基于基概念的面向属性概念格建格方法

目的基于基概念构造面向属性概念格。方法通过每个对象对应的面向属性概念格的基概念,利用其外延与内涵逐层寻找面向属性概念。结果利用基概念找到全部面向属性概念,从而得到完整的面向属性概念格。结论利用基概念可以逐层获得所有面向属性概念,也可以解决其他类型概念格的构造问题。     

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.     

基于包含度理论的面向属性(对象)概念格构造

目的将包含度理论用于形式背景的研究中。方法根据包含度理论定义了一对基于形式背景的算子。结果利用算子可以构造面向对象概念格和面向属性概念格。结论利用包含度构造了面向对象概念格和面向属性概念格。     

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.     

基于概念格基本定理的属性约简

研究了概念格属性约简理论,在更一般的形式背景(即对象集和属性集有限或无限)中,基于概念格基本定理,从新的角度给出协调集的判定,进而得到约简的判定.对属性集的分类做了进一步的刻画,改进了已有的结果.     

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。     

直觉模糊概念格的属性约简

研究直觉模糊形式背景下的概念格属性约简.利用直觉模糊逻辑算子给出了直觉模糊概念格的构造,通过直觉模糊集的水平截集定义了可辨识属性矩阵,给出了直觉模糊概念格的属性约简方法.     

基于AE-概念格的决策形式背景属性约简

针对AE-概念格, 在属性三支协调下, 提出了保持非冗余规则信息不丢失的属性约简理论。 首先讨论了子背景下的相关性质, 其次定义了属性三支协调决策形式背景中的非冗余规则协调集, 并获得了该协调集的判定定理, 最后给出利用差别矩阵和差别函数得到相应约简的方法。     

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.     

基于ECⅡ代数的概念格属性约简

概念格是数据分析与知识发现的重要理论.知识发现的一个重要方面是知识约简,因而找到简单有效的约简方法是非常必要的.本文从形式背景上ECⅡ代数结构的角度出发,研究了概念格的属性约简定理,约简方法及属性特征.     

MapReduce环境下基于概念分层的概念格并行构造算法

概念格是形式概念分析中的核心数据结构.对此提出运用划分分治和分层约束的方法研究MapReduce框架下概念格并行生成算法以有效地构造概念格.将形式背景按对象划分成外延独立子背景后并行计算子背景上的临时概念,融合各节点临时概念形成全局概念.全局概念按照各概念外延基数进行分层,通过分层约束计算概念父子节点的搜索范围和并行搜索各层概念的父子节点,进而构建概念格.算法基于MapReduce框架实现并在公共数据集上进行测试,实验结果表明,基于概念分层方法的概念格并行构造算法能够对大数据形式背景有效地进行处理.     

概念格并行构造算法研究

对已有并行算法进行详细对比,提出一种基于闭包系统划分的概念格并行构造算法--Para_Prun算法,它将概念集合看作初始闭包系统,迭代生成相互独立的多个子闭包系统,然后在每个子闭包系统中独立生成概念,有效提高了运算效率.     

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.     

一种基于深度优先方法的构造概念格算法

本文基于传统的Godin算法作出改进:在格结点更新过程的同时给出了边的更新方法,这样在边的更新过程中,减少了对更新格结点、新生格结点的遍历次数,从而提高了建格效率.     

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。     

合成背景的面向属性概念格生成

目的研究合成背景下面向属性概念格的生成。方法面向属性概念格理论。结果由两个简单形式背景的面向属性概念格获得了合成形式背景的面向属性概念理论。结论推广了已知结果,易于获得复杂形式背景的面向属性概念格,从而更有利于知识发现。     

基于属性扩展的双向合成背景的概念格的生成

针对多形式背景双向合成的概念格生成,提出了一种多背景双向合成的面向属性概念格的生成方法,首先利用各个子形式背景中的每个概念的内涵通过相关运算得到合成背景的面向属性概念格的内涵集,然后将得到的内涵集通过近似算子运算得到合成背景的外延,并进一步得到双向合成背景的面向属性概念格。用理论证明该方法的有效性和完备性,并通过实验表明该方法时间效率较好。     

基于属性蕴含的Q矩阵理论

认知诊断(CD)是认知心理学与心理和教育测量学相结合的前沿研究领域.在属性间约束关系的Q矩阵理论中,其认知模型仅考虑了属性集与属性间的层级关系,忽略了属性间可能存在非层级关系的蕴含关系.该文探讨基于属性蕴含的Q矩阵生成,以及属性蕴含关系的挖掘.研究成果扩充了现有Q矩阵理论,完善认知诊断的理论、方法和应用.     

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。