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.

三支区间集半概念的代数结构及覆盖粗糙近似算子

针对在一个形式背景中以区间集为底集,考虑一个属性集(对象集)拥有的对象集(属性集)和不拥有的对象集(属性集)的知识表述而进行知识提取的问题,采取将区间集概念与三支决策、经典半概念相结合的方法,产生AE-区间集半概念和OE-区间集半概念两种形式的三支区间集半概念,同时发现AE-区间集半概念与OE-区间集半概念的纯双布尔代数结构。进一步深入讨论可知,AE-区间集半概念可分为AE1-区间集半概念与AE2-区间集半概念,利用粗糙集理论分别挖掘与AE1-区间集半概念和AE2-区间集半概念有关的近似算子的结构性质,对偶地可得OE-区间集半概念的相关结果。所得三支区间集半概念拓广了已有的三支决策集分别与区间集概念和半概念相结合的相关成果,成为一个新的知识表述。

决策形式背景基于OE-协调性的属性约简

属性约简作为形式概念分析中非常重要的一个研究分支,在三支概念分析中也同样重要。基于对象导出三支概念格,提出了保持决策形式背景OE-协调性的属性约简理论,丰富了三支概念分析的约简理论。首先,定义了决策形式背景的OE-协调集和OE-约简,并将属性按其特征分为3类。其次,指出OE-约简的本质就是极小OE-协调集,给出了OE-协调集的几个判定定理,通过研究OE-协调集的充要条件,获取OE-约简的判定定理。最后,给出OE-差别矩阵和OE-差别函数的定义,并给出了利用OE-差别矩阵和OE-差别函数计算OE-约简的方法。

基于SNOMED CT和FCA的医学领域本体构建研究

通过对本体、形式概念分析理论研究状况进行分析，针对医学领域的专业性特点，利用形式概念分析构建形式概念背景，抽取概念，形成概念格；通过医学系统命名法一临床术语（SNOMEDCT）的概念表、描述表和关系表对概念格进行修正，结合SNOMEDCT和概念格构建医学领域本体——甲状腺疾病本体，并应用GATE利用所构建的甲状腺疾病本体对某三甲医院的电子病历进行语义标引，以验证本体的可用性。在此实验过程中同时根据所构建概念格提出对SNOMEDCT表的修正建议。

基于FCA的本体的构建与合并

描述了采用形式概念分析方法来构建与合并本体的详细解决方案,有效地弥补了已有本体构建与合并方法的不足.通过FCA技术从给定的领域数据中寻找所有隐含的概念及概念间的关系,并用完全形式化的方式来表达本体,为本体的构建与合并提供了一种统一的应用技术.最后,通过基于FCA的本体原形系统展现了本体的构建与合并过程.

一种多线程概念约简算法

针对现有概念约简算法计算过程较为繁琐且执行效率低的问题,提出了一种多线程概念约简算法MTCR。MTCR以提高计算概念约简的效率为首要目标,在多核环境下利用多线程技术并行计算概念约简。首先,MTCR算法使用两个线程分别计算单个对象的对象代表概念集和单个属性的属性代表概念集;然后,将形式背景中的对象(属性)依次放入p个队列,并为每个队列创建线程;最后,通过多线程方式并行计算任意对象的对象代表概念集和任意属性的属性代表概念集,以及两类代表概念集的交集,进而构建代表概念矩阵,据此计算出所有概念约简。在MTCR算法中,使用多线程的每个阶段的数据相对独立,使得多线程之间不需要频繁的同步操作,从而减少了线程之间的竞争和等待。这样可充分有效地利用计算资源,大大提升算法的性能。UCI数据集和随机数据集上的实验表明:MTCR算法可以准确得到概念约简结果,在使用单线程情况下执行速度与串行概念约简算法SCR相近;当线程数不超过8时,线程数每增加1倍,MTCR算法执行速度可提高30%以上。

基于FCA的概念相似度计算方法

针对传统基于特征的概念相似度计算方法准确性不高的问题,提出了基于FCA的概念相似度计算方法。该方法利用辞典形成两个本体特征之间的偏序关系,建立形式背景;以此为基础形成概念格。引入新的基于概念格的相似度计算模型,以概念格的不可约下确界元素作为相似度计算的依据。实验结果证明该方法提高了概念匹配的准确率。

