一种粒度概念格模型及其构造方法研究

概念格构造的时间复杂度一直是影响其应用的主要因素。针对这个问题,提出了根据一个近似关系构造形式背景上的覆盖,进而依据用户参数选定一个覆盖分类集形成子形式背景的方法,给出了子形式背景对应的粒度概念格模型及其构造方法,证明了粒度概念格和原概念格之间的关系,通过子概念格的合并可以生成原概念格,通过实例说明了该方法的有效性。     

基于Eclipse的概念格构建系统的设计与实现

概念格作为一种很好的形式化概念分析工具,被应用于数据挖掘、人工智能和知识提取等领域.如何将海量的数据中提取出来的相关规则即概念,迅速转化成直观的概念格图,成为概念格应用首先需要解决的问题.描述了概念格的相关概念,实现了概念格的改进构造算法.在Eclipse平台下实现了一种半自动化的概念格构建系统,并对各个模块的实现做了详细的介绍,生成相应的概念格的Hasse图,最终通过实验分析验证了半自动化构建概念格系统的可行性,优化了算法的空问复杂度,使系统性能得到优化.     

概念格经典算法对比

概念格被认为是一种非常有用的数据分析工具,它能够很好的应用于数据挖掘、机器学习以及知识发现、信息获取等领域。本文对概念格的生成算法进行了分类研究,对典型算法进行详细介绍,最后讨论了概念格生成算法研究的最新动向。     

一种基于概念格的模块划分及耦合分析方法

现有的软件系统常常规模庞大,不易理解和维护.软件系统的复杂性使得人们必须对软件按功能进行模块划分,从简单的子系统着手逐步分析其结构.提出了一种基于概念格的模块划分及耦合分析方法.概念格可以描述一组含有相同属性集的对象,用源代码中的函数表示对象,而函数使用的变量表示属性,以此来构造概念格,同时在模块划分的基础上分析模块之间的耦合度.     

对象粒度的概念格增量维护与关联规则更新

研究对象粒度的概念格维护和关联规则更新是动态环境下概念格应用的实际需要。研究了概念格更新的规律,证明了加入新的对象时概念的生成及其插入位置只与最新生成的概念有关,与先前生成的大量概念无关。发现了概念的内涵缩减可以决定这个概念蕴涵的关联规则,同时发现了概念的内涵缩减由这个概念和其父概念的内涵差集决定。根据上述观点提出了基于对象粒度的概念格关联规则更新的方法。     

关系粒度的概念格增量维护与关联规则更新

为了适应动态环境下概念格应用的实践需要,有必要研究关系粒度的概念格维护和关联规则更新。首先,给出了父子概念对的概念,并在此基础上设计了基于关系粒度的概念格增量维护算法。其次,发现了一个概念的内涵缩减由这个概念和其父概念的内涵差集决定,一个概念的内涵缩减决定这个概念蕴涵的关联规则。最后,根据这一观点提出了基于关系粒度的概念格关联规则更新的方法。     

概念格在访问控制中的研究综述

随着信息技术的发展,信息系统日趋复杂和多样化,这给访问控制的设计和维护提出了更高的要求。概念格作为一种重要的数据挖掘和知识发现方法,具有自动聚类和自动构建层次的特点,可以用于设计和维护一个访问控制所需要的层次结构。本文对概念格在强制访问控制和基于角色的访问控制中的相关研究进展进行了分析和总结,并对未来的研究趋势进行了讨论。     

