基于搜索空间划分的并行概念生成算法

概念格作为形式概念分析理论中的核心数据结构,在机器学习、数据挖掘和知识发现、信息检索等领域得到了广泛的应用。概念格的构造在其应用过程中是一个主要问题。本文提出了一种基于搜索空间划分的并行概念生成算法,它对整个闭包搜索空间进行划分,并引入一种有效的测试方法,只搜索那些能生成正规闭包的子搜索空间,从而有效提高搜索效率;同时,在计算闭包过程中保存一些必要的中间结果,用来提高闭包运算速度;由于所有子搜索空间相对独立,因此很容易得到一个井行的概念生成算法。     

基于搜索空间划分的概念生成算法

概念格作为形式概念分析理论中的核心数据结构,在机器学习、数据挖掘和知识发现、信息检索等领域得到了广泛的应用.概念格的构造在其应用过程中是一个主要问题.提出了一种基于搜索空间划分的概念生成算法SSPCG(search space partition based concepts generation),它将属性集合的幂集看作初始闭包搜索空间,迭代地将每个搜索空间划分为一些子搜索空间,并引入了子搜索空间的有效性判断,只搜索那些能生成正规闭包的子搜索空间,有效地提高了搜索效率;同时,在计算闭包过程中保存一些必要的中间结果,用来提高闭包运算速度.由于所有子搜索空间是独立的,所以该算法可以很容易地扩展为并行算法.在随机生成的数据集和真实数据集上进行的实验测试表明,本算法的时间性能要优于Ganter提出的NextClosure算法.     

一种基于概念矩阵的概念格生成算法

概念格作为形式概念分析理论中的核心数据结构,在机器学习和数据挖掘等领域有着广泛的应用.构造概念格十分重要,针对此引入了概念矩阵思想,提出了基于概念矩阵的概念格生成算法CMCG(Concept-Matrix Based Concepts Generation).该算法从格的顶端节点开始构造,基于概念矩阵,利用属性的秩为每个节点生成它的所有子节点,完成子节点到父节点之间的链接,并生成哈斯图.给出了这种算法的理论依据.最后提供了这一算法的伪码,并通过实验证明了CMCG算法的时间性能优于Lattice算法.     

一种粒度概念格模型及其构造方法研究

概念格构造的时间复杂度一直是影响其应用的主要因素。针对这个问题,提出了根据一个近似关系构造形式背景上的覆盖,进而依据用户参数选定一个覆盖分类集形成子形式背景的方法,给出了子形式背景对应的粒度概念格模型及其构造方法,证明了粒度概念格和原概念格之间的关系,通过子概念格的合并可以生成原概念格,通过实例说明了该方法的有效性。     

一种基于对象相容度的形式背景分割算法

介绍了一种基于对象相容度的形式背景分割算法(OMCP算法)。算法利用提出的对象相容度的定义,根据用户需求对原形式背景进行不同规模的分割,由生成的兼容子背景构造概念格。实验证明,在各对象间的相容度差别较大的情况下,与传统的形式背景预处理方法相比,算法生成的兼容子背景在构造概念格时不但提高了效率,而且使得生成的每个格节点与用户需求相关,提高了概念格的有用性。     

一种基于对象相容度的形式背景分割算法

介绍了一种基于对象相容度的形式背景分割算法(OMCP算法).算法利用提出的对象相容度的定义,根据用户需求对原形式背景进行不同规模的分割,由生成的兼容子背景构造概念格.实验证明,在各对象问的相容度差别较大的情况下,与传统的形式背景预处理方法相比,算法生成的兼容子背景在构造概念格时不但提高了效率,而且使得生成的每个格节点与用户需求相关,提高了概念格的有用性.     

