粗糙集与概念格

　　前言
　　第1章  On Unifying Formal Concept Analysis and Rough Set Analysis
　　1.1  Introduction
　　1.2  Definability of Concepts in a Binary Table
　　1.3  Formal Concept Analysis
　　1.4  Rough Set Analysis
　　1.5  Conclusion
　　第一篇  粗糙集与概念格的应用前景
　　第2章  基于粗糙集理论的海量数据挖掘
　　2.1  引言
　　2.2  粗糙集理论相关基础知识
　　2.3  基于粗糙集理论的海量数据挖掘研究方法
　　2.4  海量数据挖掘的分布式实现方法
　　2.5  海量数据挖掘的增量式实现方法
　　2.6  降低海量数据挖掘的处理复杂度方法
　　2.7  结论
　　第3章  知识管理中的概念信息粒
　　3.1  引言
　　3.2  知识管理中的任务知识匹配问题
　　3.3  形式背景与知识管理系统
　　3.4  概念知识粒格
　　3.5  概念信息粒拟格
　　3.6  概念信息粒与概念知识粒迭代算法
　　3.7  结论
　　第4章  变精度概念格与近似推理
　　4.1  引言
　　4.2  伽罗瓦连接与概念格
　　4.3  四类模糊概念格性质及相互关系
　　4.4  基于模糊概念格的模糊推理
　　4.5  变精度概念格
　　4.6  结论
　　第二篇  粗糙集的不确定性理论与度量
　　第5章  粗糙集理论中的不确定性与知识粒度
　　5.1  引言
　　5.2  粗糙集理论中的不确定性度量
　　5.3  粗糙集理论中的知识粒度
　　5.4  结论
　　第6章  粗糙集的不确定性度量
　　6.1  引言
　　6.2  模糊集的熵
　　6.3  粗糙模糊集的不确定性度量
　　6.4  模糊粗糙集的不确定性度量
　　6.5  基于模糊划分的粗糙集的不确定性度量
　　6.6  结论
　　第7章  粗糙集与粒度计算
　　7.1  引言
　　7.2  粒计算的划分模型
　　7.3  粒计算的覆盖模型
　　7.4  自反关系下的粒计算与对偶Galois连接
　　7.5  结论
　　第三篇  粗糙集的公理化刻画与格结构
　　第8章  粗糙近似算子公理化刻画
　　8.1  引言
　　8.2  经典广义粗糙近似算子的公理化刻画
　　8.3  对偶粗糙模糊近似算子的公理化刻画
　　8.4  对偶模糊粗糙近似算子的公理化刻画
　　8.5  基于三角模的对偶模糊粗糙近似算子的公理化刻画
　　8.6  基于蕴含算子的模糊粗糙近似算子的公理化刻画
　　8.7  结论
　　第9章  半格上粗糙近似理论
　　9.1  引言
　　9.2  半格上的同余近似空间
　　9.3  同余近似空间的拓扑结构
　　9.4  同余近似算子及其性质
　　9.5  信息系统的同余分类及粗糙近似
　　9.6  结论
　　第10章  布尔代数上粗糙近似算子
　　10.1  引言
　　10.2  格及有关概念
　　10.3  布尔代数上基于覆盖的粗糙近似算子
　　10.4  两类近似算子的比较
　　10.5  基于一型粗糙近似算子的覆盖约简
　　10.6  基于二型近似算子的覆盖约简
　　10.7  结论
　　第11章  广义模糊粗糙集理论
　　11.1  引言
　　11.2  预备知识
　　11.3  关于任意模糊关系的近似算子
　　11.4  近似算子和特殊模糊关系的联系
　　11.5  模糊粗糙集的公理化方法
　　11.6  模糊粗糙集的格结构
　　11.7  近似算子和模糊拓扑的关系
　　11.8  结论
　　第四篇  粗糙集的约简理论与方法
　　第12章  形式决策表的属性约简
　　12.1  引言
　　12.2  基本概念
　　12.3  信息系统的形式约简
　　12.4  形式决策表
　　12.5  不协调和协调形式决策表属性约简等价性
　　12.6  结论
　　第13章  集值信息系统的知识约简与规则提取
　　13.1  引言
　　13.2  集值信息系统
　　13.3  集值决策信息系统
　　13.4  协调集值决策信息系统
　　13.5  不协调集值决策信息系统
　　13.6  结论
　　第14章  基于优势关系下信息系统的知识约简
　　14.1  引言
　　14.2  与本文有关的基本概念
　　14.3  信息系统的分布约简
　　14.4  信息系统的分配约简
　　14.5  分配约简的矩阵算法
　　14.6  覆盖广义粗糙集的模糊性度量
　　14.7  结论
　　第五篇  概念格的约简理论与规则提取
　　第15章  概念格属性约简理论与方法
　　15.1  引言
　　15.2  概念格理论基础知识
　　15.3  概念格约简判断定理
　　15.4  概念格约简方法
　　15.5  概念格属性特征
　　15.6  结论
　　第16章  广义协调决策形式背景的知识约简
　　16.1  引言
　　16.2  形式背景及其概念格
　　16.3  广义协调决策形式背景知识约简的定义
　　16.4  广义协调决策形式背景知识约简的方法
　　16.5  结论
　　第17章  偏序关系下的决策形式背景规则获取与属性约简
　　17.1  引言
　　17.2  决策形式背景和决策规则
　　17.3  协调决策形式背景的属性约简
　　17.4  不协调决策形式背景规则获取与属性约简
　　17.5  结论
　　第18章  概念格与信息概念格
　　18.1  引言
　　18.2  概念格的属性约简方法与属性特征
　　18.3  概念格的对象约简方法与对象特征
　　18.4  对象概念格的属性约简方法
　　18.5  信息概念格及其约简
　　18.6  结论
　　作者简介
　　后记

　　    张文修，男，1940年生，南开大学概率统计研究生毕业，西安交通大学理学院信息与系统科学研究所教授，博士生导师。曾任中国数学学会常务理事、中国模糊集与系统学会副理事长。主持国家自然科学基金项目、国家863项目和937项目等多项课题，出版专项专著17部，发表论文130余篇，获国家级优秀教学成果特等奖1项、一等奖1项、二等奖2项。

　　    粗糙集理论与概念格理论是20世纪80年代初期产生的两个数学分支，在知识发现与数据挖掘中有着重要应用，《粗糙集与概念格》介绍了粗糙集与概念格的若干理论分支及某些应用领域。  
　　    《粗糙集与概念格》共分五篇，即粗糙集与概念格的应用前景，粗糙集的不确定性理论与度量，粗糙集的公理化与格结构，粗糙集的约简理论与方法，概念格的约简理论与规则提取，全书共18章，第1章作为《粗糙集与概念格》的总论。    
　　    《粗糙集与概念格》可以作为人工智能研究人员的参考书。