基于模型的构件软件修改影响分析

基于构件的软件构建方法目前被广泛使用在软件开发中,用于减少软件开发的工程成本和加快软件开发进度.面向构件的系统主要由第三方提供的可重用构件或者内建的可重用构件组成,因此,系统的质量好坏和维护的难易程度依赖于构件的品质.一个软件修改会给其他构件甚至整个系统带来影响,而修改影响分析是控制和消除这类影响的有效手段.然而,现有的研究很少涉及构件软件的修改影响分析,尤其缺少对系统层面的修改影响分析研究.提出了一种基于模型的系统化修改影响分析方法,该方法的基本思路是:首先提出构件及系统层面的修改影响分析模型,然后根据分析模型分别从构件和系统两个层面对构件软件修改前后的版本进行修改识别,并且利用“防火墙”方法进行影响分析.理论分析和实验结果表明,该方法是可行的,也是有效的.     

基于形式概念分析的依赖簇检测方法研究

依赖簇是相互依赖的程序组件的最大集合,大尺寸依赖簇已被证实在程序中普遍存在。依赖簇中任意一点产生变动都会引起其他组件的连锁反应,进而对整个系统造成潜在的影响,这将会阻碍软件理解、测试、维护等方面的工作。检测出依赖簇是消除不良影响的前提,目前通过单调切片尺寸图近似检测依赖簇的方法的准确度较低,会出现漏报和误报。提出了一种基于形式概念分析的依赖簇检测方法,通过概念包含度选取的大型概念来检测大尺寸依赖簇,并进一步提出轻量化策略以有针对性地选取大型概念,降低计算开销。在12个不同规模和领域的开源程序上,将所提方法与单调切片尺寸图法进行对比实验,结果表明所提方法及其轻量化策略能够有效地检测大尺寸依赖簇,可以提高依赖簇检测的准确度和效率。     

基于Eclipse的概念格构建系统的设计与实现

概念格作为一种很好的形式化概念分析工具,被应用于数据挖掘、人工智能和知识提取等领域.如何将海量的数据中提取出来的相关规则即概念,迅速转化成直观的概念格图,成为概念格应用首先需要解决的问题.描述了概念格的相关概念,实现了概念格的改进构造算法.在Eclipse平台下实现了一种半自动化的概念格构建系统,并对各个模块的实现做了详细的介绍,生成相应的概念格的Hasse图,最终通过实验分析验证了半自动化构建概念格系统的可行性,优化了算法的空问复杂度,使系统性能得到优化.     

一种基于约束格维护概念模型一致性的方法

针对以形式概念分析理论为基础的概念建模过程中知识表示存在差距的问题,提出一种整合专家知识到概念格结构中的形式化模型.首先,将一组属性依赖与概念格提供的一系列蕴涵对齐,对原始格进行修订,然后,通过使用外延投影建立约束格来提供变化轨迹,并在此基础上,提出基于形式概念分析约束格理论弥补这一差距的建模方法,以维护概念模型的一致性.该方法不仅提供了领域专家修订概念模型的途径,还保留了原始格和最终约束格之间的变化轨迹.通过这些变化,专家可以访问实践中的概念如何与数据自动发布的概念相关联.最后,结合示例对基于约束格维护概念模型一致性方法的有效性进行了验证.     

基于概念格的非数值型数据聚类稳定性分析

概念稳定性的计算是一个NP-完全问题,且概念稳定性在聚类分析中具有十分重要的意义。概念格自身特点决定了其适合作为概念稳定性分析的工具。为了获得一个形式化的计算概念稳定性的方法,定义了概念的核心对象集,并给出了计算核心对象集的方法,进而得到了计算概念稳定性的方法。另外,根据概念格的对偶原理,得到了一个计算类标签的方法。最后用例子说明概念稳定性在聚类分析中的应用。     

基于形式概念分析的词义理解研究

探讨了形式概念分析在自然语言理解中的多义词分析及义素分析中的应用。在对多义词进行分析时,根据词性与词义之间的二元关系,构造词性与词义的决策背景,进而发现了词性与词义之间的决策规则,并对这些决策规则进行了解释;在对义素分析进行研究时,根据语言对象及其语义特征之间的二元关系构造形式背景,并在此背景上分析语言对象,实例表明了形式概念分析既可以很容易地对词语进行分类,又可以很直观地反映词类之间的关系,是进行义素分析的一种有效工具。     

基于矩阵秩的概念格生成算法

形式概念分析的核心是概念格,它在本质上描述了对象和属性之间的联系,表明了概念之间的泛化和例化关系。利用矩阵行秩的概念及概念格上的二元运算提出了一种基于矩阵秩的概念格生成算法,实例表明该算法行之有效。     

一种基于FCA的本体优化算法

在本体学习过程中,随着本体中概念的增多,必然存在概念及概念间关系的冗余,如果不及时对本体进行优化,本体中的关键信息就会淹没于冗余的概念关系之间。针对这种情况,基于FCA(形式概念分析)理论提出一种本体优化算法。应用FCA中概念格相关知识建立本体原型,通过消除本体原型层次关系中的冗余,达到优化的目的。实验结果表明,本体原型经过优化,消除了层次关系中的冗余,使概念间的关系更加清晰,核心内容更加突出。     

基于三维空间的概念格自动布局

论文讨论了几种常见的概念格自动布局形式,通过对各种自动布局方式特点的分析,提出了概念格的三维自动布局策略,对三雏空间中的层次布局与层内节点自动布局问题进行探讨并加以实现,较好地解决了二维布局中格节点横向过度扩张和线段交叉的问题。     