面向知识结构分析的模糊概念格模型

知识空间理论使用数学语言对学习者进行知识评价与学习指导, 属于数学心理学的研究范畴. 技能与问题是构成知识空间的两个基本要素, 深入研究两者之间的关系是知识状态刻画与知识结构分析的内在要求. 在当前的知识空间理论研究中, 没有明确建立技能与问题之间的双向映射, 从而难以提出直观概念意义下的知识结构分析模型, 也没有明确建立知识状态之间的偏序关系, 不利于刻画知识状态之间的差异, 更不利于规划学习者未来的学习路径. 此外, 现有的成果主要集中在经典的知识空间, 没有考虑实际问题中数据的不确定性. 为此, 将形式概念分析与模糊集引入知识空间理论, 建立面向知识结构分析的模糊概念格模型. 具体地, 分别建立知识空间与闭包空间的模糊概念格模型. 首先, 建立知识空间模糊概念格, 并通过任意两个概念的上确界证明所有概念的外延构成知识空间. 引入粒描述的思想定义技能诱导的问题原子粒, 由问题原子粒的组合判定一个问题组合是否是知识空间中的一个状态, 进而提出由问题组合获取知识空间模糊概念的方法. 其次, 建立闭包空间模糊概念格, 并通过任意两个概念的下确界证明所有概念的外延构成闭包空间. 类似地, 定义问题诱导的技能原子粒, 由技能原子粒的组合判定一个技能组合是否是闭包空间中某一知识状态所需的技能, 进而提出由技能组合获取闭包空间模糊概念的方法. 最后, 通过实验分析问题数量、技能数量、填充因子以及分析尺度对知识空间与闭包空间规模的影响. 结论表明知识空间模糊概念不同于现有的任何概念, 也不能从其他概念派生而来. 闭包空间模糊概念本质上是一种面向属性单边模糊概念. 在二值技能形式背景中, 知识空间与闭包空间中的状态具有一一对应关系, 但这种关系在模糊技能形式背景中并不成立.     

概念格理论与方法及其研究展望

概念格理论与方法是形式概念分析研究中的基本内容,该研究已取得一系列的重要成果,主要集中在概念格模型推广、概念格构造、概念格约简、基于概念格的规则提取、概念知识空间、概念格的粒计算方法及概念格应用等研究方向.为了进一步促进形式概念分析的研究与发展,文中对现有的概念格理论与方法进行梳理、总结与展望.特别地,指出上述研究方向中存在的关键科学问题,进行一些理论分析,并提出初步的研究思路,为今后解决这些问题提供有益的参考.     

覆盖多粒度下的形式概念更新方法

多粒度形式概念分析是数据挖掘与知识发现的重要工具。文中研究了覆盖多粒度下的形式概念的粗化和细化更新方法。首先,举例说明了现有的概念粗化更新算法可能导致概念缺失,通过分析缺失概念的本质特征,对现有概念粗化算法进行补充,并证明了新算法的正确性。其次,举例说明了现有的概念细化更新算法可能会生成冗余概念,通过分析冗余细概念的内涵特性,对现有的概念细化更新算法进行了优化,并证明了新算法生成结果的无冗余性,具有更低的时间复杂度。最后,通过实验验证了所提算法的有效性。     

基于概念格的概念相似度计算

为了提高信息检索的查全率和查准率,经常要处理相似的概念,因此计算概念间的相似度是必要的.概念由对象和属性两部分组成,所以基于概念格相似度计算的也分为两部分:一是利用概念格的层次关系计算对象的相似度,另一部分计算属性的相似度.其次,概念间的相似度与概念在概念格中的深度有关,计算时利用深度对结果加以修正.计算模型利用了概念较为完整的信息,计算结果与人工判断基本吻合.     

