模糊概念格在知识发现中的应用研究

概念格是一种优良的形式化分析工具,已经广泛应用于知识发现和数据挖掘中。在大量研究中概念格基于精确的形式背景,即二值背景,而在实际中,形式背景中的信息往往是模糊、不确定的。本文将“模糊”引入概念格,定义了属性模糊概念格和其上的截运算,在概念格结点级上定义了两模糊参数α和δ,提出了从模糊概念格提取不确定规则、计算规则支持度、置信度的原则、方法,并给出了一个实例。     

一种模糊概念格模型及其渐进式构造算法

传统形式概念分析方法无法处理现实中模糊和不确定信息,因此,对模糊概念格及其信息表示的研究具有重要意义.文中提出了一种模糊概念格模型,提出了模糊形式背景中属性隶属度值的窗口截取方法,定义了模糊概念的模糊参数σ和λ,给出了模糊概念格渐进式构造算法,推导出了模糊参数σ和λ的渐进式计算公式.模糊参数σ和λ分别体现了概念外延对于属性的隶属度的均值和发散程度.在模糊概念格渐进式构造算法中引入两个中间参数以实现模糊参数的渐进式计算.最后,进行了算法性能评估实验,结果表明模糊概念格的这种渐进式构造算法在时间上和空间上都具有良好的性能.     

模糊概念因子格的子格构造算法

为了完善因子格的构造,提出了一种基于模糊伽罗瓦联系的模糊概念因子格的子格算法(Factor Lattice Algorithm算法)。该算法依据已给出的模糊概念因子格的上下界限,采用批处理的方式自顶向下根据模糊下邻生成因子,计算出模糊概念节点的直接下邻集合,将模糊概念格进行局部构建,逐步完成局部完备模糊概念因子格的构造得到完备的模糊概念格的子格。并从理论分析和实验结果证明此算法构造得到的模糊概念因子格具备了完备性。     

一种基于概念格的决策规则挖掘算法

概念格作为形式概念分析理论中的一种核心数据结构已经在众多的领域取得了广泛而成功的应用。从概念格上可以提取各种类型的知识,如蕴含规则、关联规则、分类规则等。利用概念格的所有节点的完备性特点,提出了一种基于概念格的新的决策规则挖掘算法,同时给出了规则的支持度。最后通过实例验证了算法的有效性。     

基于属性消减的模糊概念格渐进式构造算法

当前模糊概念格的直接构造具有指数时间复杂度,且随着真值集合L大小的增加,模糊概念格的规模变得越来越庞大。为此提出了FMBUAD算法,它能够在原有模糊概念格的基础上消去多个消减属性(冗余或者无效属性)得到新的模糊概念格,且不考虑真值集合L的大小。基于模糊概念格的基础理论证明了FMBUAD算法的正确性。该算法首先将所有概念节点内涵中的消减属性隶属度移除;然后找出模糊概念格中所有的删除节点;最后集中处理删除节点父子节点之间的偏序关系。理论证明和实验结果表明:FMBUAD算法构造L-模糊概念格具有较好的时间性能。     

粗糙概念格构造的算法

针对形式背景,利用概念外延与内涵之间特殊的关系,结合粗糙集上下近似概念,提出一种粗糙概念格构造算法,属性约简后运用粗糙度进行挖掘,获取可靠性知识。在构造过程中,对节点属性进行判断,有效地降低算法的时间复杂度。实际案例分析结果表明,通过属性约简与粗糙度的结合,该算法可以有效地挖掘获取可靠性知识,为数据分析挖掘知识提供了一种可行的思路和方法。     

基于约束的模糊概念格构造算法

一般的模糊概念格在构造过程中没有考虑用户的需求,用户对模糊概念格节点中一些属性集形成的内涵并不感兴趣。为了增强模糊概念格的针对性,降低模糊概念格构造的时空复杂性,构造满足用户需求的模糊概念格,首先将用户感兴趣的背景知识定义为约束条件,根据用户关心的属性间关系,将约束条件分为3类:单约束、与约束及或约束,并采用谓词公式表示,进而提出了基于约束的模糊概念格(Constrained Fuzzy Concept Lattice,CFCL)构造算法。该算法自底向上构造模糊概念格,利用模糊概念格父子节点内涵的单调关系,采用剪枝技术来减少构造过程中判断模糊概念是否满足约束的次数,提高了模糊概念格的构造效率。实验结果表明,该算法能够有效地减少模糊概念格的存储空间和构格时间。     

