《加權概念格理論與套用》是2014年7月1日科學出版社出版的圖書，作者是張素蘭。
基本介紹
- 書名：加權概念格理論與套用
- 作者：張素蘭
- ISBN：9787030405203
- 頁數：128
- 定價：38.00
- 出版社：科學出版社
- 出版時間：2014年7月1日
- 裝幀：平裝
- 開本：16
內容簡介,圖書目錄,
內容簡介
加權概念格是一種拓展概念格結構，具有數據約簡和知識提取針對性強等特點。加權概念格理論與套用結合作者十幾年來在該領域的研究成果，對加權概念格的理論和套用進行了較為系統和深入的闡述。加權概念格理論與套用共分6 章。第1 章簡要敘述了數據挖掘和概念格的相關理論；第2～4 章重點介紹了加權概念格的理論，主要涉及加權概念格的定義、權值獲取和構造方法，以及加權概念格的代數結構等；第5～6 章主要探討了加權概念格在圖像語義自動標註和天體光譜數據挖掘中的套用。
圖書目錄
前言第 1章緒論 1
1.1 數據挖掘 1
1.1.1 數據挖掘的基本概念 · 1
1.1.2 數據挖掘的任務 5
1.1.3 數據挖掘的方法 8
1.1.4 數據挖掘的套用 10
1.1.5 數據挖掘的研究方向 10
1.2 概念格 11
1.2.1 概念格的基本概念 11
1.2.2 概念格的研究內容 13
1.2.3 概念格的研究方向 15 第 2章加權概念格的權值獲取及其拓展格結構 17
2.1 引言 · 17
2.2 加權概念格的基本定義 · 18
2.3 基於信息熵和偏差的內涵權值獲取 21
2.3.1 基於信息熵的單屬性內涵權值自動獲取 22
2.3.2 內涵重要性偏差及多屬性內涵權值的獲取 23
2.4 加權概念格的拓展結構 · 24
2.4.1 頻繁加權概念格及其相關定理 · 24
2.4.2 強加權概念格及其相關定理 · 24
2.5 實例分析 25
2.6 小結 · 28 第 3章頻繁加權概念格的代數結構及其知識提取的完備性 · 29
3.1 引言 · 29
3.2 概念格的完備性 30
3.3 虛概念及頻繁加權概念格的完備性 30 3.3.1 虛概念 · 31
3.3.2 頻繁加權概念格的完備性 34
3.4 頻繁加權概念格的代數結構 37
3.4.1 相關定義及運算元 37
3.4.2 代數性質 · 38
3.5 頻繁加權概念格知識提取的完備性 42
3.6 小結 · 43 第 4章加權概念格的構造方法 · 45
4.1 引言 · 45
4.2 頻繁加權概念格的漸進式構造 46
4.2.1 構造方法 · 46
4.2.2 構造算法 · 47
4.2.3 算法分析 · 48
4.2.4 實例分析 · 49
4.3 頻繁加權概念格的批處理構造 51
4.3.1 基本定義 · 51
4.3.2 構造方法 · 53
4.3.3 實例分析 · 55
4.3.4 構造算法 · 57
4.3.5 算法分析 · 59
4.3.6 實驗結果與分析 59
4.4 強加權概念格的漸進式構造 61
4.5 強加權概念格的批處理構造 62
4.5.1 構造方法 · 62
4.5.2 構造算法 · 63
4.5.3 實驗結果及分析 64
4.6 小結 · 65 第 5章加權概念格在圖像語義自動標註中的套用 · 67
5.1 引言 · 67
5.2 圖像語義自動標註與 BOV模型 68
5.2.1 圖像語義自動標註 68
5.2.2 圖像語義自動標註的研究現狀 · 69
5.2.3 BOV模型 75 5.3 基於頻繁加權概念格的視覺詞典生成與場景分類方法 78
5.3.1 算法思想 · 78
5.3.2 算法描述 · 80
5.3.3 舉例 · 82
5.4 實驗結果分析 · 84
5.4.1 視覺詞典大小對分類性能的影響 · 85
5.4.2 歸一化閾值對分類性能的影響 · 86
5.4.3 外延數閾值對分類性能的影響 · 86
5.5 小結 · 88 第 6章加權概念格在天體光譜數據挖掘中的套用 · 91
6.1 引言 · 91
6.2 面向 LAMOST的天體光譜數據挖掘技術 91