基于FCA的Folksonomy用户兴趣研究述评

传统的Folksonomy用户兴趣研究在相似性计算上更多考虑的是整体相似,不能突出用户之间的差异,同时还存在兴趣结构不符合用户自身认知等问题。形式概念分析从用户自身的认知结构出发,不仅能表示标签间的语义信息,还能形式化标签的结构关系,为用户兴趣的表征和挖掘提供了新的思路。基于FCA的用户兴趣研究较少,主要集中于单用户和用户群兴趣识别两个视角。本文在分析用户兴趣识别传统方法及局限性基础上,进一步探讨了基于FCA进行Folksonomy用户兴趣识别的基础以及现有的相关研究。

基于FCA具有认知诊断功能CAT的设计与实现

认知诊断(Cognitive diagnosis,CD)是智能教学系统的重要组成部分,但其研究存在一些问题:且对具有认知诊断功能的计算机化自适应测验(Computerized adaptive testing,CAT)的报导很少。CAT因人施测,公平高效,适合大规模测验。在规则空间模型与属性层次法的理论基础上,提出新的属性层次结构的类型,将形式概念分析(Formal concept analysis,FCA)应用于CD-CAT,以概念格为其理论模型,采用合适的题库建设技术、CD-CAT的选题策略和估计方法,建立概念格与CD-CAT的联系,据此开发出CD-CAT以实现对被试的实时诊断并讨论认知诊断的算法。采用Monte Carlo模拟进行实验,实验结果表明被试的知识状态较好地被诊断,能力估计精度在89%以上。

基于两层向量空间模型和模糊FCA本体学习方法

本体是WWW进化为语义Web版本的瓶颈,手工构造本体费时费力,本体学习技术使得在文本中自动构造本体成为可能,但存在通用性差和准确性低等问题.提出以面向对象思想的分析方法为基础,把传统的单层文本向量空间模型(VSM)改进为2层向量空间模型(double vector space model,D-VSM),该模型不仅具有属性特性,而且还具有很强的关系特性.在此模型的基础上,引入模糊形式概念分析(fuzzy formal concept analysis,FFCA)本体学习技术.该技术充分考虑D-VSM模型中的数据分布特点,较好地解决本体学习通用性、本体关系获取等问题.基于上述方法实现一个本体学习工具,为本体的(半)自动构造提供有力的支持.

保持决策蕴涵不变的决策背景属性约简

形式概念分析是一种利用概念格进行数据分析的理论,属性约简是概念格约简的主要方式之一。决策蕴涵是形式概念分析在决策情形下的一种知识表示与推理模型。在已有保持决策背景知识信息不变的属性约简研究中,通常以保持概念规则或粒规则来保持决策背景的知识信息。而相比于概念规则与粒规则,决策蕴涵具备更强的知识表示能力。为了进一步缩小数据在属性约简前后对知识信息表示的差异,对保持决策蕴涵不变的属性约简进行了研究。首先,结合决策蕴涵的语义给出了保持决策蕴涵不变的协调集和约简定义,提出了判定协调集和约简的充要条件;接着,通过实例分析了该约简存在的问题,并结合蕴涵理论给出解决方法,从而给出了弱协调集和弱约简的定义;然后,从知识包含的角度分析了弱约简相比于约简的合理性;最后,提出了判定弱协调集和弱约简的充要条件,并结合决策蕴涵规范基给出了能够找到弱约简的方法,丰富了保持知识信息的属性约简研究内容。

基于FCA的本体原型系统的设计与实现

经过分析本体原型系统中存在的关键问题,提出基于FCA的本体原型系统来弥补缺陷,并阐明了系统的主要特色是采用FCA技术进行本体的构建、合并、三维可视化展现,其中为了在本体展现中简化概念格的显示,提出子概念格的判定方法。最后通过实例,从领域中生成了所有隐含的本体概念,形成了概念之间的上下级关系,结合相关性几率模式给出了非层次级概念之间的相似性以及概念与对象之间的相关度,从而提高了用户在本体中的查询效率。

FCA中的概念语义相似度计算

形式概念分析和领域本体是两种形式化方法,其目标都是构建概念的模型。提出一种计算FCA中的概念语义相似度的方法,实验结果表明,该方法对概念语义相似度计算是有效的。

一种基于FCA的本体优化算法

在本体学习过程中,随着本体中概念的增多,必然存在概念及概念间关系的冗余,如果不及时对本体进行优化,本体中的关键信息就会淹没于冗余的概念关系之间。针对这种情况,基于FCA(形式概念分析)理论提出一种本体优化算法。应用FCA中概念格相关知识建立本体原型,通过消除本体原型层次关系中的冗余,达到优化的目的。实验结果表明,本体原型经过优化,消除了层次关系中的冗余,使概念间的关系更加清晰,核心内容更加突出。

