基于DirectX的概念格三维重构研究

介绍了概念格图形研究的现状,分析了目前常用的分层图. 提出通过遍历概念格的各节点查看节点间的偏序关系来决定节点分布的概念格三维布局算法,并以此建立适当的Mesh对象来构造基于DirectX的三维概念格图形. 同时还描述了一种概念格三维重构机制,较好地解决了复杂概念格的三维可视化问题.     

基于概念格的数据流频繁项集挖掘

提出一个数据流环境下的基于概念格和滑动窗口的频繁项集挖掘算法DSFMCL。算法在滑动窗口内分批挖掘新流入的基本窗口频繁概念后,生成概念格的Hasse图。引入最小支持度ζ和误差因子ε对非频繁概念节点进行剪枝操作。Hasse图中各节点包含频繁项集及其支持度信息。随着新基本窗口的Hasse图的生成与滑动窗口进行概念格纵向合并,最终通过对全部Hasse图节点的扫描可以输出所有频繁项集。实验结果表明,该算法具有良好的性能。     

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.     

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.     

一种面向形式概念分析的语义相似度计算框架（英文）

为了计算形式概念分析的形式概念或概念格的语义相似度,利用描述逻辑概念作为形式背景的特征属性对形式概念分析的形式背景进行语义扩展,即利用领域本体(描述逻辑知识库)提出了形式背景的一种语义表示方法.在此基础上,基于形式背景的语义表示,利用描述逻辑推理(即本体推理)给出了一种面向形式概念分析的形式概念或概念格语义相似度计算框架,并且证明了实例化该架构所得到的语义相似度计算方法满足对称性和等价不变性等基本性质.     

一种面向形式概念分析的语义相似度计算框架

为了计算形式概念分析的形式概念或概念格的语义相似度,利用描述逻辑概念作为形式背景的特征属性对形式概念分析的形式背景进行语义扩展,即利用领域本体(描述逻辑知识库)提出了形式背景的一种语义表示方法．在此基础上,基于形式背景的语义表示,利用描述逻辑推理(即本体推理)给出了一种面向形式概念分析的形式概念或概念格语义相似度计算框架,并且证明了实例化该架构所得到的语义相似度计算方法满足对称性和等价不变性等基本性质．     

一种Hasse图的快速构造方法

为了改善传统Hasse图构造方法复杂的问题,根据Hasse图的分层特征、同层间元素无关系、相邻层可能满足关系的性质,提出一种快速、高效的Hasse图构造方法.首先根据两个规则对集合元素进行分层处理,使元素分布于不同层,然后根据关系对相邻两层的元素进行连线处理,整理得到Hasse图,最后给出了该构造方法的算法实现.构造示例表明了该构造方法不仅有效,而且简单、高效.     

主持人语

<正>形式概念分析理论是20世纪80年代由德国数学家Wille提出的一种数据分析理论。该理论以形式背景(由对象和属性组成的二维交叉表)为基础,从中提炼出形式概念,从而对哲学中的概念这一人类思维的基本单元进行了形式化表达,进一步又形成概念格这一核心数据结构,以进行知识的可视化表示。在形式概念分析中,通过对形式背景增加决策属性可得到决策形式背景,以此为基础可以研究决策规则获取并实现决     

有限半模格的Hasse图

主要是应用正整数的有序分拆,研究了有限格及其Hasse图问题,证明了有限格和有限格对应的Hasse图在同构意义下是一一对应的;引进了一个格的Hasse图的格类的概念,并给出了一种画n个顶点的格对应的Hasse图的简便而有效的方法,并且研究了有限半模格的Hasse图的一些性质.     

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.     

