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.     

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。     

一种新的概念格并行构造方法

概念格在数据分析及机器学习等很多领域得到了广泛的应用,其构造算法的时空开销随着数据规模的不断增大而迅速增长,这一问题一直困扰着格的进一步应用。因此,设计更加有效的建格算法是非常重要的。文章结合批生成算法的并行性和渐进式算法高效性的优点,提出了一种新的并行算法;实验表明,该算法的时间性能和空间性能都有明显的提高。     

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.     

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。     

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。     

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.     

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.     

基于关联格的概念格约简理论

研究概念格与其关联格之间的关系并给出了两者之间的同构定理,进而研究了由概念格的关联格来进行属性约简的理论与方法。     

基本概念格的关联规则挖掘算法

在已有的基于概念格的关联规则挖掘算法中,搜索频繁结点的范围太大,从而导致花费大量的时间来产生关联规则。针对这一不足,利用“索引链表”数据结构来辅助快速地找到所有的频繁结点,缩小了结点的搜索范围,降低了概念格中挖掘关联规则算法的复杂度。     

毕达哥拉斯模糊三支概念格

将毕达哥拉斯模糊集理论引入模糊三支概念格中, 在毕达哥拉斯模糊形式背景下研究毕达哥拉斯模糊三支概念格的构造。首先, 结合毕达哥拉斯模糊集理论将对象与属性的关系同时用隶属度和非隶属度表示, 给出毕达哥拉斯模糊形式背景的定义;其次, 基于给定的阈值α和β以及三支决策思想, 将对象集(属性集)划分为正域、负域, 边界域3个部分;在此基础上, 给出2种毕达哥拉斯模糊三支概念(对象导出毕达哥拉斯模糊三支概念与属性导出毕达哥拉斯模糊三支概念)的定义和相关定理, 构建相应的概念格;最后, 结合实例阐释毕达哥拉斯模糊三支概念格在实际问题中的应用。     

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。     

横向合成背景的概念生成

目的研究如何利用多个已知形式背景的概念来获得其横向合并形式背景概念的方法。方法形式背景合并前后对偶算子之间的关系。结果得到了由已知小背景的概念获得合并后背景的概念的方法。结论在已经知道小背景的概念的基础上,可以避开重新建格,在知识发现过程中节省资源。     

基于OE-近似概念格的不完备决策背景的规则提取

首先,通过对象诱导的三支条件近似概念格和三支决策近似概念格的细于关系,定义了不完备决策背景的OE-协调性;然后,在OE-协调的不完备决策背景上提出了对象诱导三支规则的提取方法, 分别从正面和负面的角度对规则进行获取和解释, 给出了冗余规则的判定定理及非冗余规则集的提取算法;最后,利用包含度理论,提出了带有置信度的三支规则提取方法, 提供了更为丰富的细节, 使得获取的规则更加完善。     

快速更新最小频繁概念格

更新挖掘最大频繁项目集是研究动态数据库挖掘的重要方面;文章在量化概念格的基础上,引进最小频繁概念格的概念,提出了一种快速的更新挖掘最大频繁项目集的算法,该算法能够在原有挖掘结果的基础上,快速有效地挖掘出更新后的数据库中隐含的新最大频繁项目集.