一种区间值模糊概念格构造方法研究

在区间值模糊形式背景基础上,定义截运算以简化概念格的构造,从而得到区间值模糊概念格.文中给出了区间值模糊概念格构造算法,结合实例进行说明,最后求出了对应的模糊概念格.     

一种区间数分解与定标算法及其扩展形式背景的概念格生成方法

现有的概念格模型无法处理既包含以布尔值表示的信息,又包含以标量、模糊数及区间数表示的信息。因此,针对包含所有这些信息类型的扩展的形式背景提出它的处理方法,在此基础上,生成经扩展的概念格,是一项有意义的工作。提出了一种新的区间数分解与定标算法,以处理含有多种类型的扩展形式背景,并给出了相应的扩展格生成算法。最后,实验表明,该方法具有良好的效果。     

区间概念格的参数优化模型

为了得到满足用户需求的区间概念格结构,进一步挖掘高效的区间关联规则,文中提出基于参数变化的区间概念格结构更新算法。通过分析格结构更新度,进一步构建区间概念格的参数优化模型。运用参数逐渐逼近的方法得到一种参数获取策略,解决人为设定参数的主观性和无法预知性的问题。最后通过实例验证算法和模型的有效性。     

对偶区间集概念格上区间集协调集的判定方法

对偶区间集概念格是将区间集引入到对偶概念格产生的,它将对偶概念的外延与内涵从经典集合推广到区间集,使之成为一种描述不确定性概念的数学方法。而属性约简是数据挖掘的核心内容之一,是一种研究概念格本质特征的方法,它通过删除冗余属性使数据表中概念的获取与表示变得更简洁。文中主要研究对偶区间集概念格上区间集协调集的判定方法。首先基于对偶区间集概念格的同构,引入了区间集协调集,给出了对偶区间集概念格上区间集协调集的一系列判定定理,进而讨论了利用区间集协调集获取区间集属性约简的方法。     

基于区间概念格的规则优化方法与应用

区间概念格理论是在区间参数基础上提出的一种新的对象挖掘方法,它能够更精确地处理不确定信息。区间参数[[α,β]]决定了区间概念和格结构,并对区间关联规则产生影响。针对区间参数对关联规则的控制和优化问题,首先提出了基于参数变化的区间概念格结构更新算法,随着区间参数等步长变化,对初始格结构进行更新;然后在此基础上进一步挖掘各区间参数下的关联规则,发现区间参数和关联规则之间的复杂联系,给出了规则库优化算法,该算法通过调整参数达到控制和优化规则的目的;最后对决策形式背景进行规则提取并验证了区间参数对关联规则的具体影响。     

区间概念格的纵向合并算法

为解决直接对不同形式背景的数据构建区间概念格后分别抽取关联规则会存在规则缺失的实际问题,必须首先对不同的区间概念格进行合并.为提高格结构的生成与合并效率,首先对区间概念格的渐进式生成算法进行改进,将概念分为存在概念、冗余概念和空概念,分别以结构体的形式存储;进一步,分析区间概念格中外延和内涵之间的二元关系,给出了区间概念格纵向合并的充分条件——区间概念格的一致性;讨论了内涵一致的概念在合并后分为六种情况,并给出相应的判定定理;应用广度优先原则,通过对原区间概念格节点内涵的类型判定及不同的处理方法,设计了一种区间概念格的纵向合并算法.最后,通过实例验证了算法的有效性和高效性.     

一种新的概念格并行构造算法

概念格作为形式概念分析理论中的核心数据结构,在数据挖掘和知识发现、人工智能、信息检索、粗糙集[1]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。提出了一种基于闭包系统划分的概念格并行构造算法——Para_Prun算法,它将概念集合看作初始闭包系统,引入了子闭包系统的有效性判断,迭代生成相互独立的多个子闭包系统,然后在每个子闭包系统中独立生成概念,有效地提高了概念的求解速度。最后用实验证明了算法的正确性和有效性。     

区间概念格的纵向维护原理与算法

区间概念格是唯一能直接反映具备一定数量或比例的内涵中属性的对象集合的格结构。格结构是根据对象-属性的二元关系构造的,形式背景中的属性是时刻变化的,为使概念格能反映属性变化后的数据规律进而提取新的规则,提出了区间概念格的纵向维护算法。算法在分析了区间概念格的概念外延特点及结构特征后,给出了区间概念格在增加属性、删除属性两种情况下的维护算法,进而通过算法分析表明了维护较重构在时间与空间上的高效性,最终用实例表明了维护算法的可行性。     

