基于属性链表的关联规则格的渐进式构造算法

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究。而由二元关系导出的概念格则是一种非常有用的形式化工具,非常适于发现数据中潜在的概念。分析了概念格与关联规则提取之间的关系,根据需要对格结构进行了相应的修改,提出了关联规则格的概念,并提出属性链表这种数据结构,基于这种链表提出了关联规则格的渐进式构造算法。通过对算法进行分析,得出了比Godin算法更好的时间效率。     

基于属性的概念格渐进式生成算法

提出了一种新的基于属性的渐进式概念格生成算法 ,通过不断地渐增属性来构造概念格 .该算法不仅为概念格的构造提供了一种新的方法 ,还解决了在已构造好概念格的前提下 ,增加属性所带来的概念格更新问题 .给出了算法的实现方法 ,并结合实例说明了概念格的更新过程 .试验表明 ,在通常情况下 ,基于属性的渐进式概念格生成算法的性能往往更优越     

属性探索算法研究

Baader等人于2004～2007年将FCA方法引入描述逻辑中,建立了初步的属性探索算法。介绍了他们提出的属性探索算法,研究了该算法会产生冗余计算的可能情形。从相关性的角度提出了两种改进算法,并证明了它们的正确性。改进的算法在一定程度上避免了冗余,简化了计算。     

一种基于概念格的关联规则挖掘算法

关联规则挖掘是数据挖掘中的一项核心任务,而由二元关系导出的概念格则是一种非常有用的形式化分析工具,它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例化关系。一个概念内涵与一个关联规则中的闭合项集可以一一对应。提出了一种新有基于概念格的关联规则挖掘算法Arca（Association Rule based Concept lAttice）。Arca算法通过概念矩阵构造部分概念格,使概念格中的每个概念对应一个闭合频繁项集。然后生成一些关联规则,在这些关联规则上通过定义了四个算子来生成了所有关联规则。     

基于概念格的关联规则发现

关联规则是数据库中有价值的一类规律,国内外学者已经对它进行了广泛的研究,由二元关系导出的概念格作为一种非常有用的形式化工具,体现了概念内和外延的统一,反映了对象和特征间的联系以及概念的泛化与例化关系,因此非常适于发现数据中潜在的概念。本文报概念格的关联规则提取之间的关系,根据需要对格结构进行了相应的修改,提出了概念格结点内涵缩减概念,给出了相应的渐进式生成算法和基于概念格的关联规则提取算法,并通过     

基于最大模的概念格属性约简算法

为了更加有效地对概念格中的属性进行约简,提出了一种基于属性最大模的概念格属性约简算法.根据形式背景中存在相同的属性列,对形式背景中的属性集合进行划分分类,并给出了一种新的属性特征识别方法.在此基础上,根据属性最大模之间的支配序性质,给出了基于最大模的概念格属性约简定理,揭示了属性最大模与属性特征的关系,并提出了一个算法.最后,通过一个实例表明了该算法的可行性与有效性.     

形式概念分析中的对象概念与属性概念

为了进一步提高数据表示和数据挖掘的效率,对两类特殊概念即对象概念和属性概念进行了研究。分析了对象概念和属性概念与不可约元的关系,提出了对象概念和属性概念的识别算法;提出了以属性概念为递归终止条件的计算内涵缩减递归算法;研究了属性排序以及属性序列在规则提取中的应用。     

形式背景的蕴涵规则提取算法

对形式概念分析中如何从概念格提取出形式背景的完备的无冗余的蕴涵规则集进行了研究,从数学理论上证明了通过求出的概念格中的每个概念的真内涵缩减集可以得到形式背景的完备的蕴涵规则集,提出了如何再去除其中的冗余蕴涵得到形式背景的完备的无冗余的蕴涵集合的方法并从数学理论上证明了该方法的正确性,给出了一个从概念格得到形式背景的完备的无冗余的蕴涵规则集的算法。     

概念格的属性渐减原理与算法研究

渐进式算法是概念格构造的一类重要算法,但大多关注于形式背景中对象或属性增加的情况.而当形式背景的属性减少时,已有的算法则需要重新构造概念格,较为费时.针对这一情况,研究了属性消减后从原概念格渐进式产生新概念格的理论和算法,并且算法时间复杂度较低.首先分析了原概念格和新概念格中节点间的映射关系以及从原概念格到新概念格中边(节点间的前驱-后继关系)的变化规律.在此基础上,提出了自顶向下和自底向上两种渐进式的概念格属性渐减算法.算法能够对原有概念格直接进行修改来得到新的概念格,避免了从形式背景重新构造概念格,时间复杂度降低为O(‖L‖·‖G‖·‖M‖).实验及分析表明,当属性减少时,能比传统算法节省大量的运行时间.     