基于格结构的概念代数研究

近年来,概念格作为一种有效的概念分析、表示与应用模型,被越来越多的领域所应用。概念代数是在概念 格理论基础上提出的一种新的代数系统。目前,概念代数系统还只是雏形,很多方面的内容还需要扩展与进一步的研 究。基于格结构的概念代数研究分别对Nilsson概念代数、Wille概念代数和认知信息学中的概念代数的基本概念与 内容进行了介绍,对各方法进行了分析与比较,并证明Nilsson概念代数是一种广义概念代数,为进一步的应用与研 究提供支持。     

基于概念格的非数值型数据聚类稳定性分析

概念稳定性的计算是一个NP-完全问题,且概念稳定性在聚类分析中具有十分重要的意义。概念格自身特点决定了其适合作为概念稳定性分析的工具。为了获得一个形式化的计算概念稳定性的方法,定义了概念的核心对象集,并给出了计算核心对象集的方法,进而得到了计算概念稳定性的方法。另外,根据概念格的对偶原理,得到了一个计算类标签的方法。最后用例子说明概念稳定性在聚类分析中的应用。     

基于优势关系的概念格

对基于优势关系的形式背景进行了讨论,在基于优势关系的形式背景上建立了对象偏序集、属性偏序集以及对象-属性偏序集,提出了基于优势关系的概念格的定义及构建方法.这些结论进一步丰富了概念格的理论,对研究基于优势关系的信息系统的规则提取提供了新的思路.     

概念格与粗糙集的关系研究

概念格理论和粗糙集理论是两种不同的知识表示与知识发现的工具,都已被成功应用于许多领域.粗糙集理论的数据表现方式是信息系统,其研究基础是对象之间的等价关系;概念格理论的数据表现方式是形式背景,其研究基础是一种有序的层次结构--概念格.本文讨论了概念格理论与粗糙集理论之间的基本联系;重点分析了形式概念与等价类之间、概念格与分划之间的关系;证明了概念格与分划之间可以相互转换,给出了转换算法,并用例子加以说明.     

一种基于概念矩阵的概念格生成算法

概念格作为形式概念分析理论中的核心数据结构,在机器学习和数据挖掘等领域有着广泛的应用.构造概念格十分重要,针对此引入了概念矩阵思想,提出了基于概念矩阵的概念格生成算法CMCG(Concept-Matrix Based Concepts Generation).该算法从格的顶端节点开始构造,基于概念矩阵,利用属性的秩为每个节点生成它的所有子节点,完成子节点到父节点之间的链接,并生成哈斯图.给出了这种算法的理论依据.最后提供了这一算法的伪码,并通过实验证明了CMCG算法的时间性能优于Lattice算法.     

链图的概念格表示

概念格是基于对象集和属性集之间的二元关系建立的一种层次结构。它与极大二部团存在着一定的联系。将概念格属性约简理论应用于链图,首先给出了链图的概念格表示,其次证明了二部图G=(V1,V2,E)是链图,当且仅当G′=(V1,V2,E)是链图,这里(V1,V2,E)是(V1,V2,E)的约简形式背景。     

基于二元关系消减的概念格维护算法

针对有限空间下如何快速维护概念格的问题,提出一种消减形式背景中冗余二元关系的概念格维护算法。传统的算法删除冗余关系后需要重新构造概念格,这种方式较为费时。而所提算法能够在原始概念格的基础上直接调整得到新概念格的方法,可以处理任意位置的二元关系消减的情况。它采用自底向上广度优先方式遍历格节点,首先根据当前节点是否同时包含冗余关系对象和冗余关系属性,将当前节点分为受影响的节点和不变节点;然后根据当前节点与父子节点的外延和内涵的关系,再将受影响的节点细分为4类,即减对象节点、减属性节点、分割节点、删除节点;最后根据父子节点的类型更新边。实验结果表明,在一定程度上与传统算法相比,所提算法能够获得更好的时间性能。     

一种区间数分解与定标算法及其扩展形式背景的概念格生成方法

现有的概念格模型无法处理既包含以布尔值表示的信息,又包含以标量、模糊数及区间数表示的信息。因此,针对包含所有这些信息类型的扩展的形式背景提出它的处理方法,在此基础上,生成经扩展的概念格,是一项有意义的工作。提出了一种新的区间数分解与定标算法,以处理含有多种类型的扩展形式背景,并给出了相应的扩展格生成算法。最后,实验表明,该方法具有良好的效果。