基于压缩理论的区间概念格参数优化模型

在由形式背景构建区间概念格之前,首先要确定区间参数[α,β],区间参数的选取影响着概念外延、格结构以及提取的关联规则数量和精度。为了获取区间概念格的压缩度达到最大时的[α,β],首先,提出了基于形式背景的二元关系对的相似度和二元关系上的覆盖近邻空间的定义,得到二元关系对的相似矩阵,并根据γ相似类求得的覆盖来计算二元关系对的近邻;其次,给出基于参数变化的概念集合更新算法,在非重建的基础上得到各区间参数下概念集合,并结合各区间参数下二元关系对的近邻空间,进一步构建基于压缩理论的区间概念格参数优化模型,依据压缩度的大小以及变化趋势寻找区间参数最优值;最后,通过实例验证了模型的有效性。     

一种新的概念格图形布局优化策略

层与层之问边交叉数的多少在概念格层次图布局中尤为重要,它直接影响概念格的可读性和可理解性.如何既能实现人机交互方便操作,又能有效地减少边的交叉数,已成为目前概念格图形布局研究中的主要问题.分析了概述格布局的国内外发展现状,介绍了如何求解概念格图形中层与层之间边交叉数问题的方法,然后结合遗传算法,提出了一种新的在概念格图形布局过程中减少边交叉数问题的优化策略,有效地减少了二维概念格图形布局过程中边的交叉.     

一种粒度概念格模型及其构造方法研究

概念格构造的时间复杂度一直是影响其应用的主要因素。针对这个问题,提出了根据一个近似关系构造形式背景上的覆盖,进而依据用户参数选定一个覆盖分类集形成子形式背景的方法,给出了子形式背景对应的粒度概念格模型及其构造方法,证明了粒度概念格和原概念格之间的关系,通过子概念格的合并可以生成原概念格,通过实例说明了该方法的有效性。     

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.     

基于区间概念格的三支决策动态策略调控模型

深入分析区间概念格的由上下界外延和内涵构成的区间概念特征和层次结构特性,融合基于决策粗糙集的三支决策理论,提出区间三支决策空间概念,通过降低决策损失实现决策的动态调控从而达到决策方案最优。将区间概念外延划分为三个域：正域、负域和边界域,并给出了基于区间概念的三支决策规则、决策度量函数与决策损失函数,分析了区间参数与函数之间的变化关系;定义了区间三支决策概念和由决策动作和决策损失共同构成的决策,并运用区间概念格的建格方法构建了三支决策空间;基于区间三支决策空间建立了动态策略调控模型,实现了对实际问题的动态决策并能有效降低决策失误带来的损失;通过医疗诊断实例证明了模型的正确性与可行性。     

决策形式背景上区间集概念格的属性约简

将区间集思想引入决策形式背景,研究决策形式背景上的区间集概念格及其属性约简方法.首先在决策形式背景上建立条件区间集概念格和决策区间集概念格,引入这两个区间集概念格之间的加细,给出协调决策形式背景上的区间集协调集及约简的定义,讨论区间集协调集的判定方法.通过在决策形式背景上定义可辨识区间集属性矩阵,给出寻找决策形式背景上区间集约简的方法.     

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。     

粗糙概念格分层建格算法及应用

粗糙概念格能够反映对象与特征间的确定与不确定关系,具有处理不确定性知识的能力,格的构建在应用过程中具有重要的意义。通过分析粗糙概念格的概念和结构,并结合一般概念格的构建思想,针对决策形式背景,提出一种以决策属性值为切入点的粗糙概念格的分层建格方法,从而丰富了粗糙概念格的构建理论。通过实例验证了该方法简单直观,效果良好。     

区间值信息系统的概念格约简方法

区间值信息系统是属性值取值为区间值形式的一种特殊信息系统。通过把区间值信息系统转化为0-1形式背景,利用概念格属性约简方法,区间值信息系统协调集的判定定理,并引入可辨识属性矩阵,研究区间值信息系统上基于概念格属性约简的理论方法。     

基于粗糙概念格的属性约简及规则获取

基于粗糙集和概念格理论进行结合,给出了决策背景下的多属性约简与规则提取方法。为此,针对决策背景的辨识矩阵和辨识函数给出了决策背景属性约简的具体属性约简方法;在此基础上得到了决策背景下的规则提取与属性约简方法,并通过实例表明了该约简方法的可行性与有效性．     

一种基于概念矩阵的概念格生成算法

概念格作为形式概念分析理论中的核心数据结构,在机器学习和数据挖掘等领域有着广泛的应用.构造概念格十分重要,针对此引入了概念矩阵思想,提出了基于概念矩阵的概念格生成算法CMCG(Concept-Matrix Based Concepts Generation).该算法从格的顶端节点开始构造,基于概念矩阵,利用属性的秩为每个节点生成它的所有子节点,完成子节点到父节点之间的链接,并生成哈斯图.给出了这种算法的理论依据.最后提供了这一算法的伪码,并通过实验证明了CMCG算法的时间性能优于Lattice算法.     

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。