基于云的概念空间模型研究

从认知科学出发,讨论了Grdenfors的概念空间理论,用云模型对概念空间进行了形式化研究。由于概念、属性中存在着大量的模糊性和不确定性,将云模型和Grdenfors的概念空间模型结合起来,建立了一套基于云的概念空间模型。并进一步对概念、相似性等进行定义,形成了一套新的基于云的概念空间模型方法。通过一个昆虫分类实例来进行概念空间的建模实验。用静态和动态两种不同的方法来验证基于云模型的概念空间的有效性。

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.

基于形式概念分析的空间信息表征模型研究

通过论述空间信息及其表征的概念、内涵及发展现状,结合形式概念分析的内容,从空间信息形式背景、概念格和蕴含关系3方面建立了空间信息表征模型。以部分空间实体集和空间数据集作为输入,基于Concept Explorer平台实现了该表征模型在空间信息网络中的具体应用,通过该实例也验证了该空间信息表征模型的有效性和可行性。基于形式概念分析的空间信息表征模型旨在为空间信息网络基础理论和关键技术的研究提供信息表征方面的支撑。

形式概念分析在Web应用测试用例选取中的应用

为了避免基于模型的Web应用测试中存在的状态组合爆炸问题,分析了经典的每个一次和基本选择的状态组合爆炸避免方法,指出了这两种方法的不足,提出了应用形式概念分析,根据给定的测试覆盖准则,精简测试用例集,避免状态组合爆炸的方法,并改进了Sampath的测试用例选取规则。最后根据形式概念分析的原理,开发了测试用例集精简工具,提高了测试过程的自动化程度,用实例说明了方法的有效性。