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-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.     

基于交集为空的概念格批处理生成算法

采用剪枝方法,通过对NextClosure算法的改进,提出一种基于剪枝的概念格批处理算法Prun-NextClosure,减少了概念格构造过程中闭包运算的次数,从而提高概念格的构造效率。实验使用随机生成的数据集,验证了该算法的正确性和有效性。     

基于概念背景的概念格启发式属性约简

提出了概念格的概念背景,在保持概念格中各概念外延不变的情况下,即保持概念背景的论域划分不变的情况下对概念格的属性集进行了约简,提出了概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性.     

一种新的模糊概念格及其构造方法

Will.R提出的概念格反映了对象与属性之间的精确关系,而在现实生活中,人类认识的大量概念都是模糊的,因此研究模糊概念格有着重要意义.提出了一种新的模糊概念格,讨论了它的性质以及构造方法,给出了模糊概念的构造算法.最后,用一个算例证明了该方法的有效可行性.     

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。     

基于概念格的数据挖掘方法研究

分析了概念格与关联规则之间的关系,提出了将频繁项集及其支持度存储在概念格上,然后在创建好的概念格上提取关联规则的方法,概念格的每个节点本质上是一个最大项目集,非常有利于关联规则的提取。为了充分利用概念格实现关联规则提取,提出了一种新的概念格结构:加权概念格,并给出其渐进式构造算法及基于该格结构上的关联规则提取算法。     

一种构造概念格的算法

本文讨论了概念格分层的相关性质,根据这些性质提出了一种新的构造概念格的算法,在找到所有概念的同时生成相应的Hasse图.     

基于概念格的数据挖掘方法研究

分析了概念格与关联规则之间的关系,提出了将频繁项集及其支持度存储在概念格上,然后在创建好的概念格上提取关联规则的方法,概念格的每个节点本质上是一个最大项目集,非常有利于关联规则的提取。然而目前对于概念格的研究,一般都假定由属性集所组成的概念格的内涵同等重要,而在现实数据库中,组成内涵的属性重要性往往是不同的,因此,内涵并非同等重要。为了充分利用概念格实现关联规则提取,提出了一种新的概念格结构:加权概念格,并给出其渐进式构造算法及基于该格结构上的关联规则提取算法。     

基于两级概念格的信息抽取的研究

该文提出了结构关键词的概念,给出了结构概念格和内容概念格的形式化描述.结构概念格是对文档语义段的逻辑存储,内容概念格是对文档内容信息的逻辑存储.开发了一个基于文档的结构和内容构造两级概念格的信息抽取的实验系统.实验表明,该方法对减少信息抽取的时间和提高信息抽取的精度有显著的效果.     

基于DirectX的概念格三维重构研究

介绍了概念格图形研究的现状,分析了目前常用的分层图. 提出通过遍历概念格的各节点查看节点间的偏序关系来决定节点分布的概念格三维布局算法,并以此建立适当的Mesh对象来构造基于DirectX的三维概念格图形. 同时还描述了一种概念格三维重构机制,较好地解决了复杂概念格的三维可视化问题.     

基于矩阵列秩属性优先的概念格算法

基于矩阵列秩的理论以及概念对并运算封闭的特征,提出了一种基于矩阵列秩属性优先的概念格的生成算法.首先,将形式概念分析中数据的形式背景看成一个0-1矩阵,利用矩阵的秩定义出概念的秩.其次,通过概念的秩的定义和概念对并运算封闭的特征,对概念按秩进行分层提取.通过对形式概念分析中数据的形式背景与矩阵的某些性质之间的联系的探索以及实例的验证,表明该算法行之有效.     

一种使用概念近似度约简的序列模式挖掘方法

传统的序列模式挖掘算法虽然能够挖掘所有的频繁序列，但在挖掘海量数据时可能因结果规模过于庞大而无法理解．基于概念格的序列模式挖掘有效地减少了中间序列的生成数量，在时间性能上具有一定的优越性，而概念格的结构特点也为自身的约简提供了便利．本文提出了近似概念的定义，首先对交易数据库建格，然后约简满足近似条件的概念，减少了频繁1-序列的数量，进而减少了总的频繁序列的数量．实验表明，在允许一定误差的情况下该方法提高了挖掘结果的可理解性和挖掘效率．     

形式概念内涵的一种快速求法

形式概念分析理论对于知识发现、信息检索、机器学习、软件工程等领域是一种很有效的研究工具。在它的应用中,概念的快速求法具有举足轻重的作用,研究人员已经提出了许多求概念的算法,这些算法都离不开形式背景并不可避免地对形式背景进行多次访问,对于大的形式背景来说,会大大降低算法的效率。提出用属性树方法求概念的内涵,只对形式背景进行一次扫描,就可以求出全部概念的内涵,从而可求出所有的概念。实验表明,该算法的效率要高于Ganter算法的效率,并且可以进行并行计算。     

基于粒计算的概念格拓展模型

将粒计算融入到概念格研究中,结合相似度模型和概念格结构信息,提出一种基于粒计算的概念格拓展模型,其有助于扩展经典概念的内涵和外延,也有助于压缩概念的规模.该模型是概念格和粒计算融合研究的一次有益探索和尝试,同时对概念格拓展也不失为一种有效手段.     

一种新颖的基于量化概念格的属性归纳算法

为了解决数据挖掘过程中挖掘的知识粒度过粗或过细问题，并利用概念格的偏序特性，提出了一种基于量化概念格的属性归纳算法．首先对概念格的外延进行量化，得到量化概念格，再根据概念格的哈斯图，采用概念的爬升进行相应的泛化，从而获得基于量化概念格的多层、多属性归纳．与面向属性归纳（AOI）算法相比较，结果表明所提算法不仅能实现AOI的单一属性归纳，还能进行多层、多属性的归纳，其属性泛化的路径不是惟一的，并且很容易在量化概念格的哈斯图中寻找合适的泛化路径和阈值，以此得到用户要求的、合理的属性归纳结果．     

融合概念格约简的中文领域本体学习方法

在基于形式概念分析的中文领域本体学习中, 为提高概念格构建效率, 将概念格约简理论应用于概念格构建中。首先对基于语义依存分析获取的形式背景进行对象和属性约简, 然后基于约简的形式背景采用Godin算法构造概念格, 最后根据修复定理修复约简概念格, 得到完整的概念格。通过有关对萝藦科植物的文本学习, 得到一个萝藦科植物领域本体。实验结果表明, 引入概念格约简理论, 概念格的构建效率提高70%, 进而提高了领域本体构建的效率。     

基于快速形式概念集构造的分类规则挖掘算法

提出了Fccrm算法．它采用划分的方法降低了形式背景的规模，通过求形式概念中的最大概念以及它们的下覆盖获取到全部的概念节点，避免了概念格中的复杂关系．同时，该算法还采用了概念剪枝的方法，降低了形式概念集的规模．分类规则集则从形式概念集中提取得到．实验结果表明该算法在性能上有了很大的改进，而且通过形式概念集获取的规则集对于样本集是完备的．