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。     

形式概念分析中的对象概念与属性概念

为了进一步提高数据表示和数据挖掘的效率,对两类特殊概念即对象概念和属性概念进行了研究。分析了对象概念和属性概念与不可约元的关系,提出了对象概念和属性概念的识别算法;提出了以属性概念为递归终止条件的计算内涵缩减递归算法;研究了属性排序以及属性序列在规则提取中的应用。     

基于属性的概念格渐进式构造原理与算法

为了提高概念格生成的效率,证明了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。设计算法并编写程序,程序运行结果表明,在形式背景插入属性时,概念格中增加的新生概念数量较少,且不随概念格规模的增大而迅速增大,概念格生成时间明显缩短。     

基于概念格标尺的广义匹配研究

为了提高计算机对自然语言的理解能力,实现概念的语义匹配,提出了基于概念格标尺的广义匹配。对现有的模式匹配的概念进行拓宽,利用概念格特有的层次关系建立语义标尺,通过标尺的同构来实现语义的匹配,同时分析了标尺刻度不一致时的刻度转换。研究表明该方法符合人们对现实世界中事物的认识,能够提高计算机对自然语言处理的智能。     

概念格合并原理与算法

子形式背景可以进行纵向或横向合并得到一个新的形式背景,相反地,这个形式背景可以进行纵向或横向的拆分得到子形式背景。相应地,子概念格也可以进行合并,得到一个新的概念格。概念格合并无论是纵向合并还是横向合并,合并都不改变原有概念之间业已存在的父子关系。根据这个事实,结合概念格合并的定义,设计了概念格合并算法。这个算法充分利用原有概念格的结构,在原有概念格基础上对部分节点进行调整得到合并结果。这个算法与将一概念格中的概念插入到另一个概念格相比,实验和分析均表明效率明显提高,适合概念格的合并运算。     

知识库中的概念网络构造研究

研究语言学习是研究人类大脑中概念表示和存储的重要途径。大脑中的全体概念形成了一个复杂网络,属于同一领域的概念构成领域本体。当学习一个新概念时,将其插入到概念网络中,同时与之联系的同一领域本体中的相似概念也被再次学习。概念学习的过程由掌握程度和遗忘速率两者共同决定,只有通过一次或数次学习一个概念才真正被掌握,长时间未被学习而遗忘的概念从网络中删除。语言学习过程可以用元胞自动机进行。模拟结果与人们的语言学习经验相符,表明本体是描述概念的有效工具之一。     

纯化形式背景及其性质研究

为提高处理复杂形式背景的效率,将形式背景用矩阵表示,从而将形式背景上的符号运算转化为矩阵数值运算,提出了属性纯化形式背景,并应用矩阵的数值运算判定属性特征,从而判定一个形式背景是否是属性纯化的。对偶地,可以得到对象纯化形式背景的判定方法。一个形式背景既是属性纯化的又是对象纯化的,则这个形式背景是纯化的。一个纯化的形式背景,其蕴涵的关联规则与其补形式背景上的关联规则互逆,有利于复杂形式背景的关联规则提取。     

用C语言设计复数域上克莱姆法则的计算程序

以实数域上的克莱姆法则为模型,给出复数域上的克莱姆法则,讨论其计算程序的设计方法,并给出在微机上运行的模拟人工解题的计算程序.     

OWL中的概念相似度计算和应用

为了提高信息检索的查全率和查准率,经常要处理相似的概念,因此计算概念间的相似度是必要的.OWL中的概念有如下两个特点:概念按照继承关系形成了一个层次结构的分类树,子概念继承父概念的属性;概念的属性由断言条件定义.概念相似度计算分为两步:首先,递归计算相同属性的数量;然后,根据相同属性的数量计算概念相似度.计算模型利用了OWL的较为完整的信息,计算结果与人为判断基本吻合.     

矩阵的Doolittle递归分解算法及符号程序设计

将矩阵An×n的Doolittle分解推广到Am×n上，并在常规的迭代算法上加以创新，给出了递归的分解算法．在实现算法的过程中，对数据进行了巧妙处理，使中间数据及最终计算结果都具有分数形式，提高了结果的精确度，而且更符合人们阅读的习惯．经过运行测试，算法设计合理，程序运行高效准确．程序是对MathSoft公司的交互式的数学文字软件Mathcad的矩阵分解的数值计算扩充到符号运算．