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。     

概念格约简与覆盖约简之间的关系

以一类与覆盖粗糙集相对应的形式背景为工具,对概念格属性约简和覆盖粗糙集约简进行研究,结果表明覆盖粗糙集与形式背景之间存在一一对应关系,并且证明了覆盖粗糙集的交约简可化为概念格的属性约简。     

基于概念格模型的约简表示及求解

文章在研究概念格与粗糙集之间关系的基础上,建立了基于概念格的粗糙集合模型表示,并提出了基于概念格模型求解决策表的约简与核的方法。该算法首先构建概念格,通过在建格过程中及时动态地消除与约简求解无关的结点,提高算法的效率,继而扫描概念格判断决策表的一致性,得到核以及所有非约简,进而得到所有约简;理论分析与实验表明了算法的正确性和有效性。     

净化属性对偶背景下完全格的形式概念分析（英文）

形式概念分析是数据分析和知识获取的有效工具,而三支概念格是概念格的扩展。在形式概念分析中,完全格与概念格有同构关系,但并不是每一个完全格都会同构于三支概念格。文章对净化属性对偶背景下的原子、不可约元素、补集和概念格的V-化简律等进行了研究,讨论了完全格、负概念格和三支概念格之间的同构问题。在给定的条件约束下,实现了完全格到概念格、负概念格和三支概念格之间的特征变换。     

超半格及其理想的研究

利用半格的等价定义以及超代数运算，引入了超半格的概念，研究了超半格的代数结构、超半格的直积以及超半格的同态．证明了超半格之间的满同态保持吸收元和固定元，给出了超半格的等价刻画．在此基础上又给出了子超半格和超半格的理想的概念，并且研究了它们的同态象、乘积、交并关系及其等价刻画．     

半准不定序同态及其应用

引入了Fuzzy格之间的半准不定与半准不定开序同态等概念，给出了它们的特征性质，讨论了半准连续，半准不定序同态与N—紧性以及SP—紧性之间的联系．     

基于扩展粗糙集模型的近似概念格规则挖掘研究

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域.在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCBA).最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性.     

粗糙集理论与其它不确定理论的比较分析

粗糙集理论作为一门新兴的不确定理论正越来越受到人们的关注．在介绍粗糙集理论基本内容的基础上，对粗糙集理论与模糊理论、随机理论、灰色理论等其它不确定理论的差异性进行了分析，同时讨论了它们之间的互补性问题并构建了相应的互补模型，最后，指出了粗糙集理论对于进一步丰富和完善不确定理论体系的重要性．     

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。在满足予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，定义了最筒子直接分解的概念．利用同余关系之间的泛化和例化关系给出了相应的求最筒子直接分解的算法，对算法进行证明，并且给出了应用实例。     

Vague集、模糊集和粗糙集的内在联系及其转化

研究了Vague集、模糊集与粗糙集之间的内在联系和互相转化．证明了：对于给定的粗糙集,可以在它的幂集上定义一个伴随的Vague集（模糊集）;反过来,给定的一个Vague集（模糊集）,可以定义它伴随的粗糙集．另一方面,在一个粗糙集系统给定的两个等价关系之间,可以定义它们的相对Vague集（模糊集）;同一个论域上的两个不同的Vague集（模糊集）可以定义它们的相对粗糙集,从而利用粗糙集方法研究它们之间的相对关系．     

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。     

Rough有限格的蕴涵规则挖掘

提出了一种基于Routh有限概念格的规则发现方法（RRLIRD）,以揭示数据集中的蕴涵规则。首先引入有限概念格的简化表示形式,由用户选择数据集中感兴趣属性集创建概念格结构,提高用户的交互性和挖掘的效率;然后运用有限概念格与Rough集理论相结合形成Rough有限概念格,蕴涵规则则由其特有的上、下近似运算得到,不需计算繁琐的频繁项目集。算法运用大型超市的交易流水数据进行仿真实验。结果表明,执行时间比经典的Apriori算法大大降低。该算法也适用于证券行情分析和农业数据库的病虫害分析等。     

基于概念格的知识约简算法的实现

探讨了Rough集和概念格的基本理论,将Rough集和概念格模型有机地结合起来,运用Rough集的约简理论提出一种基于概念格的知识约简方法并通过实验进行了验证,结果表明利用Rough集理论对以形式背景形式描述的原始数据集进行约简,可以在一定程度上减小概念格的规模.     

一种基于粗集理论的概念格构造方法

概念格是数据分析与规则提取的一种有效工具,但是在实际应用中由于需要处理的数据是海量的,使得直接基于概念格上提取规则的冗余度过大,造成机器计算时间和空间的浪费,而粗集理论在数据预处理和不确定性规则提取等方面表现出很强的优势,因此,为了减少人力物力的浪费,本文提出了一种应用粗集理论构造概念格的算法,且指出了该算法的优点及存在的不足。     

Rough Class on a Completely Distributive Lattice

This paper generalizes the Pawlak rough set method to a completely distributive lattice. The concept of a rough set has many applications in data mining. The approximation operators on a completely distributive lattice are studied, the rough class on a completely distributive lattice is defined and the expressional theorems of the rough class are proven. These expressional theorems are used to prove that the collection of all rough classes is an atomic completely distributive lattice.     

CS(K)上的S-粗集特征

对CS(K)（概念格）上的概念结点进行等价类划分，分析了概念格的粗集特征和S-粗集特征，给出了概念格上粗集和S-粗集的定义及其相应定理，找出概念格与粗集、S-粗集之间的关系，并通过实例说明了CS(K)上的S-粗集特征.     

概念格构造算法实验对比分析

概念格作为形式概念分析理论中的核心数据结构,已经在很多领域得到了广泛的应用,国内外的研究人员已经提出一系列的构造概念格的算法。本文给出了三种算法的构造思想及理论上最坏情况下的时间复杂度,并通过实验分析了各种算法当参数变化时它们的时间复杂度的变化趋势。