基于形式概念分析的云中虚拟机调度研究

针对云环境中分布式的虚拟机调度问题,首次引入形式概念分析原理,提出基于偏序集的规则算法来发现任务与虚拟机的映射关系。研究工作的重点是首先建立虚拟机任务调度优化模型,并把虚拟机对象转换为形式背景;其次利用偏序关系生成任务与虚拟机的GM偏序图;最后算法先序遍历深度为 n＋1的满二叉树后得出任务与虚拟机的对应关系,并在VC6．0平台中验证了算法的可行性和有效性,为云环境中虚拟机调度提供了一种新的研究途径。     

基于形式概念分析的语义角色挖掘算法

基于角色的访问控制(Role-Based Access Control,RBAC)在管理和安全方面具有优势,经过20多年的发展后已被广泛应用于各个领域,如何将数据繁多的非RBAC系统迁移成RBAC系统已经成为一个意义重大的难题。角色是RBAC的基本特征,因此角色挖掘是RBAC系统实施的一个重要环节。基于形式概念分析生成用户权限概念格及用户属性概念格,将用户权限概念格翻转后映射为初始候选角色状态,通过约简操作和精简操作来挖掘角色,然后对用户权限概念格及用户属性概念格进行相似性分析,通过定义最近似表达式为角色赋予语义,使得生成的角色具有以下两点优势:1)结构层次,有效地减轻了管理员授权的负担,提高了授权管理的效率;2)语义意义,能够与现实生活中的概念相关联,增强了角色的可解释性。最后,通过实验验证了该算法的正确性和有效性。     

偏序关系在形式概念分析中的应用

将偏序关系应用到形式概念分析中,定义了三个基于偏序集的衍生形式背景,利用衍生形式背景对原形式背景中的概念、内涵、可约对象、可约属性及蕴含规则进行了刻画,这种刻画更有利于人们对形式概念分析的深入理解。     

基于形式概念分析的图像场景语义标注模型

为生成有效表示图像场景语义的视觉词典,提高场景语义标注性能,提出一种基于形式概念分析(FCA)的图像场景语义标注模型。该方法首先将训练图像集与其初始的视觉词典抽象为形式背景,采用信息熵标识了各视觉单词的权重,并分别构造了各场景类别概念格结构;然后再利用各视觉单词权重的均值刻画概念格内涵上各组合视觉单词标注图像的贡献,按照类别视觉词典生成阈值,从格结构上有效提取了标注各类场景图像语义的视觉词典;最后,利用K最近邻标注测试图像的场景语义。在Fei-Fei Scene 13类自然场景图像数据集上进行实验,并与Fei-Fei方法和Bai方法相比,结果表明该方法在β=0.05和γ=15时,标注分类精度更优。     

一种基于模糊形式概念分析的程序聚类方法

程序聚类通过将与同一个需求或设计元素相关的代码单元聚集在一起来辅助程序理解及系统结构分析.其中,形式概念分析(FCA)是一类被广泛采用的程序聚类技术.然而现有基于FCA的程序聚类方法都是基于二值属性构建的,无法处理模糊信息.提出将模糊概念分析用于基于文本分析的程序聚类,提出了一种支持模糊信息的程序聚类方法.该方法包括模糊属性的采集过程以及相应的模糊概念格的构造算法.在此基础上,开发了一个半自动化的程序分析工具,并将其应用到一个商业软件分析中.初步的实验结果表明该方法能够有效地支持基于模糊特征的程序聚类,对于提高遗留系统的维护效率有明显的帮助.     

基于形式概念分析和语义关联规则的目标图像标注

基于目标的图像标注一直是图像处理和计算机视觉领域中一个重要的研究问题.图像目标的多尺度性、多形变性使得图像标注十分困难.目标分割和目标识别是目标图像标注任务中两大关键问题.本文提出一种基于形式概念分析(Formal concept analysis, FCA)和语义关联规则的目标图像标注方法, 针对目标建议算法生成图像块中存在的高度重叠问题, 借鉴形式概念分析中概念格的思想, 按照图像块的共性将其归成几个图像簇挖掘图像类别模式, 利用类别概率分布判决和平坦度判决分别去除目标噪声块和背景噪声块, 最终得到目标语义簇; 针对语义目标判别问题, 首先对有效图像簇进行特征融合形成共性特征描述, 通过分类器进行类别判决, 生成初始目标图像标注, 然后利用图像语义标注词挖掘语义关联规则, 进行图像标注的语义补充, 以避免挖掘类别模式时丢失较小的语义目标.实验表明, 本文提出的图像标注算法既能保证语义标注的准确性, 又能保证语义标注的完整性, 具有较好的图像标注性能.     

