基于属性链表的关联规则格的渐进式构造算法

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究。而由二元关系导出的概念格则是一种非常有用的形式化工具，非常适于发现数据中潜在的概念。分析了概念格与关联规则提取之间的关系，根据需要对格结构进行了相应的修改，提出了关联规则格的概念，并提出属性链表这种数据结构，基于这种链表提出了关联规则格的渐进式构造算法。通过对算法进行分析，得出了比Godin算法更好的时间效率。     

基于概念格的规则产生集挖掘算法

传统的规则提取算法产生的规则集合相当庞大，其中包含许多冗余的规则．使用闭项集可以减少规则的数目，而概念格结点问的泛化和例化关系非常适用于规则提取．基于概念格理论和闭项集的概念，提出了一种新的更有利于规则提取的格结构，给出了相应的基于闭标记的渐进式构造算法和规则提取算法．最后提供给用户的是直观的、易理解的规则子集，用户可以有选择地从中推导出其他的规则．实验表明该方法能够高效地挖掘规则产生集．     

在概念格上基于最大频繁项集关联规则提取算法

许多研究表明概念格是数据分析与规则提取的一种有效工具.本文首先提出基于最大频繁项集幂集格上的规则提取算法.然后对此种算法进行改进,在已建好的概念格上直接从最大频繁项集进行规则提取,因而提高了挖掘关联规则的效率,适用于大型数据库中关联规则的挖掘.     

基于概念格的关联规则发现

关联规则是数据库中有价值的一类规律,国内外学者已经对它进行了广泛的研究,由二元关系导出的概念格作为一种非常有用的形式化工具,体现了概念内和外延的统一,反映了对象和特征间的联系以及概念的泛化与例化关系,因此非常适于发现数据中潜在的概念。本文报概念格的关联规则提取之间的关系,根据需要对格结构进行了相应的修改,提出了概念格结点内涵缩减概念,给出了相应的渐进式生成算法和基于概念格的关联规则提取算法,并通过     

概念格与关联规则发现

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究。而由二元关系导出的概念格则是一种非常有用的形式化工具。它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例化关系,因此非常适于发现数据中潜在的概念。分析了概念格与关联规则提取之间的关系,根据需要对格结构进行了相应的修改,提出了相应的渐进式生成算法和基于概念格的关联规则提取算法,通过定理和性质对算法进行了说明并对关联规则进行缩减。最后对格结构的复杂性进行了讨论并给出了相应的实验结果。     

关联规则格的渐进式维护算法

关联规则发现作为数据挖掘中核心任务之一,已经得到了广泛的研究。由二元关系导出的概念格是一种非常有用的形式化工具,适于发现数据中潜在的概念。在分析了概念格和关联规则之间的关系的基础上,根据需要对概念格结构——关联规则格进行了修改,同时,采用了带头尾指针的链表作为整体的数据结构,从而提出了基于关联规则格的关联规则渐进式维护算法。该算法可以根据预先给定的置信度∮,在渐进式增加和删除节点时,动态更新关联规则。     

基于属性的概念格渐进式生成算法

提出了一种新的基于属性的渐进式概念格生成算法 ,通过不断地渐增属性来构造概念格 .该算法不仅为概念格的构造提供了一种新的方法 ,还解决了在已构造好概念格的前提下 ,增加属性所带来的概念格更新问题 .给出了算法的实现方法 ,并结合实例说明了概念格的更新过程 .试验表明 ,在通常情况下 ,基于属性的渐进式概念格生成算法的性能往往更优越     

概念格研究进展

概念格理论是一种有效的知识表示与知识发现的工具,已被成功应用于许多领域.介绍了国内外现有的建格算法及概念格上分类规则和关联规则提取方法,比较了各种建格算法的优缺点,讨论了概念格属性约简理论的研究方法和研究进展.另外,还介绍了概念格在数据挖掘、信息检索、软件工程等领域的应用,给出了与粗糙集的关系及其它的一些研究成果.最后,给出了概念格有待完善的研究领域.     

