基于形式概念分析和本体的搜索引擎设计思考

本文从增强传统搜索引擎的搜索功能入手,用形式概念分析和本体作为基础工具,利用两者的结合可以有效地提高搜索引擎的检索效率和提升检索的准确性,使搜索引擎更加智能,并通过部分手机产品族为实例加以演示.     

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.     

基于形式概念分析的区域旅游资源开发分析

本文用形式概念分析的理论来分析地区资源的差异性,再结合经济学中的比较优势理论,使我们从一种全新的角度来看待旅游资源的开发,从而给旅游资源的开发整理出一条新的思路.     

基于P-集合和FCA的中文领域本体学习方法

提出一种基于P 集合和形式概念分析的中文领域本体学习方法. 该方法以非结构化中文文本为数据源, 通过引入P-集合理论获取形式背景, 在获取形式背景的基础上, 采用Godin]算法构造概念格, 并采用自定义映射规则实现概念格到中文领域本体的映射. 通过学习生物和水领域文本, 得到一个中文领域本体. 实验结果表明, 该方法能解决手工构建本体费时、 费力的问题, 且学习到的本体是形式化本体, 能被更好地共享和重用.     

形式概念分析的粒计算方法及其研究展望

形式概念分析是知识表示与处理的一种实用数学方法,因其核心工具概念格的构造代价涉及指数时间复杂度,它在一定程度上导致其处理数据效率不高,这个问题也一直阻碍着该理论的快速发展与广泛应用。粒计算以粒的形成、粒的转移、粒的合成与分解等手段有效解决问题而著称,它允许问题在各个粒化层面上得到处理,并根据实际需要在解决问题的精度与耗时之间做出权衡。形式概念分析的粒计算方法的主要研究目标是将粒计算的这些优势融入传统形式概念分析中以有效解决数据分析与处理问题。具体地,本文从Galois连接的粒计算模型、对象粒化、属性粒化、关系粒化、关系诱导的概念粒化、粒规则、粒约简、粒概念、粒概念学习、概念粒计算系统等角度展示形式概念分析的粒计算方法的主要研究内容,并针对大数据与认知学习提出若干挑战性问题。有关讨论结果将为形式概念分析的粒计算方法的研究与发展提供借鉴。     

形式概念分析及其应用进展

形式概念分析是一种数据挖掘工具,在机器学习,软件工程和信息获取等领域得到广泛应用。简要介绍了形式概念分析的基本概念,提出了具体的建格方法。     

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。     

模糊形式概念分析的相似度计算方法研究

形式概念分析是一类被广泛采用的聚类技术.现有基于形式概念分析的聚类方法无法处理模糊信息.研究了在已有的模糊概念分析方法基础上,对形式概念分析、模糊概念分析方法给出了严格的形式化定义,并利用模糊共轭圆,提出一种模糊形式概念分析的相似度计算方法.     

基于领域本体的概念格语义匹配

本体作为语义网的重要工具,是对共享概念模型的形式化规范说明.领域本体更是说明了一个领域特定的概念定义和概念之间的关系,提供该领域中发生的活动以及该领域的主要理论和基本原理等.提出了一种基于领域本体的概念格语义匹配方法,以提高匹配的精确度.     

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．     

形式背景提取初探

形式背景是形式概念分析的基础.本文就如何从不同的数据源中提取形式背景进行探讨,主要分析文本文件、关系型文件和XML文件的特点,并分别找出提取形式背景的方法.     

多粒度形式概念分析的类属性块优化

针对现有的多粒度形式概念分析的介粒度标记方法无法实现类属性块内部信息的跨粒度层组合,基于实际应用需要将类属性块内部信息进一步划分为子类,通过跨粒度层重新组合各子类以提出多粒度类属性块,在此基础上分析多粒度类属性块的内部结构,揭示决策蕴涵随多粒度类属性块粒度粗细变化进行更新的规律,完善了基于多粒度形式概念分析的多层次知识发现理论与方法。     

基于形式概念分析的中医辩证可视化方法

计算机辅助中医辩证研究是一个热点,但是目前尚缺乏一种标准的数学语言用于描述辩证的体系架构。本文提出了一种基于形式概念分析的可视化方法,这种方法将证和证素定义为对象与属性并将它们的概念和层次关系数学化,最后利用概念格将其可视化。最后通过一个实例初步说明了将形式概念分析应用于计算机辅助中医辨证体系研究是可行的。     

基于形式化概念分析的XML Schema映射

XML Schema映射关系的求取对于异构系统的整合起着至关重要的作用．基于此,提出了一种利用形式化概念分析的XML Schema映射算法．该算法使用传统分类技术,并结合形式化概念分析中的相关定义,创建概念格．在概念格上运用新定义的运算规则特化规约和启发式规则推理获得映射．给出了算法所基于的蕴涵于两个Schema所构建交叉表中的定理以及相应的证明．     

一种基于形式概念分析的粗糙集中的知识获取方法

文章提出了一种基于形式概念分析的粗糙集中的知识获取方法,即应用形式概念分析中的内涵集去解决属性约简、核等粗糙集中的一些重要问题.实例证明了该方法的有效性.     

基于形式概念分析的模式匹配算法

提出了一种基于形式概念分析的模式匹配的FCABSM方法,该方法由3部分组成:首先,以朴素贝叶斯文本分类算法为基础设计名称分类算法及描述分类算法,分类目标模式与待匹配模式的元素名以及元素描述,为模式间元素的匹配提供初始依据.其次,利用形式概念分析技术整合分类结果、元素类型信息以及约束信息,提高匹配精度.该阶段为待整合信息创建形式上下文、获取形式上下文中蕴涵的概念、确立概念间偏序关系及构建概念格.最后,以第二阶段的概念格为计算依据,引入基于结构的相似评估模型来计算出最终的匹配结果.实验表明,基于FCA的模式匹配方法的平均性能优于缺少FCA整合的直接匹配方法.     

基于增量更新内涵的形式概念生成算法

为高效率地生成概念,提出一种基于增量更新内涵的概念生成算法IUICG(Incremental Updating Intension based Concepts Generation)。首先将背景中的属性逐个设定为任务属性,以任务属性将概念搜索空间划分为先行概念集合和新增概念集合,提高了搜索效率。其次提出了概念操作规则,其中外延过滤规则避免了无效外延对概念空间的搜索,内涵更新规则和新增概念规则提升了概念生成速度。实验结果表明,在不同类型的数据集上,IUICG算法的时间性能都优于对比算法。在对象数量远大于属性数量的数据集上,IUICG算法具有接近线性的时间复杂度。     

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.     

形式概念分析在基于事例推理中的应用

目的形式概念分析(Formal Concept Analysis,简称FCA)在基于事例推理(Case-basedReasoning,简称CBR)中的应用为完善领域知识的分类提供了一种有效的方法;FCA提供了一种事例的组织方式,使对事例库的直接访问变得容易。方法把原来的事例表示与组织方式转换成FCA所要求的形式。结果FCA可以提取嵌入在事例库中的隐含知识,这些以描述事例属性间的依赖规则形式的隐含知识可以用来帮助完成CBR的查询过程。结论FCA在CBR中的应用提高了事例检索的速度和结果的准确性。