分层概念格的上卷和下钻构造算法

当形式背景中的某些属性可以分解为若干子属性时,构建分层概念格模型,讨论原形式背景的概念格和分层形式背景的分层概念格之间的联系.提出由下层概念构造上层概念的上卷构造算法和由上层概念构造下层概念的下钻构造算法.实验表明,采用分层概念格模型可以建模复杂属性数据,分层概念格上卷构造算法和下钻构造算法可以提高构建概念格的效率.     

基于同义概念的概念格纵向合并算法

在FCA中,如何提高概念格构造算法的效率一直是研究的重点之一。将形式背景进行分解后造格是解决这一问题的有效途径,其中概念格的合并算法是关键。提出同义概念的观点,在格的合并算法中引入了概念格的线性索引结构,通过寻找同域概念格之间的同义概念,根据父概念-子概念的关系实现对其所有父节点的快速更新。实验表明,该算法和文献中的同域概念格纵向合并算法相比,其时间性能有明显改善。     

基于对象和属性交叉渐进模糊概念格生成算法

在人类的认知过程中,真实的形式背景总是模糊和不确定的,并伴随着对象和属性交叉渐增更新。在分析人类概念形成机理的基础上,提出了一种基于对象和属性交叉渐进式模糊概念格生成算法。该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模糊概念格中,实现对模糊概念格的渐进式构造。实验及分析表明该算法不仅能有效地渐进式构造模糊概念格,而且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。     

概念格的属性渐减原理与算法研究

渐进式算法是概念格构造的一类重要算法,但大多关注于形式背景中对象或属性增加的情况.而当形式背景的属性减少时,已有的算法则需要重新构造概念格,较为费时.针对这一情况,研究了属性消减后从原概念格渐进式产生新概念格的理论和算法,并且算法时间复杂度较低.首先分析了原概念格和新概念格中节点间的映射关系以及从原概念格到新概念格中边(节点间的前驱-后继关系)的变化规律.在此基础上,提出了自顶向下和自底向上两种渐进式的概念格属性渐减算法.算法能够对原有概念格直接进行修改来得到新的概念格,避免了从形式背景重新构造概念格,时间复杂度降低为O(‖ L ‖·G ‖·‖M ‖).实验及分析表明,当属性减少时,能比传统算法节省大量的运行时间.     

基于属性的概念格快速渐进式构造算法

提出了一种新的基于属性的概念格快速渐进式构造算法,通过不断地渐增属性来构造概念格。以往的渐进式算法嘟是基于对象的,当数据库属性数目发生变化时,需要重新构造概念格。该算法不但解决了这个问题,而且提供了一种渐进式构造概念格的新方法和思路。给出了该算法的实例,用来说明形式背景在新添加属性后概念格的更新过程。实例与实验表明基于属性的概念格快速渐进式构造算法是快捷有效的。     

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。     

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。     

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。     

一种基于直积运算的概念格合并算法

现有的渐进式概念格构造算法,不能有效利用已有的概念格.当形式背景的属性数目发生变化时,需要以单个属性或属性集合为对象,重新构造概念格.为此,提出了一种基于已有概念格的概念格合并算法,对已有概念格做直积运算,通过直积格和总格的映射关系,自底向上直接构造出总概念格.这个算法适用于属性交集为空的形式背景的合并.     

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。     

基于概念格的图像特征数据降维*

高维图像特征数据不利于图像数据挖掘。为了降低图像特征数据维数,提出了基于概念格的降维算法,该算法将图像的HSV颜色特征转换为图像形式背景,再对背景的概念格进行属性约简。实验结果表明,该降维方法比较有效,并且较主成分分析具有明显的优势。     

Approaches to attribute reduction in concept lattices induced by axialities

This paper investigates approaches to attribute reduction in concept lattices induced by axialities. Based on an axiality, a type of covariant Galois connection between power sets, or equivalently a binary relation between the ground sets, the lattice of all concepts associated with a formal context is studied. Some judgment theorems for attribute reduction in such a lattice are proposed and proved. Extended from the idea of knowledge reduction in rough set theory, a Boolean approach to calculating all reducts of a context is formulated via the use of discernibility function. Finally, all attributes are classified into three types by their significance in constructing the concept lattice. The characteristics of these types of attributes are also analyzed.     

约束概念格及其构造方法

概念格是一种有效的数据分析和知识提取的形式化工具．然而，随着要处理的数据量的剧增，基于原始形式背景构造出的概念格结点数目庞大，占用大的存储空间，同时概念格结点中一些属性集形成的内涵，用户并不都感兴趣，因而从中提取用户需求知识费时．为了降低概念格构造的时空复杂性，增强实用性和针对性，首先采用谓词逻辑描述用户感兴趣的背景知识，并将背景知识引入到概念格结构中，提出了一种新的概念格：约束概念格．在此基础上，提出了基于背景知识的约束概念格构造算法CCLA．理论分析表明，该算法能有效地减少概念格的存储空间和建格时间．最后，采用恒星天体光谱数据作为形式背景，实验验证了该算法的有效性．     

Bordat概念格构造算法的改进

作为一种重要的概念格构造算法,Bordat算法简洁、直观且易于并行化,但该算法本身的效率并不高。在深入研究格结构特性的基础上,给出了它的改进算法。首先对形式背景的属性集进行等价类划分,以减少参与计算的属性个数,并消除了在产生子节点集的过程中,对属性之间的多余比较,从而大大提高算法的效率,并通过实例和实验说明该算法的正确性和有效性。     

An efficient algorithm for increasing the granularity levels of attributes in formal concept analysis

In the basic setting of formal concept analysis, a many-valued attribute needs to be replaced with several one-valued attributes. These one-valued attributes can be interpreted as a certain level of granularity of the corresponding many-valued attribute. In this paper, we explore theoretical relationships between concepts before and after increasing the granularity level of one attribute, based on which we introduce an efficient method of concept classification. Moreover, a new preprocessing routine is proposed to help generate new concepts and restore lattice order relation. These two procedures can considerably reduce the comparisons between sets, compared to the original Zoom-In algorithm. By employing these two procedures, we introduce an efficient algorithm, referred to as Unfold, to increase the granularity levels of attributes. The algorithm can perform a Zoom-In operation on a concept lattice associated with a coarser data granularity to obtain a new one that consists of finer formal concepts without building the new lattice from scratch. We describe the algorithm and present an experimental evaluation of its performance and comparison with another Zoom-In algorithm. Empirical analyses demonstrate that our algorithm is superior when applied to various types of datasets.     

概念格属性约简的判定

引入Galois联络,利用Galois联络深入研究了概念格的基本性质。指出概念格同构是格同构。为了寻求更为简洁、合理的约简算法,在更一般的形式背景（即对象集和属性集有限或无限）中,给出协调集的四类判定定理,将已有结果做了推广而且丰富了协调集的判定。举例说明在一般的形式背景中,约简不一定存在。     

区间概念格的纵向维护原理与算法

区间概念格是唯一能直接反映具备一定数量或比例的内涵中属性的对象集合的格结构。格结构是根据对象-属性的二元关系构造的,形式背景中的属性是时刻变化的,为使概念格能反映属性变化后的数据规律进而提取新的规则,提出了区间概念格的纵向维护算法。算法在分析了区间概念格的概念外延特点及结构特征后,给出了区间概念格在增加属性、删除属性两种情况下的维护算法,进而通过算法分析表明了维护较重构在时间与空间上的高效性,最终用实例表明了维护算法的可行性。     

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.