動態(tài)模糊數(shù)據(jù)分析理論與方法

前言
第1章 動態(tài)模糊邏輯
1.1 一階動態(tài)模糊邏輯
1.2 譜分析方法
1.2.1 DF命題邏輯譜分析方法
1.2.2 DF謂詞邏輯的譜分析方法
1.3 二階動態(tài)模糊邏輯系統(tǒng)
1.3.1 二階邏輯簡介
1.3.2 二階動態(tài)模糊邏輯語法
1.3.3 二階動態(tài)模糊邏輯的語義
1.3.4 二階動態(tài)模糊邏輯演算系統(tǒng)
1.3.5 二階動態(tài)模糊邏輯謂詞演算歸結(jié)推理
1.3.6 真值域的譜分析方法
1.4 二階動態(tài)模糊邏輯演算推理系統(tǒng)模型
1.4.1 一階動態(tài)模糊邏輯演算推理系統(tǒng)
1.4.2 二階動態(tài)模糊邏輯演算推理系統(tǒng)
1.5 應(yīng)用
1.5.1 二階動態(tài)模糊邏輯實例系統(tǒng)
1.5.2 實例演算
1.6 本章小節(jié)
參考文獻
第2章 動態(tài)模糊邏輯程序設(shè)計語言的操作語義模型
2.1 動態(tài)模糊邏輯程序設(shè)計語言的基礎(chǔ)理論
2.2 操作語義
2.2.1 操作語義的研究歷史
2.2.2 結(jié)構(gòu)化操作語義
2.3 DFL的λ演算描述
2.3.1 傳統(tǒng)的λ演算
2.3.2 變形傳統(tǒng)的λ演算
2.3.3 動態(tài)模糊命題的λ演算描述
2.3.4 動態(tài)模糊謂詞的λ演算描述
2.4 動態(tài)模糊邏輯程序設(shè)計語言的語法
2.4.1 監(jiān)督命令程序結(jié)構(gòu)
2.4.2 動態(tài)模糊邏輯程序設(shè)計語言的抽象語法
2.5 動態(tài)模糊邏輯程序設(shè)計語言的操作語義模型
2.5.1 動態(tài)模糊邏輯程序設(shè)計語言的操作語義模型結(jié)構(gòu)
2.5.2 動態(tài)模糊邏輯程序設(shè)計語言的數(shù)據(jù)類型的操作語義
2.6 動態(tài)模糊邏輯程序設(shè)計語言的框架
2.6.1 處理對象的動態(tài)模糊化
2.6.2 類型的動態(tài)模糊化
2.6.3 語句的動態(tài)模糊化
2.7 動態(tài)模糊邏輯程序設(shè)計語言的應(yīng)用
2.7.1 應(yīng)用實例
2.7.2 程序的執(zhí)行過程
2.8 驗證
2.8.1 正確性驗證
2.8.2 可靠性驗證
2.9 本章小節(jié)
參考文獻
第3章 動態(tài)模糊邏輯程序設(shè)計語言的代數(shù)語義模型
3.1 引言
3.1.1 動態(tài)模糊邏輯程序設(shè)計語言研究現(xiàn)狀
3.1.2 問題提出
3.2 動態(tài)模糊邏輯程序設(shè)計語言的范疇描述
3.2.1 動態(tài)模糊邏輯程序設(shè)計語言理論基礎(chǔ)
3.2.2 動態(tài)模糊邏輯程序設(shè)計語言范疇模型
3.3 DFL程序設(shè)計語言的代數(shù)語義模型
3.3.1 抽象數(shù)據(jù)類型
3.3.2 動態(tài)模糊邏輯的DF∑代數(shù)
3.3.3 DFL程序設(shè)計語言的極限代數(shù)語義
3.3.4 DFL程序設(shè)計語言函子的伴隨語義
3.3.5 DFL程序設(shè)計語言的Monad結(jié)構(gòu)代數(shù)
3.3.6 DFL程序設(shè)計語言的加法范疇語義
3.3.7 DFL程序設(shè)計語言的指稱語義
3.4 DFL程序設(shè)計語言的代數(shù)拓展語義
3.4.1 預(yù)備知識
3.4.2 動態(tài)模糊層的定義
3.4.3 DFL程序設(shè)計語言代數(shù)拓展語義的基本原理
3.4.4 動態(tài)模糊層范疇的性質(zhì)
3.4.5 動態(tài)模糊層范疇操作
3.5 實例分析
3.5.1 問題描述
3.5.2 程序?qū)崿F(xiàn)
3.5.3 程序分析
3.6 本章小節(jié)
參考文獻
第4章 基于動態(tài)模糊集的概念學習
4.1 動態(tài)模糊集和概念學習的關(guān)系
4.2 DF概念的表示模型
4.3 DF概念學習空間模型
4.3.1 DF概念學習的序模型
