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.     

基于量化相对约简格的关联规则发现

关联规则发现是KDD中的一个重要的问题,而量化相对约简格作为一种新的表示数据和知识的有效工具,对于概念格结构进行了更为有效的缩减,非常适于数据库中的知识发现.文章对基于量化相对约简格进行关联规则的快速发现进行了讨论,提出了基于频繁概念子格进行规则提取的方法,并进行了相应的理论研究.     

基于频繁量化约简格的非冗余关联规则发现算法研究

作为KDD应用领域重要组成部分的关联规则发现面临着生成过多冗余规则的问题,并成为制约其挖掘效率的主要因素之一;作为一种新的表示数据和知识的有效工具,频繁量化约简格因其是基于支持度筛选而仅保留量化相对约简格中的频繁概念和空概念及其关系的更为简化的扩展概念格结构,所以更加适用于从大规模数据库中进行非冗余规则的发现.提出了一种基于频繁量化约简格的非冗余关联规则发现算法,并进行了相应的发现过程的研究.     

基于粗糙集理论的概念格属性约简及算法

粗糙集理论在数据分析中善于解决约简冗余属性与对象、寻求最小属性集等问题，而约简概念格是形式概念知识表示中解决复杂性的重要途径。用粗糙集的方法重新认识形式概念及概念格，并把二者有机地结合起来，为概念格的约简提供了一个新的思路和方法。本文就这些问题做了一些基本的研究。     

基于概念格的多层属性约简方法

属性约简是粗糙集理论中的核心问题之一,概念格是进行知识表示和数据分析的一种有效工具。文中利用概念格作为约简工具,给出基于概念格的多层属性约简算法,提出相融可辨概念、相融等价概念、亏n级等概念,研究内涵亏值对分类能力变化产生的影响,给出概念格中形式背景约简的判定定理。文中算法能完备地求出所有可约简的最大属性集合,从而为概念格中属性约简提供一种有效方法。最后,通过实例分析和实验对比说明该约简算法的可行性与有效性。     

容差近似空间的广义概念格模型研究

在粗糙集合理论中,近似空间概念格之间存在着有趣的对应关系,利用概念格研究知识的约简和发现。更直观和更有效,但已有的概念格模型是基于近似空间的等价类划分的。等价类划分过于苛刻,扩展的基于容差关系的近似空间具有更广泛的意义,但目前未见有相应的格模型被提出。该文提出了容差近似空间的一种格模型,称为广义概念格,给出了定义,描述了建立方法和由它产生规则的原则,讨论了空间复杂性问题,并且与其它相近方法做了比较     

基于概念复合的对偶三支概念格及其概念约简

三支概念格通过正负算子相结合，既表示出了共同拥有的信息，又表示出了共同不拥有的信息，是对经典概念格的扩展。但在处理一些实际问题时，人们也会从反向出发，考虑集合的补集可能不拥有的信息和可能拥有的信息，对偶三支概念格应运而生。文中提出了一种基于形式背景的对偶概念及其补背景中对偶概念的复合来构造对偶三支概念格的方法，经验证，通过概念复合方法得到的对偶三支概念与通过对偶三支算子得到的概念相同。进一步讨论了基于可辨识矩阵求解对偶三支概念格的属性约简方法，并借助此思想，给出了基于概念可辨识矩阵的对偶三支概念约简方法。     

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。     

基于概念格的形式背景的知识约简

概念格作为一种数学方法在数据挖掘和知识处理中有重要意义.本文基于概念格提出了关于形式背景的知识约简理论,并借助于粗糙集理论中关于信息系统知识约简的思想,给出了概念格中形式背景约简的判定定理和相应的可辨识属性矩阵,从而为概念格中形式背景知识约简提供了一种有效方法.     

概念知识表示和推理

Nilsson教授首先提出了代数格应用于概念知识表示的思想．其优点在于知识表示的代数特性和图示特性，在此基础上．表文把代数格与PROLOG相结合．定义了一种基于概念的逻辑编程语言．其语言具有比PROLOG更抽象、更方便的编程风格．此外．给出了该逻辑编程语言的匹配算法．     

一种新颖的概念格属性约简算法

概念格是知识处理与分析的一个有力的工具,在知识约简方面有着重要的利用。首先给出了概念格中不同类型属性的等价刻画定理,在此基础上得到了一种新颖的概念格属性约简算法,最后通过实例表明了该约简算法的可行性与有效性。     

概念格属性约简的启发式算法

概念格是知识处理与分析的一个有力的工具,在知识约简和数据挖掘方面有着重要的应用。该文首先从概念外延的角度研究了合理刻画属性重要性的指标,并给出了概念格属性约简的判定定理,然后以这些指标作为启发式信息设计了一种新颖的概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性。     

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。     

基于属性约简的概念格构造

概念格是数据处理和规则提取的重要工具。对于数据较大的形式背景,由于产生的概念格结构复杂,部分有用的信息将被这种复杂的结构所掩没。本文利用属性约简理论,首先在没有构造概念格的前提下将概念格的属性进行约简,从而进一步构造出约简后的概念格。实验证明,该方法简洁高效。     

对偶区间集概念格上区间集协调集的判定方法

对偶区间集概念格是将区间集引入到对偶概念格产生的,它将对偶概念的外延与内涵从经典集合推广到区间集,使之成为一种描述不确定性概念的数学方法。而属性约简是数据挖掘的核心内容之一,是一种研究概念格本质特征的方法,它通过删除冗余属性使数据表中概念的获取与表示变得更简洁。文中主要研究对偶区间集概念格上区间集协调集的判定方法。首先基于对偶区间集概念格的同构,引入了区间集协调集,给出了对偶区间集概念格上区间集协调集的一系列判定定理,进而讨论了利用区间集协调集获取区间集属性约简的方法。     

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。     

一种求概念格属性约简的方法

概念格是根据数据集中对象与属性之间的二元关系建立的一种概念层次结构,在知识约简方面有着重要的应用。文章给出了概念格不同类型属性的刻画定理,并在此基础上得到了一种求属性约简的方法。     

基于概念格外延信息量的属性约简算法

概念格是知识处理与分析的一个有力的工具,在知识约简和数据挖掘方面有着重要的利用。首先给出了概念格外延信息量的概念,在此基础上研究了合理刻画属性重要性的指标,并给出了概念格核心属性的判定定理,然后以这些指标作为启发式信息设计了一种新颖的概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性。     

基于等价关系的最小乐观概念格生成算法

决策信息系统的规则提取是数据挖掘的研究内容之一,概念格理论与粒计算理论是该领域研究的主要数学工具。文中通过探究这两大理论间的关系,利用等价关系定义了最小乐观概念格及其结构,最小乐观概念区别于传统经典概念,但是具有格的结构。在此基础上,提出了一种决策信息系统的规则提取算法,该算法引入了粒度思想,通过求取每一粒层中的最小乐观概念,并根据最小乐观概念的外延与决策属性等价类间的蕴含关系进行决策规则提取,通过设置算法的终止条件来加快其收敛速度,以达到针对决策信息系统知识约简的目的。最小乐观概念的定义比经典概念的定义更宽泛,其生成过程也更简单。最后,通过理论证明、实例验证以及数值实验对比验证了该方法的正确性与优越性。     

采用粗糙集中可辨识矩阵方法的概念格属性约简

概念格是知识处理与分析中的一个有力工具，对它进行约简可以提高效率简化问题。文章将粗糙集理论的可辨识矩阵方法应用于概念格的约简，方法简单易行，具有很强的规则性。