4.2.3 应用举例<br>4.3 集对粗集模型<br>4.3.1 集对相似关系<br>4.3.2 A-集对粗集<br>4.3.3 集对粗集上下近似运算性质<br>第5章 SPA模糊聚类与决策<br>5.1 SPA模糊聚类<br>5.1.1 模糊聚类<br>5.1.2 集对聚类<br>5.1.3 基于SPA的模糊聚类<br>5.1.4 应用举例<br>5.2 双枝模糊决策与识别<br>5.2.1 双枝模糊集<br>5.2.2 具有X*的X上的双枝模糊决策<br>5.2.3 双枝模糊决策识别与判定定理<br>5.2.4 双枝模糊层次分析模型<br>5.3 SPA双枝模糊决策分析<br>5.3.1 双枝模糊决策因素域x的集对分析<br>5.3.2 双枝模糊决策集对动态分析<br>5.3.3 双枝模糊决策度强弱态势分析<br>第6章 SPA格序决策模型<br>6.1 格序决策基本理论<br>6.1.1 序关系<br>6.1.2 序关系的代数性质<br>6.1.3 对偶原理、上集与下集<br>6.1.4 Hasse图<br>6.1.5 格及其代数性质<br>6.2 决策系统中的态势序结构<br>6.2.1 决策系统中的IDO联系度<br>6.2.2 IDO联系度态势序结构<br>6.2.3 IDO联系度态势序结构在双枝模糊决策中的应用<br>6.3 SPA格序决策<br>6.3.1 概率决策空间<br>6.3.2 SPA联系度的偏序关系<br>6.3.3 SPA联系函数格<br>6.3.4 SPA联系函数可能性格序结构<br>第7章 粗糙概念格扩展模型<br>7.1 概念格与粗糙集<br>7.1.1 概念格基本方法<br>7.1.2 粗糙概念格<br>7.1.3 概念格上的粗糙集<br>7.1.4 概念格上的S-粗糙集<br>7.1.5 应用举例<br>7.2 lp-粗糙概念格的构造算法及实现<br>7.2.1 lp-粗糙概念格<br>7.2.2 lp-粗糙概念格的构造<br>7.3 关联规则挖掘<br>7.3.1 lp-关联规则<br>7.3.2 lp-关联规则挖掘算法<br>7.3.3 参数分析<br>第8章 动态粗决策模型<br>8.1 动态粗决策的基本概念<br>8.1.1 单向S-粗集<br>8.1.2 双向S-粗集<br>8.1.3 双向概率PS-粗集<br>8.1.4 DS-粗集<br>8.2 动态粗决策的基本模型<br>8.2.1 集对单向S-粗集模型<br>8.2.2 集对双向S-粗集模型<br>8.3 动态粗决策系统的应用<br>8.3.1 单向S-粗集应用举例<br>8.3.2 双向S-粗集应用举例<br>8.3.3 双向概率PS-粗集应用举例<br>8.3.4 DS-粗集应用举例<br>8.4 动态粗决策系统的发展前景<br>参考文献
展开