概念格递增修正关联规则挖掘方法

研究了一种知识发现与数据挖掘中关联规则的发现方法 .关联规则是数据挖掘的重要方法之一 ,其核心是各大项目集的获取 .针对货篮关联规则挖掘方法 ,提出了一种改进的概念格递增修正方法 .该方法适应于数据库的动态数据递增或递减更新 ,通过记录项目集 (即概念格中的结点 )在数据库中出现的频率值 ,不需要构造完整的格即可求得项目集的支持度值和可信度值 ,以获取大项目集 ,进而求得关联规则 .同时 ,该方法运用 Hasse图解进行可视化操作 ,降低了算法的时间复杂度     

一种新颖的概念格构造算法

高效的概念格生成算法对于形式概念分析的应用研究是一个主要问题,文章从基于属性的基本概念出发,首先给出并证明了任意概念可表示为基本概念的定理,并提出了一种基于属性基本概念的渐进式概念格生成算法,实例表明该算法是可行和有效的。     

一种基于并不可约元的建格新方法

目的研究形式背景的建格问题。方法由形式背景中对象集的每一个等价类所拥有的属性子集之间的包含关系出发构建Hasse图。结果由此Hasse图可直接得到形式背景的概念格和面向属性概念格的并稠密子集。结论提出的方法能较快速地找到概念格和面向属性概念格的并稠密子集,进一步利用并不可约元的性质得到全部的概念。     

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.     

形式模糊背景中单边模糊概念格的属性约简

形式概念分析是一种有效的知识表示和知识发现的方法，形式背景和形式概念是形式概念分析中的两个基本概念.形式背景描述了对象集和属性集间的一个二元经典关系，隐含其中的知识通过概念格的形式表示出来.形式模糊背景是形式背景在模糊集理论下的自然推广，建立在其上的模糊概念格在实际应用中面临许多困难，为此，多种形式的模糊概念格的改进形式应运而生.单边模糊概念格就是一种具有较好应用前景的改进模糊概念格.主要研究基于经典-模糊概念格的形式模糊背景的属性约简问题，这里属性约简的概念具有保持相应的概念格整体结构不变的含义.关于属性约简，给出了多种形式的属性约简判定定理，针对属性约简，将所有属性分为三类，探究了不同类型属性的特征刻画.最后，通过引入模糊概念间的辨识属性集的概念，得到了基于辨识属性矩阵的属性约简方法，并通过示例验证了属性约简方法的可行性.     

嵌入社区半径的力引导与径向树混合布局算法

力引导布局算法存在无法展示复杂网络社区结构的缺陷,虽引入聚类的方式来展示社区结构,但社区内节点拥挤且排列无序,不利于观察社区内节点的结构特征与连边关系,为此提出嵌入社区半径的力引导与径向树混合布局算法.该算法首先采用K-means算法对网络节点进行社区划分;然后,用社区内节点数量确定社区半径,并将社区半径嵌入到社区斥力、引力中来展示社区结构;最后,采用径向树布局分层可视化各社区内节点.实验中使用拥挤区域占比、点分布偏差、节点偏差等指标验证了本算法既能降低拥挤度又能减少节点布局偏差,可视化结果显示,本算法布局社区结构明显,节点层次分明,易于理解.     

基于概念格的知识发现及其在高校就业数据分析中的应用

形式概念分析是数据分析与知识发现的有效工具,现已被广泛应用于各个研究领域。决策形式背景是形式概念分析中的重要关系数据库之一,其主要研究内容是基于规则提取的知识发现。本文借助于Wille概念格和面向对象概念格对决策形式背景的规则提取问题进行研究,给出了规则提取算法,并通过高校就业数据对算法进行了实证分析。     

区间集概念格的构造理论研究

区间集概念格是对形式概念分析理论的扩展,也是形式概念分析与区间集理论相结合的产物。区间集概念所反映的是人类认知的动态描述,它比形式概念更复杂,而在此基础上形成的区间集概念格也更为复杂。文中在研究区间集概念格与概念格之间关系的基础上,提出了一种构造区间集概念格的方法,其主要思想是将概念格中的形式概念在某种合适规则下融合成区间集概念。最后给出了该方法相应的算法。     

基于概念格的组织内部知识分布的综合评价

利用形式概念分析的理论和方法,提出了一种关于组织内部知识分布合理性的评价方法.在该方法中,首先依据组织内部知识分布的概念格提取评价项目集中蕴涵规则的支持度和可信度,然后利用关联函数对组织的知识分布进行评价.