基于对象阈值变精度概念的启发式推荐方法

针对启发式概念推荐方法进行优化,提出一种基于对象阈值变精度概念的启发式推荐方法。将模糊形式背景转化为对象阈值可变的变精度形式背景,在此形式背景的基础上定义概念构造的启发式信息;利用内涵约束,在保证群组相似度的基础上,构造当前加权面积最大的概念,将这些概念组成强概念集合;在这个概念集合中利用组推荐方法对所有用户进行推荐。实验在MovieLens系列数据集和FilmTrust数据集上的一系列结果验证这种优化是有效的,能够大幅加强推荐的精度和性能。

基于异构网络语言形式背景的知识发现及规则提取

在不确定性环境下,如何处理具有复杂关系的数据是研究热点之一.网络形式背景将复杂网络分析和形式概念分析结合,为复杂关系数据的知识发现提供一种有效的数学工具.文中首先从网络结构的异构性出发,提出异构网络语言形式背景.异构网络包含专家给出的主观网络,又包含通过对象的特征挖掘的客观网络.然后,考虑网络的连通性,得到全局和局部异构网络语言概念,并给出异构网络下的全局连通及局部连通知识发现算法.最后,基于异构网络语言形式背景构建关联规则提取模型,通过实例验证知识发现及规则提取的合理性和有效性.

知识空间理论综述

知识空间理论是一种研究教育规律的科学方法,已取得一系列研究成果.文中旨在全面综述知识空间理论的研究工作.首先,阐述构建知识结构的方法和原则,介绍良级性的研究内容,并强调其在知识空间理论研究中的重要性,归纳总结推测关系的相关工作,并介绍问题之间、项目之间推测关系的研究方法.然后,分别从技能映射、技能函数、能力-绩效方法三方面梳理基于能力的知识空间理论的研究进展.进一步地,概述知识空间理论与概率模型、粒计算等结合的研究现状,并介绍知识空间理论在辅助学习与自适应测试方面的应用.最后,探讨上述研究中存在的关键科学问题,并提出初步的研究思路,为该领域的后续研究提供有益的参考.

基于TOPSIS-FCA的预应力锚索失效风险评价

为了对预应力锚索失效风险分级,利用逼近于理想TOPSIS的方法,选取岩石单轴抗压强度、外锚结构合理度、锚筋实际长度与设计长度之比、灌浆饱和度、锚索腐蚀程度、预应力损失率共6项指标对待评价对象进行风险等级评价。通过计算指标分类标准和待评价对象的相对贴近度,得到风险等级标准的相对接近度范围并对待评价对象进行风险等级评价。将评价结果与神经网络预测结果进行对比,利用灰色关联理论计算各评价指标与风险评价结果的关联性,并用形式概念分析(FCA)对指标进行核属性搜索,找出风险评价时必不可少的指标。研究结果表明:利用TOPSIS-FCA的方法能对预应力锚索失效风险进行评价,该评价模型对预应力锚索支护工作有一定的参考价值。

FCA技术在多数据源领域本体创建中的应用研究

随着本体应用的深入,从单数据源中提取的轻型本体已不能满足应用需求。通过合并不同数据源创建的子本体可解决此问题,但需要进行跨本体的概念相似度计算。同时要求领域专家的参与,代价较大。引入形式化概念分析(formal conceptanalysis,FCA)相关理论,提出一种基于FCA技术的多数据源的领域本体创建方法;该方法克服了以往方法中数据源的单一化、自动化水平低、创建方法复杂等不足。实例分析表明:该方法增加了本体的概念的丰富性和实用价值,提高了创建的效率。

一般决策形式背景的属性约简

决策形式背景是形式背景的重要扩展。属性约简是决策形式背景领域研究的热点问题。由现实数据所构建的决策形式背景通常是不一致的,文中面向实际应用,研究一般决策形式背景的广义属性约简方法。定义了一般决策形式背景的广义属性约简,并基于辨识函数给出了计算所有约简的算法。该算法具有良好的通用性,可应用于一致和不一致的决策形式背景。