基于扩展概念格的分类规则获取算法

概念格是进行数据挖掘和规则提取的有力工具，通过分析概念格中概念的特征，提出了扩展概念格以及基于扩展概念格的分类规则获取算法。实验表明该算法能够生成简洁并且易于理解的规则集。     

概念格的渐进式维护算法

由二元关系导出的概念格是一种非常有用的形式化工具,也很适合于发现数据中潜在的概念。概念格的算法一直是数据挖掘领域研究的热点。本文根据需要对概念格的结构进行一定的修改,采用一个带头、尾指针的链表作为整个算法的数据结构,提出概念格的渐进式维护算法,该算法中包含两个算法,即渐进式构造算法和渐进式删除算法。最后,通过将该算法和其他算法进行比较,得出较好的时间和空间效率。     

一种新的概念格结构——区间概念格

对经典概念格、粗糙概念格的分析表明,其概念外延或者具有全部属性,或者只具备一个属性,从而造成所提取关联规则支持度和可信度严重下降。为此提出一种新的概念格结构——区间概念格Lαβ(Mα,Mβ,Y),其概念外延是区间[α,β](0≤α≤β≤1)范围内满足内涵属性的对象集。证明了当α=β=1时,区间概念格退化为经典概念格;当β=1,α>0时,区间概念格退化为粗糙概念格;其次,给出了区间概念格中概念度量的精度、覆盖度等概念,并给出了相关性质;接着,证明了区间概念格具有的一些独特性质;然后,初步给出了构造区间概念格的方法;最后,通过实例证明了区间概念格提出的必要性和实用性。     

基于概念格的语言真值不确定性推理*

利用概念格来实现不确定性推理的过程中,给出了一个具体的语言真值格蕴涵代数的完备结构;作为概念格的扩充理论,提出了用于处理不确定性信息的语言真值概念格,并基于语言真值概念格给出了内逼近不确定性推理规则和外逼近不确定性推理规则,进而验证了这两种规则的还原性。     

软集与软格

将Molodtsov于1999年提出的软集理论应用到格论中,提出了软格和软子格的概念,讨论了它们相关的性质。另外,基于-软集和q-软集的概念,讨论了理想软格和滤子软格的一些性质。     

概念格的分布式集成算法研究

随着大数据时代的到来,海量数据的分布存储和分布计算变得越来越重要,其中概念格的分布式集成变得尤为紧迫。为了解决概念格的构格时间较长的问题,提出了面向概念格的分布式集成算法。概念格的集成是先对子概念格中的概念按内涵个数递减进行排序,再将排序后的子概念格集成为全局概念格。构造全局概念格选择两种集成方式:1)添加式集成方式,即主节点接收并集成来自所有子节点的子概念格;2)二路归并式集成方式,即各个子节点处的所有子概念格先集成,而后将所得的概念格提交给主节点接收并完成最终集成。实验表明,这两种概念格的分布式集成策略各有优缺点,但都能够减少概念格的构格时间。     

对象格产生概念格

通过在对象集内引入两个偏序关系≤′和■′及一种新的交运算∩′来建立改进的对象格,然后通过此对象格产生概念格。此概念格与由通常对象集合的交运算∩产生的概念格相比,其产生的概念节点不仅包括由通常对象集合的交运算∩产生的概念格的子节点的对象,还包括产生的新对象。     

Mizumoto格值有限自动机及其最小化

提出取值为格半群的Mizumoto格值有限自动机的概念,得到基于模糊字符串的Mizumoto格值有限自动机的扩张模型,并详细讨论了其性质。同时建立了扩张Mizumoto格值有限自动机与标准扩张Mizumoto格值有限自动机的等价性,在此基础上给出了其最小化算法。     

基于 D3bQ15晶格离散三维风场的飘雪模拟 *

基于格子 BGK建立风场模型时 ,针对所用笛卡尔晶格的离散速度数少时 ,风场模型的数值精确度低 ;而离散速度数多时 ,计算速度慢的局限性 ,提出用体心立方晶格 D3bQ15离散三维风场。 D3bQ15晶格更好的各向同性及特定空间较少的采样数 ,调和了由离散速度数决定的风场模型的精确度与计算效率之间的矛盾。实验证明 :飘雪场景仿真中风场建模时 ,用 D3bQ15晶格比用笛卡尔晶格能更好地满足飘雪场景真实性和实时性的要求。     

一种最短向量已知格的生成方法

提出了最短向量已知格的概念。通过对循环格的分析，得到了循环格是最短向量已知格的两个定理。为了得到随机性更好的最短向量已知格，提出了伪循环格的概念，并且给出了伪循环格是最短向量已知格的充分条件。相关的定理都是构造性的，通过简单的算法就可以快速生成最短向量已知格。格基进行随机化的一般性算法。     

后台阶流动的非均匀格子Boltzmann方法模拟

使用非均匀格子Boltzmann方法对后台阶流动进行了数值模拟.将流体流动区域划分为不同的子区域:对于每个子区域内部,分布函数使用均匀网格计算;对于区域边界,分布函数采用嵌套网格方法进行处理.数值计算结果与其它实验、数值结果相吻合.