基于属性的相对约简格快速渐进式构造算法

相对约简格作为简化的概念格,在数据挖掘和知识发现等领域具有广泛的应用.相对约简格的构造在其应用过程中是一个主要问题.本文提出了采用树结构对相对约简格节点进行组织,研究了基于属性的相对约简格渐进式构造算法.相对约简格节点的树结构组织可以约束更新格节点、产生子格节点及新生格节点的子结点的搜索范围,从而可以有效地减少算法的执行时间.该算法不仅为相对约简格的构造提供了一种方法,还解决了在已构造好相对约简格的前提下,增加属性所带来的更新问题.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.     

基于相对约简格的关联规则研究

研究了相对约简格中的概念与关联规则中的频繁项目集的内在联系，给出了利用相对约简格提取关联规则的方法和相应算法。     

格观念下的知识约简

经典的信息系统可看作是一种特殊的格结构.从格的角度给出了知识约简和协调集的概念,借助粗糙集的思想定义了一对新的上下近似算子,并在此基础上通过定义可辨识集,给出了约简和相对约简的判定定理.这种表示更深层次地揭示了知识的本质,将知识约简的已有相关结果做了进一步拓广.     

概念格理论属性约简算法研究

概念格是根据数据集中对象与属性之间的二元关系建立的一种概念层次结构,生动简洁地体现了概念之间的泛化和特化关系。利用概念格的这一特性,提出利用概念格理论进行故障诊断时的属性约简。为验证属性约简的正确性,将约简结果送到神经网络中进行故障诊断,诊断结果表明:利用概念格理论所得到的核心属性和相对必要属性可以对现有故障类型进行正确辨识,降低了故障诊断参数的维数,有利于加快诊断算法的运算速度。     

基于形式背景的概念格约简及其修复

根据概念格构造所依赖的形式背景,定义对象的属性空间和属性的对象空间,分别对形式背景进行对象约简和属性约简,在约简过程中采取全约简、交约简和并约简3种约简方法,并基于约简形式背景建立约简概念格。针对各约简方法的不同提出约简概念格的不同修复方法,从而得到完整的概念格。该方法简单易行,具有很强的规则性。实例表明,对于一个较复杂的形式背景,按对象和属性总数的38%进行约简,运算效率可提高83.3%。     

基于量化相对约简格的关联规则发现

关联规则发现是KDD中的一个重要的问题,而量化相对约简格作为一种新的表示数据和知识的有效工具,对于概念格结构进行了更为有效的缩减,非常适于数据库中的知识发现.文章对基于量化相对约简格进行关联规则的快速发现进行了讨论,提出了基于频繁概念子格进行规则提取的方法,并进行了相应的理论研究.     

概念格中多层次的属性约简理论

提出了形式背景的子概念格及形式背景关于概念、子概念格(包括概念格)的属性约简概念;定义了概念、子概念格(包括概念格)的特征函数,并以此为基础提出了属性约简定理,得出了具体的属性约简方法,同时研究了不同约简下属性间的关系,进一步完善了概念格属性约简理论,也为概念格用于数据处理及知识发现提供了新的工具.     

基于频繁量化约简格的非冗余关联规则发现算法研究

作为KDD应用领域重要组成部分的关联规则发现面临着生成过多冗余规则的问题,并成为制约其挖掘效率的主要因素之一;作为一种新的表示数据和知识的有效工具,频繁量化约简格因其是基于支持度筛选而仅保留量化相对约简格中的频繁概念和空概念及其关系的更为简化的扩展概念格结构,所以更加适用于从大规模数据库中进行非冗余规则的发现.提出了一种基于频繁量化约简格的非冗余关联规则发现算法,并进行了相应的发现过程的研究.     

变精度对象概念格的构造及其性质

讨论了基于模糊形式背景的模糊对象概念格的概念约简,构造出了模糊对象概念格的3种变精度概念格,即经典一模糊、模糊一经典、经典一经典变精度对象概念格,并讨论了它们的性质及相互关系。结果表明,变精度对象概念格的概念数量远远少于模糊对象概念格的概念数,而且每一种变精度概念格都保留了模糊对象概念格中相对重要的概念。     

一种新颖的概念格属性约简算法

概念格是知识处理与分析的一个有力的工具,在知识约简方面有着重要的利用。首先给出了概念格中不同类型属性的等价刻画定理,在此基础上得到了一种新颖的概念格属性约简算法,最后通过实例表明了该约简算法的可行性与有效性。     

扩展概念格的维护

扩展概念格是作者在Galois格中引入等价内涵关系而得到的一种扩展形式,并且已对其渐进式构造进行了研究。文章针对已构造好的扩展概念格,在数据对象删除时如何维护的问题,提出了一种算法,经验证是有效的。     

扩展概念格的渐进式构造

鉴于已在Galois格的基础上提出了扩展概念格,文章对已经构造好的扩展概念格,在数据对象增加时如何更新的问题,提出了一种渐进式构造算法,经验证它是一个有效的算法。     

约简概念格的纵向维护算法

该文首先介绍了概念格的有关术语,重点讨论了已构造好的概念格在属性删减时如何维护的问题,并以约简概念格为例,给出了一种有效的维护算法。     

粗糙概念格及构造算法

概念格是数据分析与知识提取的一种有效工具,具有精确性和完备性等特点。针对决策形式背景,采用粗集理论中近似的方法描述格的内涵所拥有的外延,给出了一种粗糙概念格结构,具备了描述不确定知识的能力,在此基础上,给出了粗糙概念格的构造算法CARCL。     

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。     

基于搜索空间划分的并行概念生成算法

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。本文提出了一种基于搜索空间划分的并行概念生成算法,它对整个闭包搜索空间进行划分,并引入一种有效的测试方法,只搜索那些能生成正规闭包的子搜索空间,从而有效提高搜索效率;同时,在计算闭包过程中保存一些必要的中间结果,用来提高闭包运算速度;由于所有子搜索空间相对独立,因此很容易得到一个井行的概念生成算法。     

一种频繁加权概念格的批处理构造算法

概念格是知识表示和数据分析的一种有效工具,加权概念格是一种刻画内涵重要性的概念格结构。文中通过引入虚结点的概念,提出一种频繁加权概念格的批处理构造算法。该算法首先通过引入虚结点概念,证明频繁加权概念格是一个完全格,从而纠正先前张继福提出的频繁加权概念格结构中某些频繁加权概念结点不存在上下确界的缺陷。其次,采用自底向上的方法来生成频繁结点和虚结点,以及对应的边关系,从而降低频繁加权概念格构造的时空复杂性,提高批处理构造效率。最后在恒星光谱数据上的实验验证算法的正确性和有效性。     

基于概念格的多层属性约简方法

属性约简是粗糙集理论中的核心问题之一,概念格是进行知识表示和数据分析的一种有效工具。文中利用概念格作为约简工具,给出基于概念格的多层属性约简算法,提出相融可辨概念、相融等价概念、亏n级等概念,研究内涵亏值对分类能力变化产生的影响,给出概念格中形式背景约简的判定定理。文中算法能完备地求出所有可约简的最大属性集合,从而为概念格中属性约简提供一种有效方法。最后,通过实例分析和实验对比说明该约简算法的可行性与有效性。