树状结构组织的属性优先的概念格渐进式算法

通过对概念格渐进式构造过程的分析,采用树结构对概念格节点进行组织,研究了利用这种树状组织的渐进式生成属性优先的概念格的构造算法。并结合实例说明了概念格的树结构组织在属性优先的渐进式生成概念格时,能有效地缩小产生子格节点的搜索范围和新增格节点的父节点和子节点的搜索范围,从而能快速生成概念格。     

改进的变精度粗糙集在概念格构造中的应用研究

根据可变精度粗糙集的R-上、下分布约简算法的优势,结合概念格形式背景的特点,将二者有机地结合,提出了基于变精度粗糙集的概念格约减算法。分析了变精度粗糙集模型中的R值的选取算法、可辨识矩阵属性约简,以及传统算法中存在的问题,并进行了改进。最后,为了验证改进后算法的有效性,设计了基于变精度粗糙集的概念格生成系统,通过一个实例演示了构造概念格的整个过程,并通过实验证明了算法的有效性。     

基于对象和属性交叉的渐进式概念格生成算法

在分析人类概念形成机理的基础上,提出一种基于对象和属性交叉渐进式概念格生成算法,从空概念格开始,逐个地将形式背景中的对象和属性交叉插入到概念格中,实现对概念格的渐进式构造。该算法能渐进式地有效构造概念格,解决了以往渐进式概念格生成算法针对属性和对象交叉渐增更新需要重新构造概念格的问题。     

利用二部图生成概念格

概念格作为一种有效的知识发现与数据处理的工具,在许多领域得到了广泛应用,概念格的构造在其应用中具有重要的意义。每个概念格的形式背景都可以对应一个二部图,本文通过二部图的极大完全子图的概念来生成概念格,给出了基于二部图的深度优先的概念格的迭代算法。首先,对形式背景进行必要的约简;其次,利用二部图的极大完全子图得到顶层概念的直接子概念;最后,通过求二部图的导出子图来简化形式背景,并得出每个概念的直接子概念和所有子概念,从而生成概念格。     

基于负载均衡的模糊概念并行构造算法

提高模糊概念格直接构造效率是形式概念分析领域的主要问题之一,而当前基于模糊伽罗瓦联系的闭包运算仍是构造模糊概念的主要计算负荷,为此,提出一种基于负载均衡的并行构造模糊概念算法.该算法使用树状结构组织,遍历由自然数区间简化的搜索空间,逐级并行产生模糊概念、缩减搜索区间,并通过重新划分子搜索空间,实现各个计算节点负载均衡.实验结果表明,所提出的算法在稀疏数据集上表现优秀,能够有效地提高模糊概念构造效率.     

基于剪枝的概念格渐进式构造

概念格是形式概念分析中的核心数据结构。然而，随着需要分析处理的数据量日益剧增，概念格的构造效率成为一个关键问题。采用剪枝方法，消除了概念格构造过程中产生的冗余信息，提出了一种基于剪枝的概念格渐进式构造算法（Pruning based Concept Lattice，PCL），从而减少了概念格内涵的比较次数，提高了概念格的构造效率。采用恒星天体光谱数据作为形式背景，实验验证了算法PCL的正确性和有效性。     

一种概念格渐进式构造算法

概念格是形式概念分析理论的一种数据结构,它以独特优势在许多领域获得了广泛应用,如信息检索、软件工程、知识发现等,而概念格的构造效率问题是其应用的前提。相对传统算法需要遍历原始概念格中所有结点才能确定新概念的产生子的不足,减少了概念格更新过程中需遍历的概念结点数并缩小了新概念的产生子的父概念的搜索范围,提高和改善了效率。     

近似概念格及其增量构造算法研究*

针对传统概念格处理不完备信息的局限,给出了处理形式背景有缺值现象的概念格扩展模型———近似概念格,在此基础上提出改进的概念格增量构造算法。该算法引入哈希技术和最近父节点的增量计算方法,从加速定位生成元和更新边这两个关键过程改进Godin算法。采用随机数据集设计实验,实验表明,改进的算法可有效提高对形式背景有缺值现象概念格的建格效率,尤其是对数据规模和发生关系概率较大的数据集,算法的高效性更明显。     

