运用全1矩阵的概念格生成算法

从概念格的概念矩阵出发,提出一种运用全1概念矩阵来生成概念格的算法(Algorithm of Generating Concept Lattice Using Universal Matrix,GCL1).对整体概念格的形式背景采用0-1矩阵来表达,扫描形式背景的行和列找出全部的全1矩阵,定义了最大秩全1矩阵的概念,并且证明了最大秩全1矩阵对应的结点一定是概念格中的概念;然后按全1矩阵的秩从大到小排序,并对非最大秩的全1矩阵进行扩充,从而得到概念结点,再对概念结点连接,分别建立子概念格;最后把这些子概念格合并生成整体概念格,并同时生成哈斯图.本文对所提出的GCL1算法进行了理论论证,并且通过实例运行,结果表明该算法的时间复杂度明显优于其它许多算法.     

树状结构组织的属性优先的概念格渐进式算法

通过对概念格渐进式构造过程的分析,采用树结构对概念格节点进行组织,研究了利用这种树状组织的渐进式生成属性优先的概念格的构造算法。并结合实例说明了概念格的树结构组织在属性优先的渐进式生成概念格时,能有效地缩小产生子格节点的搜索范围和新增格节点的父节点和子节点的搜索范围,从而能快速生成概念格。     

基于最大概念的概念格增量构造算法

针对增量概念格构造过程中,节点更新和生成元判定效率较低、边更新阶段的复杂度较高等问题,提出基于最大概念的概念格增量构造算法,通过跟踪与概念格中的概念具有相同真实内涵的最大概念,简化生成元的判断过程。该算法缩小了寻找新生节点父节点时的搜索范围,避免对生成元非必要边的判断,提高构造概念格的速度。复杂度分析结果表明,该算法的时间性能优于其他同类算法。     

一种基于最大满矩阵生成概念格的算法

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,因此概念格的构造就显得尤为的重要。从形式背景的关系矩阵出发,扫描形式背景的行和列找出属性值为1的全部满矩阵,定义了最大满矩阵的概念,证明了最大满矩阵是概念矩阵的充要条件。并在此理论上提出了一种基于最大满矩阵生成概念格的算法,并对所提出的算法进行了理论论证。通过实例的运算,验证了该算法的有效性。     

概念格的快速渐进式构造算法

概念格作为形式概念分析理论中的核心数据结构，已经在知识工程和软件工程等领域得到了广泛的应用。概念格的快速构造在其应用过程中具有重要的意义，研究人员已经提出了一系列构造概念格的算法，其中渐进式算法是很有前途的一类。该文通过对概念格渐进式构造过程的分析，识别出要解决的基本问题，提出了采用树结构对概念格节点进行组织，研究了基于这种树状组织的概念格快速渐进式算法，并给出了算法的伪码。概念格节点的树结构组织有利于识别出格节点的类型以及约束新生格节点的父节点和子节点的搜索范围，从而可以有效地减少算法的执行时间。实验结果表明，基于这种树状索引的渐进式构造算法的时间性能要明确优于著名的Godin算法。     

基于概念格的最简规则挖掘算法

概念格是知识处理和数据分析的重要数学工具.概念格快速构造算法对挖掘关联规则非常重要.本文构造了决策表对应的形式背景和概念格模型,分析了扩展不可分辨矩阵、概念格和最简决策规则发现之间的关系:概念格的内涵都来自于扩展不可分辨矩阵的特征元,最简决策规则的条件元一定是概念格某个结点的内涵缩减.本文给出了形式概念格的快速渐进式构造算法和基于概念格的最简规则获取算法,该算法直观简捷.最后以一个工程实例对本算法的有效性作出了证明.     

基于CP算法的概念格动态生成模型

介绍了一种基于形式背景分割(Context Partition)算法的概念格动态生成模型。算法利用提出的分割相关度的定义,根据用户需求对原形式背景进行不同规模的分割,由生成的兼容子背景构造概念格。实验证明,在各对象间的分割相关度差别较大的情况下,模型不但提高了概念格生成效率,而且使得生成的每个格节点与用户需求相关,提高了概念格的有用性。     

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。     

基于属性的概念格快速渐进式构造算法

概念格作为形式概念分析理论中的核心数据结构,在机器学习、数据挖掘和知识发现、信息检索等领域得到了广泛的应用,概念格的构造在其应用过程中是一个主要问题.提出了采用树结构对概念格节点进行组织,研究了基于属性的概念格渐进式构造算法.概念格节点的树结构组织可以约束更新格节点和产生子格节点的搜索范围,从而可以有效地减少算法的执行时间.在随机生成的数据集上进行的实验测试表明,本算法的时间性能更优越.     