4.3.2 DF概念學習計算模型
4.3.3 DF實例空間降維模型
4.3.4 DF屬性空間降維模型
4.4 基于DF格的概念學習模型
4.4.1 經(jīng)典概念格的構(gòu)建方法
4.4.2 基于DFS構(gòu)建格算法
4.4.3 DF概念格約簡
4.4.4 DF概念規(guī)則提取
4.4.5 算法舉例和實驗分析
4.5 基于DFDT的概念學習模型
4.5.1 DF概念樹與生成策略
4.5.2 DF概念樹的生成
4.5.3 DF概念規(guī)則提取與匹配算法
4.6 應(yīng)用實例與分析
4.6.1 基于DF概念格的人臉識別實驗
4.6.2 UCI數(shù)據(jù)集上的數(shù)據(jù)分類實驗
4.7 本章小節(jié)
參考文獻
第5章 基于動態(tài)模糊集的半監(jiān)督多任務(wù)學習
5.1 引言
5.1.1 半監(jiān)督多任務(wù)學習研究綜述
5.1.2 問題提出
5.2 半監(jiān)督多任務(wù)學習模型
5.2.1 半監(jiān)督學習
5.2.2 多任務(wù)學習
5.3 基于DFS的半監(jiān)督多任務(wù)學習模型
5.3.1 動態(tài)模糊機器學習模型
5.3.2 動態(tài)模糊半監(jiān)督學習模型
5.3.3 動態(tài)模糊半監(jiān)督多任務(wù)學習模型
5.4 動態(tài)模糊半監(jiān)督多任務(wù)匹配算法
5.4.1 動態(tài)模糊隨機概率
5.4.2 動態(tài)模糊半監(jiān)督多任務(wù)匹配算法
5.4.3 實例分析
5.5 動態(tài)模糊半監(jiān)督多任務(wù)自適應(yīng)學習算法
5.5.1 馬氏距離度量
5.5.2 動態(tài)模糊K近鄰算法
5.5.3 動態(tài)模糊半監(jiān)督自適應(yīng)學習算法
5.6 本章小節(jié)
參考文獻
第6章 動態(tài)模糊層次關(guān)系學習
6.1 引言
6.1.1 關(guān)系學習研究進展
6.1.2 問題提出
6.2 歸納邏輯程序設(shè)計
6.3 動態(tài)模糊層次關(guān)系學習
6.3.1 動態(tài)模糊邏輯關(guān)系學習算法(DFLR)
6.3.2 實例分析
6.3.3 動態(tài)模糊矩陣層次關(guān)系學習算法(DFMHR)
6.3.4 實例分析
6.4 動態(tài)模糊樹層次關(guān)系學習
6.4.1 動態(tài)模糊樹
6.4.2 動態(tài)模糊樹層次關(guān)系學習算法(DFTHR)
6.4.3 實例分析
6.5 動態(tài)模糊圖層次關(guān)系學習
6.5.1 動態(tài)模糊圖的基本概念
6.5.2 動態(tài)模糊圖層次關(guān)系學習算法描述(DFGHR)
6.5.3 實例分析
6.6 實例應(yīng)用與分析
6.6.1 問題描述
6.6.2 實例分析
6.7 本章小節(jié)
參考文獻
第7章 基于DFL的軟件Agent普適技術(shù)
7.1 引言
7.1.1 軟件Agent普適方法概述
7.1.2 普適計算概述
7.1.3 問題的提出
7.2 基于DFL的軟件Agent普適評估模型
7.2.1 軟件Agent狀態(tài)評估指標
7.2.2 軟件Agent的環(huán)境
7.2.3 軟件Agent的可信性
7.2.4 軟件Agent的可用性
7.2.5 軟件Agent的健壯性
7.2.6 基于DFL的軟件Agent普適評估模型
7.2.7 仿真實例
7.3 基于DFL的軟件Agent上下文感知模型
7.3.1 軟件Agent上下文感知的概述
7.3.2 上下文感知結(jié)構(gòu)框架的Agent模型
7.3.3 軟件Agent上下文感知結(jié)構(gòu)框架模型
7.4 基于DFL的軟件Agent上下文任務(wù)分配
7.4.1 任務(wù)分配問題的相關(guān)研究
7.4.2 上下文任務(wù)分配問題描述
7.4.3 軟件Agent上下文任務(wù)分配
7.4.4 實例應(yīng)用分析
7.5 實例應(yīng)用
7.5.1 應(yīng)用實例場景
7.5.2 應(yīng)用實例分析
7.6 本章小節(jié)
參考文獻
漢英名詞對照