一种基于网格的概念格分布式构造方法

分布式构造是降低面向海量数据的概念格构造复杂性的一种有效途径。目前,概念格分布式构造方法普遍偏向理论,存在扩展性差、资源利用率较低等问题。利用网格作为分布式计算平台,采用适合概念格构造规模的多次分发调度策略,给出了一种网格环境下的概念格分布式构造方法。最后,采用恒星光谱数据作为形式背景,实验验证了方法的正确性和有效性。     

基于粗糙集的概念格约简构造算法

主要通过对概念格和粗糙集进行了讨论,给出了他们之间的联系,将二者有机结合,并利用粗糙集的属性约简方法给出了一个约简并构造出约简后的概念格的方法.本文的方法不仅使用了粗糙集约简的方法,而且还同时构造出了约简后的概念格,对于数据较大的形式背景下的概念格,该算法可以使对自己有用的感兴趣的信息更加突出,输出的概念格也更简洁,空间和时间复杂度都有所降低.     

基于对象扩展的概念格批处理构造算法

大多数概念格批处理构造算法,由于产生大量不满足外延最大扩展性的结点即冗余结点,导致相同内涵的结点重复生成,降低了概念格的构造效率。给出了一种新的基于对象扩展的概念格批处理构造算法（OEBCA）,该算法对每层新生成的结点进行对象扩展,使其满足外延最大扩展性,相同内涵的结点只生成一次,从而避免了冗余结点的产生,提高了概念格的构造效率。实验结果表明,该算法是正确的和有效的。     

基于概念提升的概念格更新构造算法

概念格因其结构生动简洁地表明概念之间的泛化一例化关系,成为一种有效的数据挖掘工具。然而直接从形式背景中直接构造概念格的效率较低,为了提高概念格的构造效率,针对形式背景中的多个属性合并,给出了一种基于概念提升的概念格更新构造算法UCP．该算法充分利用了属性合并之前的概念格,仅对部分概念结点进行更新处理,从而提高了概念格的构造效率。最后,以恒星光谱数据作为形式背景,采用VC＋＋6．0和Oracle9i为开发工具,实验验证了该算法的有效性。     

概念格的贴近度及基于贴近度的概念格属性约简算法

概念格的属性约简是概念格理论研究的一个重要内容,本文给出了概念格中贴近度的定义,并基于贴近度给出了保持概念格中概念外延不变的条件下的启发式属性约简算法。     

基于模糊概念格的Web搜索结果聚类算法

提出了一种模糊形式概念分析方法,给出了在对象和属性的模糊二元关系上生成模糊概念格的过程．提出了一种在格的拓扑序列上进行概念聚类的快速算法,并且定义了概念聚类间基于偏序的层次关系．该方法利用格理论解决了概念聚类中概念间的多重继承关系,应用在Web搜索结果聚类上,实验结果表明算法在聚类质量和检索性能上都有改进和提高．     

基于概念格的频繁闭项集增量挖掘算法研究

近年的研究表明，概念格可以应用于解决频繁闭项集的挖掘问题．针对已有渐进式概念格构造算法中存在的问题，提出了一种基于概念格的频繁闭项集增量挖掘新算法——FIPT-I算法．新算法利用模式树对概念格进行组织，并利用模式树压缩数据库中的事务，在渐进式构造概念格的同时实现了事务的批处理，减少了概念格的调整操作时间．实验结果表明，与其他同类算法相比，FIPT-I算法对于增量挖掘频繁闭项集来说具有更高的效率．     

基于概念格和随机游走的社交网朋友推荐算法

在社交网络朋友推荐上,现有方法通过用户注册的共同属性或者用户共同邻居来对用户进行朋友推荐,由于缺乏对用户之间关系的深入的挖掘,推荐精度不高。本文采用概念格从数据中挖掘知识,利用用户特征属性和社交网络图建立概念格,提出了弹性随机游走方法SRWR,并在此基础上用概念格知识指导随机游走,提出了融合概念格和随机游走的FCASRWR方法,度量了用户之间的相似性,算法最终根据相似度进行朋友推荐。实验采用Facebook的真实数据集,采用AUC和精确度评价指标,实验结果表明了该方法比目前主流的方法在指标上有较大提高,验证了方法的准确性。     