基于优势关系的信息系统与形式概念分析

对形式概念分析在基于优势关系的信息系统中的应用进行了讨论,证明了由基于优势关系的信息系统导出的形式背景中的对象粒与优势类是等价的,同时对象粒协调集与优势协调集是等价的。     

形式概念分析在软件理解中的研究综述

主要对形式概念分析在软件理解上的研究进展进行总结．阐述形式概念在软件理解中一般过程和主要采取的技术方法．给出形式概念分析在软件理解领域的研究趋势与展望。     

偏序集、包含度与形式概念分析

在形式背景上建立了3个偏序集：G偏序集、M偏序集和GM偏序集,并将包含度的概念引入到3个偏序集上,讨论了偏序集上的偏序关系和包含度与概念格之间的联系,并且证实了形式概念分析中的内涵、外延和蕴涵规则均可归结为偏序集上的序表示及包含度表示,这将有助于人们深刻理解形式概念分析中概念的含义及概念格的结构,为从定量分析角度研究形式概念分析提供了依据。     

形式概念分析与集值信息系统

形式概念分析与粗糙集理论是两种有效的知识发现工具,已在各个领域获得成功应用。本文给出了一种将形式背景转化为集值信息系统的方法,证明了形式背景分析中的对象粒协调集与由该形式背景导出的集值信息系统的协调集是等价的,并且分析了形式背景中三种不同类型的对象粒属性特征。最后给出了形式背景中属性粒的概念及相关结论。     

基于形式概念分析的领域本体构建方法研究

近年来,本体作为一种有效的、表现概念层次结构和语义的模型,被越采越多的领域所应用。应该说,本体的出现能很好地解决目前计算机应用领域中存在的一些困难,如人机交互或机器与机器之间的通信、自动推理、知识表示和重用等。但是,在能很好地应用本体之前,我们面临一个新的难题：本体的构建。本文对现有的领域本体构建方法做了总体性介绍,并在此基础上详细描述了几种基于形式概念分析的领域本体构建方法,最后时形式概念分析用于领域本体构建方法做了分析、比较和总结。     

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。     

基于形式概念分析的本体构建方法研究

本文采用形式概念分析理论中的方法来构建本体,对组成本体的概念、属性以及关系等用形式化的语境表述出来。通过概念格图形的形式来展现本体的研究领域中概念及概念之间的关系,寻找所有隐含概念及概念间的关系,从而清楚地表达出本体的结构。     

形式概念分析中的对象概念与属性概念

为了进一步提高数据表示和数据挖掘的效率,对两类特殊概念即对象概念和属性概念进行了研究。分析了对象概念和属性概念与不可约元的关系,提出了对象概念和属性概念的识别算法;提出了以属性概念为递归终止条件的计算内涵缩减递归算法;研究了属性排序以及属性序列在规则提取中的应用。     

基于形式概念分析的柔性决策规划

关联规则获取是知识发现和数据挖掘中的核心问题之一.对超市来讲,从交易数据中挖掘出的关联规则有两点重要意义:一是有助于设计商品的摆放位置;二是帮助商品进货搭配规划,为更好利用关联规则进行进货搭配规划,知识工程师不仅需要考虑关联规则的可信度、支持度和兴趣度,更需要考虑支持集对关联规则的贡献度和关联规则自身的平衡度和复杂度.本文首先采用形式概念分析理论挖掘交易数据中的关联规则,这些规则具有100%的可信度.然后,在关联规则柔性筛选的基础上进行商品进货决策规划.所谓柔性是指用户可自己定义规则的不同阈值组合(例如析取和合取)选择规则.     

基于形式概念分析的约简数据立方体研究

数据立方体格和形式概念格比较研究表明,两者都基于序结构,并且采用形式概念分析理论(FCA)的等价特征组与数据立方体覆盖等价类对数据单元有相同的划分结果.将FCA与概念格理论引入数据立方体研究,首次提出聚集概念格(ACL)结构.ACL与一般概念格同构,能完整保存立方体中的所有聚集结果,实现与商立方体相同比例的约简.ACL结构仍比较复杂,在ACL基础上,又提出一种约简聚集概念格结构(RACL),该结构只存储非对象概念,而不是所有概念.RACL与基本表联合仍然是完整立方体结构,但能实现更大的约简.给出了ACL和RACL的高效的查询方法,并使用模拟数据和实际数据作了一些实验.理论和实验都表明RACL结构比现有方法更节省空间,同时查询效率也较高.     

基于形式概念分析的本体合并方法

针对现有的本体合并方法在进行合并时需要人工参与,比较费时费力,且合并结果受人为影响过大等缺点,提出了一种基于形式概念分析的本体合并方法——FCA-OntMerge(formal concept analysis based ontology merging method)。该方法首先将本体中的数据直接转化为形式背景(概念格的数据存储方式),然后利用概念格严谨和完善的数学原理进行合并,最后生成新的本体。实验结果表明,该方法能很好地解决本体异构的问题。     

形式概念分析在软件工程中的应用

随着现代软件工程不断地发展,软件开发的效率更加变得重要。如何高效的开发出满足不同客户需求的软件已成为当今软件开发的热点。软件开发技术局限于传统的方式,开发工作过分依赖于文档,缺乏更加成熟的灵活性[1]。本文通过描述形式概念分析方法这种新型的设计方法,对形式概念分析方法定义和抽象思路进行分析。并将其置于需求分析、软件设计和系统设计和Web环境下应用开发等软件方面开发的各个阶段进行研究,最终实现软件开发的优化。     

基于模糊形式概念分析的文本分类模型

提出了一种基于模糊形式概念分析的文本分类模型,通过概念化文本到一个更加抽象的概念形式,以概念而非文本作为训练样本,最终结合近邻分类算法实现文本分类决策。实验结果表明该算法有很好的性能。