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.     

Godin算法扩展研究

通过对概念格渐进式构造过程的分析,探讨了影响Godin算法效率的因素并给出解决办法,认为在形式背景中对象的属性分布均匀的情况下,一个最佳的对象输入序列是按照它们所包含属性的从多到少的顺序,并根据实验数据验证这一结论.     

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。     

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.     

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。     

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.     

横向合成背景的面向对象概念格的生成

针对多形式背景合成的概念格生成,提出了一种多背景横向合成的面向对象概念格的生成方法。首先利用各个子形式背景中的每个概念的外延通过相关运算得到合成背景的面向对象概念格的外延集,然后将得到的外延集通过近似算子运算得到合成背景的内涵,并进一步得到合成背景的概念格。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。