由蕴涵算子构造的一种模糊概念格

WilleR.提出的形式背景对象与属性之间具有明确的关系。但在实际生活中,人类认识的大量知识都是模糊的。因此研究对象与属性之间模糊的、不精确关系的模糊形式背景具有重要的意义。文章给出了在模糊形式背景下一种新的模糊概念的定义方式,讨论了它的性质,并给出了计算模糊概念的算法。最后给出了一个实例说明了在这种定义方式下形成的模糊概念格。     

一种构造概念格的改进算法

Chein算法是一种批处理概念格构造算法,它构造过程中层次清楚,易于生成Hasse图,但是造格的过程中生成大量冗余的概念,降低了构造概念格的效率.提出一种对Chein算法的改进算法,保留了原算法层次清晰的优点,同时避免了冗余概念的产生,从而降低了构造概念格的时间复杂度.     

一种区间值模糊概念格构造方法研究

在区间值模糊形式背景基础上,定义截运算以简化概念格的构造,从而得到区间值模糊概念格.文中给出了区间值模糊概念格构造算法,结合实例进行说明,最后求出了对应的模糊概念格.     

基于内涵模糊概念格的汽车评价知识发现方法研究

为了有效利用汽车评论数据,参照已建立的汽车评价本体,从文本中抽取评价搭配对,提出基于五元组的对象评价度量,从而获取汽车评价模糊形式背景。在模糊形式背景中,定义了内涵模糊概念和内涵模糊概念格。设计了模糊形式背景和内涵模糊概念格构建算法,并以实例对如何基于内涵模糊概念格进行知识发现予以讨论。     

概念格多属性渐减式构造

渐进式算法是概念格构造的重要方法之一,但以前的渐进式算法均为渐增式算法,即对象或属性都是增加的.实践表明,很多场合需要属性减少后的概念格.2013年,减少单个属性的渐减式算法已有研究,然而该算法只适用于单个属性,减少多个属性时,该算法需要反复执行多次.研究了减少多个属性的一次性渐减式算法,该算法与减少单个属性的渐减式算法有相同的时间复杂度,但当,减少多个属性时,单属性的渐减式算法需要反复执行多次,而该算法只需执行一次.     

模糊描述逻辑系统L-ALCN中的形式概念格

该文首先简单介绍格值模糊描述逻辑系统L—ALCN的语法和语义,介绍形式概念分析（FCA）的基本理论。把形式概念分析引入到模糊描述逻辑中,在国际上也是刚刚起步,尚不成熟。该文定义了模糊形式背景、模糊形式概念格,并证明了此概念格为完备格。     

面向知识结构分析的模糊概念格模型

知识空间理论使用数学语言对学习者进行知识评价与学习指导, 属于数学心理学的研究范畴. 技能与问题是构成知识空间的两个基本要素, 深入研究两者之间的关系是知识状态刻画与知识结构分析的内在要求. 在当前的知识空间理论研究中, 没有明确建立技能与问题之间的双向映射, 从而难以提出直观概念意义下的知识结构分析模型, 也没有明确建立知识状态之间的偏序关系, 不利于刻画知识状态之间的差异, 更不利于规划学习者未来的学习路径. 此外, 现有的成果主要集中在经典的知识空间, 没有考虑实际问题中数据的不确定性. 为此, 将形式概念分析与模糊集引入知识空间理论, 建立面向知识结构分析的模糊概念格模型. 具体地, 分别建立知识空间与闭包空间的模糊概念格模型. 首先, 建立知识空间模糊概念格, 并通过任意两个概念的上确界证明所有概念的外延构成知识空间. 引入粒描述的思想定义技能诱导的问题原子粒, 由问题原子粒的组合判定一个问题组合是否是知识空间中的一个状态, 进而提出由问题组合获取知识空间模糊概念的方法. 其次, 建立闭包空间模糊概念格, 并通过任意两个概念的下确界证明所有概念的外延构成闭包空间. 类似地, 定义问题诱导的技能原子粒, 由技能原子粒的组合判定一个技能组合是否是闭包空间中某一知识状态所需的技能, 进而提出由技能组合获取闭包空间模糊概念的方法. 最后, 通过实验分析问题数量、技能数量、填充因子以及分析尺度对知识空间与闭包空间规模的影响. 结论表明知识空间模糊概念不同于现有的任何概念, 也不能从其他概念派生而来. 闭包空间模糊概念本质上是一种面向属性单边模糊概念. 在二值技能形式背景中, 知识空间与闭包空间中的状态具有一一对应关系, 但这种关系在模糊技能形式背景中并不成立.     

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