基于概念格的Web服务管理技术

Web服务的有效管理是实现服务发现和服务组合的关键。文中定义了W eb服务及服务间的关系等基本概念,在W eb服务管理中引入了形式概念分析(FCA)的方法,建立了描述服务间相互关联的概念格,分析了如何通过概念格对W eb服务进行有效地管理,并实现了概念格的增量维护。对模拟数据和真实数据的相关实验表明,文中提出的基于概念格的方法能有效地实现W eb服务管理,提供了一种规范的对服务功能的分类管理策略,对服务发现也有较好的检索效果。     

形式概念分析在软件工程中的应用

随着现代软件工程的不断发展,软件开发的效率显得尤为重要。如何高效率地开发出满足各种不同用户需求的软件已成为当今软件工程开发中的热点。传统的软件开发由于过分地依赖于文档,其开发效率及其灵活性受到了很大的影响。文中描述了形式概念分析方法这种软件工程中新型的设计方法,用以发现一群类所表现出的共同或者重复的特征。这些共同特征将通过一种表现所有特征局部关系的格的形式,发现跟其相关的那些关联,进而更合理地安排软件开发的各项进度,提高软件开发的效率。文中也描述了形式概念分析方法在软件工程一些具体阶段的应用。     

基于属性的概念格渐进式生成算法

提出了一种新的基于属性的渐进式概念格生成算法 ,通过不断地渐增属性来构造概念格 .该算法不仅为概念格的构造提供了一种新的方法 ,还解决了在已构造好概念格的前提下 ,增加属性所带来的概念格更新问题 .给出了算法的实现方法 ,并结合实例说明了概念格的更新过程 .试验表明 ,在通常情况下 ,基于属性的渐进式概念格生成算法的性能往往更优越     

概念格的分布处理研究

概念格和形式背景是一一对应的，概念格的分布处理必然涉及到形式背景的处理．定义了形式背景问的横向和纵向合并运算，讨论了同域背景间的三种不同的关系，特别提出一种新颖的属性相似度方法来处理背景间的不一致关系，把不一致的形式背景转换为一致背景或独立背景；还定义了概念、概念格间的基本运算，并证明了纵向合并的子背景的概念格和子背景所对应的子概念格的并是同构的，这样就奠定了概念格分布处理的理论基础，为概念格的分布并行构造提供了依据．     

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.     

形式概念分析在本体构建中的应用

随着信息共享和数据交换的范围不断扩大,语义数据集成成为数据库技术研究中的热点。本体作为共享概念的形式化说明,用于表达数据源的语义、识别和建立概念间的语义关联、达成语义一致,提供了语义异构问题的解决途径。传统的关系数据库由于具备技术成熟、应用广泛、数据管理能力强、数据安全程度高等特点,依然是数据存储的主要手段。然而,关系数据只表达了"属性/值"二元关系,不具备语义描述的能力,如何在关系数据中直接抽取数据的语义,构建本体,提炼丰富的语义信息,弥补关系数据表的缺陷,是一个重要的研究方向。文中探讨了运用形式概念分析的技术,结合数据库模式及其数据,构建本体的方法。在研究本体构建的基本方法基础上,论述了形式概念分析方法,并结合给定的数据库模式及其数据信息,演示了运用形式概念分析的方法构建本体的过程。     

一种基于概念格胶合的模糊本体合并方法

为了解决本体异构问题,实现本体资源的共享和重用,需要进行本体集成。本体合并是集成的一种方式。本体对概念外延和内涵揭示得不够,对概念的表达深度不够。形式概念分析可以很好地表示和处理概念以及概念之间的关系,但是在语言表达和推理等方面还很不足,因此需要将它们结合起来表达和处理知识,提高语义表达能力。提出了一种基于模糊概念格胶合的模糊本体合并方法,为模糊本体集成提供了一种新的方法。     

形式概念分析的逆向研究?

指出了形式概念分析（formal concept analysis,FCA）的另一研究方向——逆向研究。与经典研究方法最大的不同在于逆向研究始于蕴涵,而非形式背景。一般过程为：首先由领域知识得到一个蕴涵集合;其次根据蕴涵集合得到形式背景、内涵集及概念格;最后可以参考形式背景对领域知识进行验证或者补充,还可以依据领域特点,由得到的形式背景通过选用不同的梯级方式来得到多个多值背景,并使用得到的多值背景来对领域知识进行验证或者补充。据此,定义了逆向研究的两个基本概念：协调和关联,得出了蕴涵协调形式背景的充要条件和蕴涵关联形式背景的充要条件。     

基于概念格模型的代数系统应用分析

针对现阶段模式识别与人工智能领域形式化概念分析理论的多样性、复杂性、分类不均衡等各种不足点,对概念格结构以及其代数系统进行了深入分析与比较。依次对认知信息学代数系统、N代数系统以及W代数系统进行了阐述与剖析,对比了各个不同形态概念代数的系统思想与方法特征,并对N代数系统进行了广义概念代数理论形式化证明,为不同领域内概念表达、应用与分析模型的有效构建提供了强有力的知识支撑。     

启发式概念构造的组推荐方法

形式概念分析是形式背景的数据分析方法,已被引入推荐系统领域。概念格作为形式概念分析的有效工具,因其构造效率低下,所以难以应对电子商务中的大规模数据。为解决该问题,提出一种基于启发式概念构造的组推荐方法。首先,基于用户共同评分的项目,定义概念构造的启发式信息,实现概念的快速构造;同时利用内涵约束,在保证群组相似度的基础上,构造当前面积最大的概念,以包含更多的邻居用户;然后,在覆盖所有用户的概念集合上,统计项目在群组中的流行度,实现对群组用户的组推荐。在抽样数据集和MovieLens上,对比了该算法与两类不同的推荐算法。实验结果表明,在大规模数据下,该算法能在快速生成概念集合同时满足推荐需要。