一种基于约简概念格的关联规则快速求解算法

关联规则挖掘是数据挖掘领域中重要的研究分支,已形成了较多的研究成果。然而,大多数基于频繁项集求解关联规则的挖掘算法需要多次扫描数据库。该文提出了一种基于概念格的关联规则快速求解算法,该算法仅需一次扫描数据库即可确定所有的频繁项集并且进而能够快速求解出关联规则。文章首先讨论了约简概念格(RECL)的构造原理,并详细描述了基于RECL的关联规则的挖掘算法,最后以实验证明了算法的正确性和优越性。     

基于形式背景的属性转移与知识发现

概念格理论是一种有效的知识表示与知识发现工具,是知识表示、知识发现和知识获取的基础。利用形式背景信息熵与属性的重要性理论,讨论形式背景的属性知识转移的特点,得到了基于形式背景的属性转移原理,给出形式背景的知识发现与应用。     

缺值背景中的概念分析与知识获取

In formal concept analysis ,concept lattice as the fundamental data structure can be construct-ed front a formal context. Howevt, r,it is required that the relation between object and feature in the for-real context should be certain, For uncertain relation,this paper uses the thoughts of upper and lowerapproximation in rough set theory to deal with it ,and gives out the corresponding definitions of missing-value context and rough formal concept, Based on them, this paper employs rough concept lattice,formed by rough formal concepts and partial order relation on them,as the basic data structure for con-cept analysis and knowledge acquisition. Then a theroem is presented to describe the method of extract-ing rules from constructed rough formal concept lattice,and the semantic interpretation of discoveredrules is explained.     

基于概念格的多值属性关联规则挖掘

针对传统关联规则挖掘算法不利于用户选择关键数据进行分析、无法处理多值属性数据及效率低下等问题,提出了基于KAF因子和CHF因子的Apriori改进算法来进行多值属性关联规则挖掘,运用概念格理论对多值属性数据进行了重新定义和分类;建立了数据挖掘参数调整机制,以提高算法挖掘效率,方便用户选择关键属性值进行规则挖掘分析。结合某省全员人口数据对算法进行了具体实现和分析。实验结果表明,算法性能具有较大提高。     

基于形式概念分析的语义角色挖掘算法

基于角色的访问控制(Role-Based Access Control,RBAC)在管理和安全方面具有优势,经过20多年的发展后已被广泛应用于各个领域,如何将数据繁多的非RBAC系统迁移成RBAC系统已经成为一个意义重大的难题。角色是RBAC的基本特征,因此角色挖掘是RBAC系统实施的一个重要环节。基于形式概念分析生成用户权限概念格及用户属性概念格,将用户权限概念格翻转后映射为初始候选角色状态,通过约简操作和精简操作来挖掘角色,然后对用户权限概念格及用户属性概念格进行相似性分析,通过定义最近似表达式为角色赋予语义,使得生成的角色具有以下两点优势:1)结构层次,有效地减轻了管理员授权的负担,提高了授权管理的效率;2)语义意义,能够与现实生活中的概念相关联,增强了角色的可解释性。最后,通过实验验证了该算法的正确性和有效性。     

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.     

形式背景同构判定的等价类算法

同构生成概念格是获取概念格的另一途径,而形式背景同构判定是这一方法的前提,也是决定整个算法时间复杂度的关键。本文提出的基于等价类法的形式背景同构判定算法,有效地提高了同构判定的效率。结合形式背景的分解和约简等手段,为概念格的构造提供了一种有实用价值的方法。本文对该方法的原理和算法设计进行了较详细的讨论,并通过实验,验证了算法的正确性和有效性。     

概念格中基于粗糙熵的属性约简方法

属性约简是概念格理论的研究重点内容之一。通过将粗糙熵引入概念格理论中,定义了一种粗糙熵约简。首先,基于所有概念外延定义了形式背景的粗糙熵,并分析了它的性质;其次,定义了形式背景的粗糙熵约简,并揭示了粗糙熵约简与概念格约简之间的关系;在此基础上,基于属性重要度设计了计算粗糙熵的启发式算法,并通过实验验证了该算法的有效性。     

基于形式概念分析的依赖簇检测方法研究

依赖簇是相互依赖的程序组件的最大集合,大尺寸依赖簇已被证实在程序中普遍存在。依赖簇中任意一点产生变动都会引起其他组件的连锁反应,进而对整个系统造成潜在的影响,这将会阻碍软件理解、测试、维护等方面的工作。检测出依赖簇是消除不良影响的前提,目前通过单调切片尺寸图近似检测依赖簇的方法的准确度较低,会出现漏报和误报。提出了一种基于形式概念分析的依赖簇检测方法,通过概念包含度选取的大型概念来检测大尺寸依赖簇,并进一步提出轻量化策略以有针对性地选取大型概念,降低计算开销。在12个不同规模和领域的开源程序上,将所提方法与单调切片尺寸图法进行对比实验,结果表明所提方法及其轻量化策略能够有效地检测大尺寸依赖簇,可以提高依赖簇检测的准确度和效率。     

基于粗糙集理论的面向属性概念格动态压缩

形式概念分析是知识获取的一种有效工具,已被广泛应用到各个领域。本文提出了一种面向属性概念格动态压缩的新方法。首先,利用依赖空间的理论,讨论了同余关系和面向属性概念格之间的联系;其次,基于同余关系给出了面向属性概念格约简的定义并证得约简集是保持同余划分不变的最小属性子集;最后,给出了面向属性概念格动态压缩的新方法。