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     

一种基于概念可辨识矩阵的概念约简方法

基于布尔因子分析的概念约简能够保持形式背景的二元关系不变。借鉴概念格中基于可辨识矩阵求解属性约简的思想,在形式背景上定义概念可辨识矩阵,基于此给出保持二元关系不变的概念约简方法。首先,在形式背景上定义一种新的可辨识矩阵,称之为概念可辨识矩阵。该矩阵的行和列都是形式概念,矩阵的每个元素是由属于所在行的形式概念的所有对象和属性对,但不属于所在列的形式概念的对象和属性对构成的集合。其次,研究概念可辨识矩阵与概念协调集之间的关系,利用概念可辨识矩阵给出概念协调集的判定方法。然后,利用概念可辨识矩阵详细讨论核心概念、相对必要概念和不必要概念的特征,进而分别给出判断这3类形式概念的方法。最后,给出基于概念可辨识矩阵寻找概念约简的步骤。     

采用粗糙集中可辨识矩阵方法的概念格属性约简

概念格是知识处理与分析中的一个有力工具，对它进行约简可以提高效率简化问题。文章将粗糙集理论的可辨识矩阵方法应用于概念格的约简，方法简单易行，具有很强的规则性。     

Extending conceptualisation modes for generalised Formal Concept Analysis

Formal Concept Analysis (FCA) is an exploratory data analysis technique for boolean relations based on lattice theory. Its main result is the existence of a dual order isomorphism between two set lattices induced by a binary relation between a set of objects and a set of attributes. Pairs of dually isomorphic sets of objects and attributes, called formal concepts, form a concept lattice, but actually model only a conjunctive mode of conceptualisation.In this paper we augment this formalism in two ways: first we extend FCA to consider different modes of conceptualisation by changing the basic dual isomorphism in a modal-logic motivated way. This creates the three new types of concepts and lattices of extended FCA, viz., the lattice of neighbourhood of objects, that of attributes and the lattice of unrelatedness.Second, we consider incidences with values in idempotent semirings—concretely the completed max-plus or schedule algebra —and focus on generalising FCA to try and replicate the modes of conceptualisation mentioned above.To provide a concrete example of the use of these techniques, we analyse the performance of multi-class classifiers by conceptually analysing their confusion matrices.     

基于模糊概念网络的信息检索模型研究

提出一种基于模糊概念网络的信息检索模型,模型采用自学习算法完成模糊概念网络的自动构建,实现基于概念的信息检索。性能测试实验的结果表明：提出的检索模型具有较好的性能。     

心理常识概念的表示、获取和分析

常识知识是一类重要的人类知识，对自然语言分析、机器智能研究和自动推理研完等都有重要的意义。本文围绕心理常识，主要讨论与心理相关的常识概念的表示、获取和分析的方法。针对现有的概念模型中的概念主要由手工获取．缺乏自动方法，使得概念获取的非冗余性、一致性不能得到保证的问题，本文提出了获取心理常识概念的基本策略：依据心理学中的心理范畴手工获取心理常识的基础概念及概念间关系；根据属性的心理特征手工得到心理属性和属性问关系；以心理常识基础概念和心理常识属性为语义成分，通过“子类生成规则”自动完成获取和组织心理常识概念的任务。并且通过“子类检查规则”检查和分析新加入概念库的常识概念的冗余性和一致性。     

基于格结构的概念代数研究

近年来,概念格作为一种有效的概念分析、表示与应用模型,被越来越多的领域所应用。概念代数是在概念 格理论基础上提出的一种新的代数系统。目前,概念代数系统还只是雏形,很多方面的内容还需要扩展与进一步的研 究。基于格结构的概念代数研究分别对Nilsson概念代数、Wille概念代数和认知信息学中的概念代数的基本概念与 内容进行了介绍,对各方法进行了分析与比较,并证明Nilsson概念代数是一种广义概念代数,为进一步的应用与研 究提供支持。     

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.     

一种基于语义特征的逻辑段落划分方法及应用

引入了一种以逻辑概念为中心的段落化匹配方式.该方法建立在概念词典之上,通过分析待分类文本中所包含的逻辑概念,将待分类文本中表达相同意义的段落进行聚类分析以得到一个逻辑层次,并建立以此逻辑层次划分方法为基础的逻辑段落概念,然后以该逻辑段落作为依据来衡量不同的段落对于文本主题表示的贡献程度.同时,针对匹配过程中存在的多义词和同义词现象,引入了同义词概念扩充和关联词语扩充.实验证明,该方法能够获得更高的内容过滤准确率,有效提高分类效果.     

利用Inspiration制作课件中的概念

文章介绍利用概念图软件Inspiration 8.0制作概念图的方法和步骤,以具体概念的制作作为实例,引导更有效地利用软件应用于实际教学中。     

概念代数在本体合并中的应用

本体合并是本体集成的一种较为有效的方式,是用于解决本体异构以实现本体资源重用和共享的一种方法。引入概念代数以弥补本体的概念深度表达不够、形式化程度低等缺陷。将本体与概念代数结合,提出一种基于概念代数的本体表示方法,其恰好符合领域专家构建本体的意识活动,可以更好地表达和处理知识。概念代数是一种抽象的数学结构,形式化程度较高,并且其概念之间的认知关系更便于进行知识推理。利用概念代数将本体表示为可视化的概念网形式,进而利用概念代数的运算实现概念之间的合并及关联,提出一种基于概念代数的本体合并方法,是对概念代数应用到本体的一种尝试,为本体的处理提供了一个新的视角。