6.2.1 LAMOST項目簡介 91
6.2.2 天體光譜數據挖掘技術 92
6.3 基於頻繁加權概念格的加權關聯規則提取方法 93
6.3.1 基本定義 · 93
6.3.2 基本思想 · 94
6.3.3 算法描述 · 94
6.4 基於頻繁加權概念格的天體光譜關聯知識挖掘系統 · 95
6.4.1 系統功能與體系結構 95
6.4.2 關鍵實現技術 98
6.4.3 運行結果與分析 99
6.5 小結 103 參考文獻 · 105
1.1.1 數據挖掘的基本概念 · 1
1.1.2 數據挖掘的任務 5
1.1.3 數據挖掘的方法 8
1.1.4 數據挖掘的套用 10
1.1.5 數據挖掘的研究方向 10
1.2 概念格 11
1.2.1 概念格的基本概念 11
1.2.2 概念格的研究內容 13
1.2.3 概念格的研究方向 15 第 2章加權概念格的權值獲取及其拓展格結構 17
2.1 引言 · 17
2.2 加權概念格的基本定義 · 18
2.3 基於信息熵和偏差的內涵權值獲取 21
2.3.1 基於信息熵的單屬性內涵權值自動獲取 22
2.3.2 內涵重要性偏差及多屬性內涵權值的獲取 23
2.4 加權概念格的拓展結構 · 24
2.4.1 頻繁加權概念格及其相關定理 · 24
2.4.2 強加權概念格及其相關定理 · 24
2.5 實例分析 25
2.6 小結 · 28 第 3章頻繁加權概念格的代數結構及其知識提取的完備性 · 29
3.1 引言 · 29
3.2 概念格的完備性 30
3.3 虛概念及頻繁加權概念格的完備性 30 3.3.1 虛概念 · 31
3.3.2 頻繁加權概念格的完備性 34
3.4 頻繁加權概念格的代數結構 37
3.4.1 相關定義及運算元 37
3.4.2 代數性質 · 38
3.5 頻繁加權概念格知識提取的完備性 42
3.6 小結 · 43 第 4章加權概念格的構造方法 · 45
4.1 引言 · 45
4.2 頻繁加權概念格的漸進式構造 46
4.2.1 構造方法 · 46
4.2.2 構造算法 · 47
4.2.3 算法分析 · 48
4.2.4 實例分析 · 49
4.3 頻繁加權概念格的批處理構造 51
4.3.1 基本定義 · 51
4.3.2 構造方法 · 53
4.3.3 實例分析 · 55
4.3.4 構造算法 · 57
4.3.5 算法分析 · 59
4.3.6 實驗結果與分析 59
4.4 強加權概念格的漸進式構造 61
4.5 強加權概念格的批處理構造 62
4.5.1 構造方法 · 62
4.5.2 構造算法 · 63
4.5.3 實驗結果及分析 64
4.6 小結 · 65 第 5章加權概念格在圖像語義自動標註中的套用 · 67
5.1 引言 · 67
5.2 圖像語義自動標註與 BOV模型 68
5.2.1 圖像語義自動標註 68
5.2.2 圖像語義自動標註的研究現狀 · 69
5.2.3 BOV模型 75 5.3 基於頻繁加權概念格的視覺詞典生成與場景分類方法 78
5.3.1 算法思想 · 78
5.3.2 算法描述 · 80
5.3.3 舉例 · 82
5.4 實驗結果分析 · 84
5.4.1 視覺詞典大小對分類性能的影響 · 85
5.4.2 歸一化閾值對分類性能的影響 · 86
5.4.3 外延數閾值對分類性能的影響 · 86
5.5 小結 · 88 第 6章加權概念格在天體光譜數據挖掘中的套用 · 91
6.1 引言 · 91
6.2 面向 LAMOST的天體光譜數據挖掘技術 91
6.2.1 LAMOST項目簡介 91
6.2.2 天體光譜數據挖掘技術 92
6.3 基於頻繁加權概念格的加權關聯規則提取方法 93
6.3.1 基本定義 · 93
6.3.2 基本思想 · 94
6.3.3 算法描述 · 94
6.4 基於頻繁加權概念格的天體光譜關聯知識挖掘系統 · 95
6.4.1 系統功能與體系結構 95
6.4.2 關鍵實現技術 98
6.4.3 運行結果與分析 99
6.5 小結 103 參考文獻 · 105