基于三支概念格合并的决策背景规则提取

作为当前形式概念分析领域的研究热点,利用三支概念格可以实现更为有效的决策分析。该文在现有基于属性导出三支概念格的规则提取基础上,研究了基于对象导出三支概念格的规则提取,并与经典概念格及属性导出三支概念格下的规则提取进行了比较。然后通过对象导出三支概念格和属性导出三支概念格的合并,定义了对象/属性导出合并三支概念格,并提出了相应的规则提取算法。理论分析和实例结果表明,对象导出三支概念格和属性导出三支概念格的合并进一步改善了生成规则的质量。     

吉诺竞争与横向合并

在古诺模型的基础上,从策略相互作用的角度分析了横向合并的部分动因。推出了在单纯的古诺竞争中,为获得市场力量进行横向合并的厂商是不盈利的,但当规模效益达到一定条件时合并可获得盈利。得出了生产能力约束成为合并的潜在动力,而且生产能力高的厂商之间更容易发生合并。     

企业的横向兼并投资决策——实物期权方法

应用实物期权方法分析了不确定性环境企业的横向兼并投资决策问题，将企业所拥有的兼并投资机会看作是企业所持有的看涨期权，应用期权定价理论分析了兼并期权的价值，得到了最优兼并投资决策的临界值以及不确定性下横向兼并投资决策的托宾q有修正值，在分析中考虑了横向兼并的规模经济效应与垄断效应，并分析了这两种效应对策的影响。     

一种基于加权概念格的分类规则提取算法

加权概念格是针对属性的重要程度,通过引入内涵权值而形成的一种格结构。采用加权概念格作为分类规则提取工具,通过引入加权外延支持度,给出了一种新的分类规则的提取算法CRAAF-WCL。最后,利用恒星光谱数据作为形式背景,实验验证了该算法具有较高的分类效果。     

一次扣拱暗挖逆作施工过程基底受力分析

一次扣拱暗挖逆作法作为一种新的地铁车站施工方法在工程中越来越多地被采用.然而对于施工过程中基底应力变化历程尚不清楚.以北京地铁14号线大望路站为背景,采用二维有限元分析法,模拟车站采用一次扣拱暗挖逆作法施工过程,分析基底应力的变化.研究表明：一次扣拱暗挖逆作地铁车站施工过程中,随着施工步骤的进行,基底最大竖向应力逐步减小,在施工的最后阶段出现显著增加.随着深度的增加,各施工步骤的基底最大竖向应力增大,由此得出的一些规律可以为实际工程承载力设计提供一定的参考.     

一种对噪音健壮的数据流分类算法

数据流挖掘中的主要问题是概念流动和噪音污染。目前的数据流挖掘算法不能有效地处理数据流中的噪音,而一个理想的学习算法应该同时拥有对概念流动的敏感性和对噪音的健壮性。文中探讨了如何使用聚类方法在数据流中区分出噪音实例和难以学习的实例,并提出了相应的概念流动检测方法。在此基础上设计了基于推进技术的集合分类器算法RobustBoosting。通过在合成数据集和实际数据集上的实验,表明文中的算法即使在高达40%的类噪音时,与AdaptiveBoosting算法[1]相比,仍能保持更高的分类准确度,更快地收敛到新的目标概念。     

一种关联规则挖掘筛选算法设计

介绍了概念格与关联规则挖掘的内容,从减少了候选集的数量和扫描数据库的次数两方面讨论了应用概念格的优点,提出用封闭比例这样一个量化的值来估计数据集中属性间的关联,并依据封闭比例选择适当类型的挖掘算法的方法.     

基于概念格理论的语义相似度模型研究及验证

将语义相似度计算模型定义为域、概念、属性组成的三维空间模型,并结合领域本体集,从概念格理论的角度考虑了该模型对语义相似度计算的影响.该模型通过对不同的向量加不同的权值来调节其对语义相似度计算的贡献,使计算结果达到最优,从而提高语义相似度计算的准确度.实验结果表明,与单方面计算相似度的方法相比,该方法能有效地提高语义相似度计算的查全率和查准率.