基于不可约元的概念格属性特征识别方法

形式概念分析是数据挖掘与知识获取的一种有效的数学工具。概念格作为形式概念分析的一个核心内容,刻画了对象和属性之间的内在联系。基于概念格中外延、内涵闭系统中不可约元的性质,本文研究了概念格理论中的属性分类问题,给出了一种属性特征的识别方法。这种方法不仅揭示了交不可约元与属性特征的关系,同时为知识约简提供了一种新的途径。     

基于并不可约元的面向对象概念格的属性约简

概念格的属性约简是知识处理的重要研究问题之一。提出了一种面向对象概念格的属性约简方法。首先介绍了求面向对象概念格中并不可约元的方法,进而给出了面向对象概念格的并不可约元的外延集与面向对象概念格的协调集和约简集之间的关系,在此基础上,给出面向对象概念格的属性特征、并不可约元的外延集、属性等价类三者间的关系,最后利用这三者间的关系给出了面向对象概念格的约简集的构造。     

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。     

基于粗糙概念格的属性约简及规则获取

基于粗糙集和概念格理论进行结合,给出了决策背景下的多属性约简与规则提取方法。为此,针对决策背景的辨识矩阵和辨识函数给出了决策背景属性约简的具体属性约简方法;在此基础上得到了决策背景下的规则提取与属性约简方法,并通过实例表明了该约简方法的可行性与有效性．     

基于概念格的数据驱动不确定知识获取

在没有领域先验知识的条件下,不确定知识获取是机器学习研究中的一个难题.本文利用决策表和决策规则的不确定性,通过分析决策表、决策规则及概念格的知识表示形式,发现这3种知识表示形式中知识不确定性之间的关系,进而提出基于概念格的数据驱动不确定知识获取算法.仿真实验结果表明,该算法在不确定性知识获取中是有效的.     

基于交可约等价类的概念格属性约简

定义交可约等价类的概念, 研究基于交可等价类的概念格属性约简及其算法,并由此得到不同类型属性的特征。使用链表表示形式背景的逻辑结构并根据外延对象个数大小建立索引快速判断交运算对属性约简的有效性。根据属性对交运算的不同作用找出所有不必要属性,最终得到概念格的属性约简。     

基于概念格和条件信息熵的分类规则获取方法

分类规则挖掘是数据挖掘中的重要研究内容之一,概念格是提取分类规则的一种有效工具。首先,给出了一种面向分类的概念格批处理构造算法CLBCR,并从概念格内涵中提取分类规则;其次,采用条件信息熵作为分类规则的度量因子,对分类规则进行排序,从而进一步提高了分类规则的分类效率;最后,实验验证了该方法,在不影响分类正确率的同时,有效地提高了分类效率。     

不可约Quantale

研究了Quantale上（强）伪同余的性质,讨论了伪同余与核映射的关系;引入了不可约Quantale的概念;利用伪同余给出了不可约Quantale的一般刻画。     

基于属性分类的悲观概念格与乐观概念格

结合实际需求,在给定属性分类的形式背景中,首先定义悲观分类形式背景和乐观分类形式背景及其算子与概念,研究它们与原形式背景的算子、概念之间的关系.然后,对于悲观分类形式背景,建立原概念格与悲观分类概念格之间的映射,给出由原概念格直接生成悲观分类概念格的方法.对于乐观分类形式背景,引入概念包含映射,研究原概念格与乐观分类概念格之间的关系,给出对应的概念格生成方法.最后,通过例子阐述悲观分类概念格与乐观分类概念格在实际问题上的应用及语义解释.     

基于概念格的概念相似度计算

为了提高信息检索的查全率和查准率,经常要处理相似的概念,因此计算概念间的相似度是必要的.概念由对象和属性两部分组成,所以基于概念格相似度计算的也分为两部分:一是利用概念格的层次关系计算对象的相似度,另一部分计算属性的相似度.其次,概念间的相似度与概念在概念格中的深度有关,计算时利用深度对结果加以修正.计算模型利用了概念较为完整的信息,计算结果与人工判断基本吻合.