基于链表结构的概念格渐进式构造

Godin算法是最典型的,也是最常用的概念格渐进式构造算法之一。本文给出了一种基于链表结构的Godin算法实现方法,该方法采用链表结构组织格结点,并利用索引表,实现了对概念格子结点的快速查找,提高了概念格渐进式构造的效率。最后,以天体光谱数据作为形式背景,实验结果表明,该方法的构造效率要明显优于基于顺序结构的Godin算法。     

一种基于剪枝的横向分块概念格构造算法

概念格是形式概念分析中的核心数据结构,随着数据量的日益剧增,概念格的构造效率始终是关键.本文首先引入横向分块概念格,给出其若干结论;针对横向分块概念格构造过程中存在冗余信息,提出一种基于剪枝的横向分块概念格渐进式构造算法PHCL,从而进一步提高了概念格的构造效率;最后采用恒星天体光谱数据作为形式背景,实验验证了算法PHCL的正确性和有效性.     

一种区间数分解与定标算法及其扩展形式背景的概念格生成方法

现有的概念格模型无法处理既包含以布尔值表示的信息,又包含以标量、模糊数及区间数表示的信息。因此,针对包含所有这些信息类型的扩展的形式背景提出它的处理方法,在此基础上,生成经扩展的概念格,是一项有意义的工作。提出了一种新的区间数分解与定标算法,以处理含有多种类型的扩展形式背景,并给出了相应的扩展格生成算法。最后,实验表明,该方法具有良好的效果。     

基于剪枝的约束概念格的渐进式构造算法

约束概念格是数据分析的一种有效工具,在其构造的过程中,大量的内涵之间比较操作是导致格的构造效率低下的主要原因之一。采用剪枝技术来消除构造过程中存在的冗余内涵比较,给出约束概念格渐进式构造算法PCCL。该算法利用父子节点内涵的严格单调关系,自顶向下扫描格节点,减少了新增对象属性集与原概念格节点内涵的比较次数,从而提高了约束概念格的构造效率。最后以天体光谱数据作为形式背景,实验验证了PCCL算法的正确性,且构造效率平均提高了15%以上。     

A lattice-free concept lattice update algorithm

Upon a change of input data, one usually wants an update of output computed from the data rather than recomputing the whole output over again. In Formal Concept Analysis, update of concept lattice of input data when introducing new objects to the data can be done by any of the so-called incremental algorithms for computing concept lattice. The algorithms use and update the lattice while introducing new objects to input data one by one. The present concept lattice of input data without the new objects is thus required by the computation. However, the lattice can be large and may not fit into memory. In this paper, we propose an efficient algorithm for updating the lattice from the present and new objects only, not requiring the possibly large concept lattice of present objects. The algorithm results as a modification of the Close-by-One algorithm for computing the set of all formal concepts, or its modifications like Fast Close-by-One, Parallel Close-by-One or Parallel Fast Close-by-One, to compute new and modified formal concepts and the changes of the lattice order relation only. The algorithm can be used not only for updating the lattice when new objects are introduced but also when some existing objects are removed from the input data or attributes of the objects are changed. We describe the algorithm, discuss efficiency issues and present an experimental evaluation of its performance and a comparison with the AddIntent incremental algorithm for computing concept lattice.     

概念格构造算法的改进

概念格作为形式概念分析理论中的核心数据结构,已经在知识工程和软件工程等领域得到了广泛的应用。概念格的构造在其应用过程中具有重要的意义,研究人员已经提出了一系列构造概念格的算法,主要是批处理和渐进式算法,其中渐进式算法是很有前途的一类。文章通过对概念格渐进式构造过程的分析,对Godin算法做了部分改进,给出了算法的伪码并加以实现,最后,根据运行数据进行了算法的性能分析。