●第一篇 基礎知識
第1章 預備知識
1.1 形式概念分析
1.1.1 形式背景
1.1.2 形式概念
1.1.3 形式背景的子背景與形式概念
1.1.4 概念格與Hasse圖
1.2 圖論
1.2.1 圖的定義與術語
1.2.2 圖的存儲結構
1.3 關聯規則
1.3.1 關聯規則基礎
1.3.2 關聯規則分類
1.4 本章小結
參考文獻
第2章 屬性拓撲的基本理論
2.1 形式背景預處理
2.2 屬性拓撲的定義
2.3 屬性拓撲的屬性分類
2.3.1 頂層屬性和伴生屬性
2.3.2 父屬性和子屬性
2.3.3 全局屬性、空屬性與對等屬性
2.4 屬性拓撲的基礎運算
2.4.1 增加屬性
2.4.2 刪除屬性
2.4.3 合並屬性
2.4.4 交換屬性
2.4.5 子圖合並
2.5 屬性拓撲的轉置：對像拓撲
2.6 決策連續形式背景的離散化
2.6.1 數據空間的色度學可視化
2.6.2 可視化空間離散化
2.6.3 形式背景生成
2.7 本章小結
參考文獻

第二篇 概念計算
第3章 基於屬性拓撲的全局形式概念搜索
3.1 算法基礎
3.1.1 屬性拓撲性質
3.1.2 屬性拓撲的有序化處理
3.1.3 結點排序
3.1.4 路徑的表示方法
3.2 結點搜索
3.2.1 結點搜索過程
3.2.2 結點搜索過程的數據更新
3.3 結點回溯
3.4 算法總流程
3.5 本章小結
參考文獻
第4章 基於拓撲分解的並行概念計算
4.1 並行概念計算現狀
4.2 屬性拓撲的自下而上分解
4.2.1 基於Upper-set和Level的屬性排序
4.2.2 屬性拓撲的自下而上分解
4.3 BDAT的子屬性拓撲約簡
4.3.1 BDXT與概念之間的關聯
4.3.2 BDAT子拓撲的約簡
4.4 基於BDAT的並行概念計算算法
4.5 實驗結果與分析
4.6 本章小結
參考文獻
第5章 增量式概念認知學習
5.1 引言
5.2 增量式概念學習的形式背景處理
5.3 基於RDFFCS的增量式概念認知學習
5.3.1 新增對像的分類
5.3.2 對像拓撲的坍縮
5.3.3 遞歸式深度優先形式概念搜索
5.3.4 基於RDFFCS的增量式概念更新
5.4 基於概念樹的增量式概念認知學習
5.4.1 路徑更新對概念的影響
5.4.2 概念更新對概念樹的影響
5.4.3 基於概念樹的概念更新算法
5.4.4 算法流程
5.5 本章小結
參考文獻
第6章 屬性拓撲與概念格的雙向轉化
6.1 屬性拓撲到概念格的轉化
6.1.1 概念樹的生成
6.1.2 屬性拓撲到概念格轉化關繫
6.2 概念格到屬性拓撲的轉化
6.3 本章小結
參考文獻

