基于概念格的语义Web服务匹配研究

以本体论和概念格理论为基础，提出一种基于语义Web 服务相似度的功能匹配方法；根据该方法实现了一个原型系统，为语义Web服务查找匹配提 供了一种可行的解决方案.  

基于模糊概念格的Web搜索结果聚类算法

提出了一种模糊形式概念分析方法,给出了在对象和属性的模糊二元关系上生成模糊概念格的过程.提出了一种在格的拓扑序列上进行概念聚类的快速算法,并且定义了概念聚类间基于偏序的层次关系.该方法利用格理论解决了概念聚类中概念间的多重继承关系,应用在Web搜索结果聚类上,实验结果表明算法在聚类质量和检索性能上都有改进和提高.  

一种关联规则挖掘筛选算法设计

介绍了概念格与关联规则挖掘的内容,从减少了候选集的数量和扫描数据库的次数两方面讨论了应用概念格的优点,提出用封闭比例这样一个量化的值来估计数据集中属性间的关联,并依据封闭比例选择适当类型的挖掘算法的方法.  

基于概念格的频繁闭项集增量挖掘算法研究

近年的研究表明，概念格可以应用于解决频繁闭项集的挖掘问题．针对已有渐进式概念格构造算法中存在的问题，提出了一种基于概念格的频繁闭项集增量挖掘新算法——FIPT-I算法．新算法利用模式树对概念格进行组织，并利用模式树压缩数据库中的事务，在渐进式构造概念格的同时实现了事务的批处理，减少了概念格的调整操作时间．实验结果表明，与其他同类算法相比，FIPT-I算法对于增量挖掘频繁闭项集来说具有更高的效率．  

快速发现关联规则挖掘算法的并行化方法

分析挖掘关联规则主要并行算法及性能.针对算法中负载平衡和时间响应问题,提出一种高效可行的挖掘关联规则的NA(Ntransactionalgorithms)并行算法,给出了NA算法的策略.通过前期实验结果表明,这种快速发现关联规则的并行算法在计算大项集过程中不需要同步和交换数据,在任意情况下,可独立计算局部大项集.  

基于FCA与CBR的设计模式检测

以一个精确可靠的设计模式检测模型为目标,结合形式概念分析(formal concept analysis,FCA)与实例推理(case based reasoning,CBR)技术,提出一种基于更完整问题描述的改进技术模型,通过FCA与余弦理论思想计算特征指标与相近案例的相似性值Score,对其结果进行优先级排序,并取得最优选择之后,将其匹配的特征结果存储到学习模型的保存过程阶段。最后,给出一种基于平均精度MAP的性能评估方法模型。试验结果表明,该检测模型较传统的检测模型在性能上有较大改进  

融合概念格约简的中文领域本体学习方法

在基于形式概念分析的中文领域本体学习中，为提高概念格构建效率，将概念格约简理论应用于概念格构建中。首先对基于语义依存分析获取的形式背景进行对象和属性约简，然后基于约简的形式背景采用Godin算法构造概念格，最后根据修复定理修复约简概念格，得到完整的概念格。通过有关对萝蘼科植物的文本学习，得到一个萝蓐科植物领域本体。实验结果表明，引入概念格约简理论，概念格的构建效率提高70％，进而提高了领域本体构建的效率。  

基于形式概念分析的属性约简

为找到属性约简的直接判断方法,对形式背景的属性特征问题进行讨论。在一个给定的形式背景中,通过建立属性之间的相似关系,定义了属性的相似类,分析了属性之间的相似程度,给出了属性的不同特征,根据这些特征,实现了对属性约简的直接判断。最后,通过实例分析说明该方法是一种有效合理的属性约简的直接判定方法。  

面向属性概念格基于覆盖的压缩

提出了一种直接从形式背景出发,获得简化面向属性概念格的方法.针对一个形式背景,引入对象集和属性集上的相似度,产生对象邻域与属性邻域,进而根据对象的相似程度或属性的相似程度来调整对象邻域或属性邻域的大小,控制面向属性概念格节点的个数,实现对面向属性概念格的动态压缩.该方法可以分别从对象的覆盖和属性的覆盖两个角度压缩面向属性概念格中节点的个数,且压缩后的概念集为原概念集的子集,从而达到简化知识库的效果.  

直觉模糊概念意义下的属性约简

针对传统的概念算子的构造只考虑了对象和属性之间的一种二元关系,定义了直觉模糊信息系统.在该系统中,基于对象和属性间的直觉模糊二元正关系和二元负关系建立了关于对象集和属性集的2对算子,它们充分考虑了正、反两方面信息.通过引入精度阈值,定义了3类直觉模糊概念,并讨论了其相关性质.通过引入对象和属性间的支配关系,建立了新的概念格模型,研究了保持哈斯图结构不变的直觉模糊信息系统的属性约简.数值实例验证了该模型的有效性和实用性.