概念格最简子直接分解概念及算法

对概念格进行分解处理便于解决数据量庞大情况下的数据分析和规则提取.为了减少概念格分解时可能会产生的冗余,在满足子直接分解定义的基础上进一步明确的去掉那些多余的同余关系,定义了最简子直接分解的概念.利用同余关系之间的泛化和例化关系给出了相应的求最简子直接分解的算法,对算法进行证明,并且给出了应用实例.     

概念格的算法及进展

概念格作为形式概念分析的核心数据结构,在机器学习、软件工程和信息获取等领域得到了广泛应用.本文简要介绍了概念格的基本概念,讨论了现有的建格算法以及概念格的研究方向。     

概念格与粗糙集

概念格与粗糙集都是有效的数据分析方法，它们已广泛应用于机器学习、人工智能、知识发现等领域．概念格与粗糙集在数据分析方面有相似之处，并且粗糙集的一些概念包括等价类，上、下近似等都可以通过概念格来表示．论述了概念格与粗糙集之间的联系，建立了它们之间的关系，并通过实例进行了解释．     

概念格及其应用进展

概念格是近年来获得飞速发展的数据分析的有力工具。从数据集中生成概念格的过程实质上是一种概念聚类过程。然而 ,概念格可以用于许多机器学习的任务 ,例如分类 ,关联规则的挖掘等。论文介绍了概念格的基本概念 ,讨论了现有的几种建格算法和在格上提取规则的方法及相关系统和应用。另外 ,还介绍了格的剪枝及概念格和另一个新型数据分析工具粗糙集之间的关系。     

S-概念格

针对现实生活中,新的概念不断产生,旧的概念不断变化消亡,依据S-粗集理论与概念格理论,提出S-概念格理论,给出了S-概的两类形式：单向S-概念格,双向S-概念格,最后介绍了该理论的一个简单应用。     

基于边缘概念的概念格生成算法研究

提出了一种新的基于边缘概念的概念格生成算法.通过已求出的概念内涵及外延的交集和并集运算,分层构造概念格.和已有概念格的构造算法不同的是,本算法在求出边缘概念后就不再依赖于形式背景.该算法同时解决了跨层概念间的关系.最后结合实例说明了该算法的实现过程和有效性.     

形式背景下概念格的一种建格算法

在形式背景下的概念分析理论中,概念格是其核心的数据结构之一,在数据检索和数据挖掘中得到广泛应用。概念格的建立是这些应用的基本前提,建立概念格的过程也是概念聚类的过程。文中通过对形式背景中的对象和属性之间的二元关系简化为布尔矩阵,并对布尔矩阵进行算法处理,着重分析了求外延的算法及计算机语言的实现,得到所有概念的外延,而外延所形成的格是与对应的概念格同构的。     

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-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.     

数据挖掘中概念格建造算法研究

文章概述了几种基于概念格的数据挖掘算法,简要分析了这几种算法的思想,从而为在实际应用中使用这些算法提供了一定程度的参考。     

基于扩展概念格的属性归纳算法

由于面向属性归纳在进行属性归纳时难以设置适当的阈值,往往会造成概念提升的结果过于一般化或特殊,为此提出了基于扩展概念格的属性归纳算法.在扩展概念格中进行概念提升实现数据泛化,并根据相应的泛化路径,在相应哈斯图上找到合适的泛化阈值,进而得到较好的属性归纳结果.研究结果表明,基于扩展概念格的属性归纳算法在进行属性归纳过程中保留了完备的信息,减少了属性归纳的计算工作量,并具有直观、简捷的特点.     

基于多剪枝格的频繁项集表示与挖掘

文章在研究基于剪枝概念格的频繁项集表示的基础上,提出了基于多剪枝概念格模型的频繁项集表示与挖掘方法。该方法在多剪枝格基础上进行导出频繁项集的合并,进而获得全局频繁项集,有效地降低了频繁项集表示的规模;理论分析和实验结果表明,该方法能获得满足用户要求的近似所有全局频繁项集。     

一种基于多概念格的分类规则融合方法

从多个数据源进行综合知识发现已经成为当前数据挖掘领域中的一个热点研究问题。然而,由于各数据源中数据的差异,使得从各数据源上提取出来的知识,在相互融合的时候会显示出各自的局部性,有时甚至彼此间会出现矛盾,因此,有效的知识融合方法对挖掘结果的质量是至关重要的。该文探讨了基于多概念格的分类规则挖掘,提出了一种融合不同数据源中的分类规则的方法,该方法能保证规则的完整性,即获得适用于全局的所有分类规则,给出了实验结果并加以验证。     

Reconstructing Concept Lattices Using n th.Order Context Kernels

0 IntroductionSince the concept lattice theory was set upin the 1980s ,concept lattices have been considered as mathematicmodels of knowledge process for years[1]. However ,the ti meand space complexity of concept lattices constructionis along-standing barrier on the way of application of concept latticetechnologies . To solve the problem,several techniques weredeveloped[2 ,3].Refs .[4-6] concentrated on incremental algo-rithms i mprovement . Ref .[7] presented an approach on re-duction of at…     

半环的亚直分解

引入了半环的亚直积和亚直既约等概念,证明了半环的亚直分解定理。     

多粒度面向对象概念格的构造

目的研究多粒度面向对象概念格的构造。方法在单粒度面向对象概念格外延集上作并运算,得到多粒度面向对象概念的外延集,再运用下近似粒算子,得到多粒度面向对象概念的内涵集,进而构造多粒度面向对象概念格。结果给出了由单粒度面向对象概念格构造多粒度面向对象概念格的方法。结论多粒度面向对象概念格的提出进一步完善了概念格理论。     

模糊形式概念分析与模糊概念格

针对在许多应用领域中,大多数信息都是复杂的、不确定的,而传统的形式概念分析不能表达这些模糊的、不确定的信息问题,介绍了将Zadeh的模糊数学理论与形式概念分析理论相结合所形成的模糊形式概念分析理论.给出并证明了在模糊形式背景下对象集合及属性集合的一些结论.建立了在模糊形式背景下的模糊概念格并证明了该模糊概念格仍然是一个完备格.最后用实例说明了这种模糊概念格的构造方法.     

基于概念格和Apriori的关联规则挖掘算法分析

概念格通过概念的内涵和外延及泛化和例化之间的关系来表示知识,因而适用于从数据库中挖掘规则的问题描述;在概念格的内涵中引入等价关系并将其外延量化,得到量化概念格;利用量化概念格挖掘关联规则,与采用Apriori算法计算频繁项目集获取关联规则相比较,不需要计算频繁项目集,容易获得用户感兴趣的关联规则,同时减少了大量冗余的规则,提高了挖掘效率。     

一种新颖的概念格构造算法

高效的概念格生成算法对于形式概念分析的应用研究是一个主要问题,文章从基于属性的基本概念出发,首先给出并证明了任意概念可表示为基本概念的定理,并提出了一种基于属性基本概念的渐进式概念格生成算法,实例表明该算法是可行和有效的。