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。     

对象粒度的概念格增量维护与关联规则更新

研究对象粒度的概念格维护和关联规则更新是动态环境下概念格应用的实际需要。研究了概念格更新的规律,证明了加入新的对象时概念的生成及其插入位置只与最新生成的概念有关,与先前生成的大量概念无关。发现了概念的内涵缩减可以决定这个概念蕴涵的关联规则,同时发现了概念的内涵缩减由这个概念和其父概念的内涵差集决定。根据上述观点提出了基于对象粒度的概念格关联规则更新的方法。     

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。     

一种基于偏序集直积的增量式概念格构造算法

目前,概念格的构造算法可分为批处理式和增量式两类.已有的增量式算法只适用于单个对象的逐个插入更新的情况,然而,在大多数的数据库中,更新操作往往是同时插入多个对象.为了适应这种情况,基于偏序集的直积运算,提出了一种新的增量式概念格构造算法,这种算法可以一次性地加入一个对象集合,而且在生成概念的同时,能够构造出概念格的Hasse图,从而完全解决了上述问题.最后,用一个实例检验了算法的正确性.     

基于属性分类的悲观概念格与乐观概念格

结合实际需求,在给定属性分类的形式背景中,首先定义悲观分类形式背景和乐观分类形式背景及其算子与概念,研究它们与原形式背景的算子、概念之间的关系.然后,对于悲观分类形式背景,建立原概念格与悲观分类概念格之间的映射,给出由原概念格直接生成悲观分类概念格的方法.对于乐观分类形式背景,引入概念包含映射,研究原概念格与乐观分类概念格之间的关系,给出对应的概念格生成方法.最后,通过例子阐述悲观分类概念格与乐观分类概念格在实际问题上的应用及语义解释.     

粗糙本体构建的格-树转化方法

粗糙本体是处理不精确性信息的一种基础性工具,其存在形式是由粗糙概念和粗糙关系构成的树形结构。粗糙本体的具体形式因为参与构建的领域专家的不同而呈现多样性,然而同样也是由粗糙概念和粗糙关系构成的粗糙概念格却具有结构上的惟一性。粗糙本体的构建因而可以利用格和树的组成与结构的相似性,构建粗糙概念格,转化生成粗糙本体。探讨了格-树转化方法的实现步骤：构建粗糙概念格;聚类粗糙概念格中的粗糙概念生成粗糙概念树;转化粗糙概念树为粗糙本体。构建实例阐释了格-树转换方法的具体应用。     

模糊概念格构建的Bordat方法

概念格是近年来兴起的知识表示模型.现实世界中的事物大多具有不精确性特征,如何将若干模糊对象构建成一个概念格具有重要的理论与应用价值.选择适于构建精确概念格的Bordat方法,应用模糊集理论对其进行改进,重新定义了概念格的顶节点确定过程和子节点生成算法,提出了构建模糊概念格的Bordat方法,结合实例说明了其应用,即生成相关的模糊概念,同时构建与之对应的模糊概念格.该方法不仅保留了作为数据源的模糊形式背景的所有信息,而且所需生成的模糊概念数量少,方法简单快捷,易于计算机实现.     

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。     

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.     

基于同类概念的概念格横向合并算法

提出了同类概念的观点,在格的合并算法中通过利用同域概念格之间的同类概念和概念的父—子关系实现对其所有子节点的快速更新,以提高概念格横向合并算法的时间效率。并进一步论证了把节点数量较少的格插入到节点多的格中比反着做更省时间。实验表明,该算法和相关文献中的同域概念格横向合并算法相比,其时间性能有明显改善。     

基于Iceberg概念格的最大频繁项集挖掘

最大频繁项集挖掘算法存在扫描数据集次数多和候选集规模过大等局限。基于Iceberg概念格模型,提出一种在Iceberg概念格上挖掘最大频繁项集的算法ICMFIA。该算法通过一次扫描数据集构建Iceberg概念格,利用Iceberg概念格中频繁概念之间良好的覆盖关系能快速计算出最大频繁项集所对应的最大频繁概念,所有最大频繁概念的内涵就是所求的最大频繁项集的集合。实验结果表明,该算法具有扫描数据集次数少和挖掘效率高的优点。     

概念格维护原理与算法

将把形式背景的变化分为对象-属性关系的增加和删除、对象或属性的增加和删除两类,分别研究了这两类变化引起的概念格的维护问题。在对象-属性关系的增加引起的概念格维护中,提出了父子概念对的概念,用来确定概念格维护的位置以及概念之间关系的调整。在对象-属性关系的删除引起的概念格维护中,提出确定概念格维护位置后用父子概念对代替被维护的概念,对父子概念对中的冗余概念进行判别并对父子概念对进行更新。在对象或属性的删除引起的概念格维护中,提出了利用唯一路径上的关键概念来调整因为概念的删除引起的概念之间关系的变动。     

面向对象概念格的压缩

概念格理论是知识处理与分析的一种有力工具,在知识发现和数据挖掘等众多领域有着重要的应用。引入了概念相似度新的计算方法,由对象和属性共同确定概念之间的相似程度,进而产生概念邻域,并根据概念间相似程度来控制概念邻域的大小,删除不必要的节点,从而控制面向对象概念格中节点的个数,实现面向对象概念格的压缩和知识库简化。示例表明,当参数的值较小时,压缩效果明显。     

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.     

基于概念格的信息检索及其树形可视化

概念格作为形式概念分析理论重要的数据表示形式,因其生动简洁地体现概念之间的泛化和特化关系,被广泛应用于知识获取与信息检索领域。在使用概念格进行检索的过程中,随着概念格中概念以及概念之间关系的增加,呈现的格结构容易产生边交叉现象,造成视觉混淆,导致目标信息遗漏。针对这一问题,结合概念格在信息检索方面的优越性以及树形结构在可视化方面的有序性,首先用概念格结构存储数据信息,然后在信息展示时将格结构转化成树形结构,使用户不仅可以通过多条路径检索到目标信息,且结构清晰。最后通过将概念格树形化方法应用于音乐工具分类检索场景中,验证该方法的实用性。     

一种基于索引的概念格分布式构造方法

现有的概念格并行/分布式构造算法在处理较大规模数据时,需要搜索大量不相关概念,降低了算法性能。为此,提出了一种基于索引的概念格分布式构造方法——LCBI,插入新概念时先利用索引快速找出新概念的极大相关概念,再对所有极大相关概念的子概念进行自顶向下地并行搜索以找出它们的交叉子概念,从而减少了搜索范围。理论分析和实验表明,在处理大规模稠密数据时,LCBI比其他分布式算法具有较明显的优势。     

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。