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.     

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。     

利用量化规则格分布获取关联规则

在形式概念分析中,规则挖掘是构造概念格的目的之一.分布式构格首先是构造部分格,然后合并部分格得到完整格从而加快构格的效率.提出了一种规则合并方法,先在部分格上得到部分规则,然后有部分规则直接合并得到最终规则.结果表明此算法在挖掘规则是快速有效的.     

基于n阶形式背景核的概念格重构

本文提出一种与传统算法不同的基于n阶形式背景核的概念格构造方法.n阶形式背景核是一类形式背景(具有n个属性)的最小完备子集,使得任意一个n阶形式背景必同构于它的某一个元素.形式背景核用于支持生成子形式背景的小概念格,经过重构小概念格得到最终的概念格.通过实现过程中的所有算法,开发出了一个软件系统IsoFCA.实验表明,在符合实际应用的情况下,基于n阶形式背景核的概念格构造方法优于Godin算法.     

扩展概念格的动态创建及其上的关联规则发现

关联规则作为数据挖掘的核心任务现已经得到了广泛的研究。而由二元关系导出的概念格是一种非常有用的形式化工具,它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例。扩展概念格是对概念格晦一种改进。提出了一种动态构造扩展概念格的方法,并在扩展概念格上实现了简洁的关联规则算法。     

基于信息熵和偏差的加权概念格内涵权值获取

为有效反映数据本身隐含的客观信息,快速提取用户需求的具有一定偏差程度的重要知识,提出了一种基于信息熵和偏差分析的加权概念格的内涵权值获取方法.在缺乏先验知识时,由数据集中属性特征的信息熵来刻画加权概念格的单属性内涵权值,采用均值计算多属性内涵权值,并用标准差计算多属性内涵重要性偏差值;由用户设立加权概念格内涵的重要性阈值和内涵重要性偏差阈值,构造出一种强加权概念格.通过实例描述了该方法可有效指导正确决策,进一步拓广了概念格的理论与应用.     

计算网格无中心式调度框架的一种构造方法

在无中心式调度框架下,为实现全局调度开销和局部调度开销的折衷,网格节点的平均邻接度应趋近某个适宜值,文章提出了一种构造方法.给定适宜的邻接度,可计算出每个新加入网格的节点应选择的邻居数.构造实验表明,这里的构造方法可使网格节点的邻接度近似趋近给定的邻接度,并可适应网格规模的不断扩大.     

模糊概念格的一种建格方法

概念格是近年来兴起的知识表现模型。现实世界中的事物大多具有不精确性特征,如何将若干模糊对象构建成一个概念格具有重要的理论与价值。本文运用模糊概念格外延覆盖知识、模糊概念格分层思想提出了一种构造方法,并生成Hasse图。通过实例验证了方法的可行性。     

大数据时代下概念格的多粒度构造研究

概念格被认为是数据分析的有力工具,在诸多领域得到了研究和应用。随着大数据时代的发展需要,要求概念格的完整性,概念格的节点大小随着形式背景大小的增加呈指数增长。鉴于大数据时代构思概念格所面临的挑战,该文将粒计算融于概念格的研究中,在概念格的多粒度计算模型的基础上,通过概念格多粒度构造的渐进式算法,对概念格的概念进行分层次构造。同时,分析概念格多粒度构造与存储模型的验证及应用,来分析概念格构造的问题。