第三篇 關聯分析
第7章 屬性拓撲與頻繁關聯挖掘
7.1 屬性拓撲與頻繁模式關繫描述
7.1.1 形式背景視角下的頻繁模式樹
7.1.2 屬性拓撲和FP-tree的異同點
7.1.3 關繫轉化
7.2 屬性拓撲到頻繁模式樹轉化算法
7.3 頻繁模式樹到屬性拓撲轉化算法
7.4 本章小結
參考文獻
第8章 屬性拓撲與頻繁關聯規則
8.1 頻繁淨化形式背景
8.頻繁模式挖掘
8.及以上頻繁模式挖掘
8.3.1 頻繁約簡屬性拓撲
8.3.2 BFSX算法
8.3.3 BFSW算法
8.4 算法總體流程
8.5 本章小結
參考文獻
第9章 屬性拓撲與偏序關聯規則挖掘
9.1 屬性關繫描述
9.2 雙向轉化的數學基礎
9.3 屬性拓撲到屬性偏關繫轉化.
9.3.1 屬性偏序到屬性拓關繫轉化
9.3.2 屬性偏序到屬性拓關繫轉化
9.4 從屬性拓撲到屬性偏序轉換算法
9.4.1 算法描述
9.4.2 算法示例
9.5 屬性偏序到屬性關繫轉化
9.5.1 算法描述
9.5.2 算法示例
9.6 本章小結
參考文獻
第10章 屬性拓撲粒度關聯規則挖掘
10.1 拓撲粒的基本概念
10.2 所有渠道絡邊介數計算
10.2.1 單根結點屬性權值計算
10.2.2 單根結點拓撲邊介數計算
10.2.3 所有渠道絡邊介數計算
10.3 基於拓撲分裂的屬性拓撲粒結構劃分算法
10.4 屬性拓撲粒劃分實驗
10.4.1 屬性拓撲的退化
10.4.2 粒結構劃分
10.5 本章小結
參考文獻

第四篇 記憶模型
第11章 屬性拓撲的記憶模型
11.1 引言
11.2 當前的記憶模型
11.2.1 記憶信息的三級加工模型
11.2.2 人腦記憶粒化模型
11.2.3 記憶機制的Object-Attribute-Relation(OAR)模型
11.2.4 遺忘曲線圖
11.3 屬性拓撲的記憶特性分析
11.3.1 認知的本質
11.3.2 記憶特性與屬性拓撲
11.4 屬性拓撲的記憶模型
11.4.1 人腦記憶特性的進一步挖掘
11.4.2 屬性拓撲的激活模型
11.4.3 屬性拓撲的遺忘模型
11.4.4 幾種記憶模型的對比分析
11.5 本章小結
參考文獻
第12章 屬性拓撲的記憶激活機制
12.1 屬性拓撲激活
12.2 屬性拓撲激活的認知分析
12.2.1 激活集的認知分析
12.2.2 新增集的認知分析
12.2.3 激活子網絡結構的認知分析
12.2.4 屬性拓撲的激活算法及其認知分析
12.3 實驗
12.4 本章小結
參考文獻
第13章 屬性拓撲的記憶遺忘機制
13.1 屬性拓撲的遺忘模型
13.1.1 屬性拓撲的屬性分類階段
13.1.2 屬性拓撲的遺忘階段
13.2 遺忘過程中的再刺激
13.2.1 基本概念
13.2.2 屬性結點的直接刺激
13.2.3 屬性結點的間接刺激
13.2.4 屬性結點的再刺激分析
13.3 屬性拓撲的遺忘算法
13.4 實驗
13.5 本章小結
參考文獻
彩圖

本書以屬性拓撲理論及其應用為主線，繫統深入介紹屬性拓撲理論及其應用的近期新研究成果。全書共14章，分為四大部分，分別是：基礎理論、概念認知、關繫挖掘和記憶模型。其中，基礎理論部分介紹屬性拓撲的現狀、與相關學科的關繫及屬性拓撲的基礎理論；概念認知部分分別從串行、並行與增量角度介紹如何利用屬性拓撲進行概念學習，並介紹屬性拓撲與概念格的關繫；關繫挖掘部分介紹基於屬性拓撲的粒計算、關聯關繫分析與因果關繫分析，並闡述屬性拓撲與經典關繫挖掘算法間的異同；在記憶模型部分，嘗試利用屬性拓撲構造一種認知記憶模型，並闡述記憶中喚醒與遺忘機制的性質與應用。全書注重繫統性、嚴謹性、理論性、可讀性和實用性，可以作為高等院校應用數學、計算機、信息科學、繫統工程等專業高年級本科生及研究生的教學用書，也適合作為相關專業科研工作者的參考輔導工具書。