分层概念格的上卷和下钻构造算法

当形式背景中的某些属性可以分解为若干子属性时,构建分层概念格模型,讨论原形式背景的概念格和分层形式背景的分层概念格之间的联系.提出由下层概念构造上层概念的上卷构造算法和由上层概念构造下层概念的下钻构造算法.实验表明,采用分层概念格模型可以建模复杂属性数据,分层概念格上卷构造算法和下钻构造算法可以提高构建概念格的效率.

概念格的批处理构造算法

运用概念格外延覆盖知识、概念格分层思想及各层格节点之接的约束关系提出了一种新的构造算法,解决了Che in算法存在的产生大量冗余对与最终没有生成Hasse图的问题,通过实例验证了新算法可行性,进一步分析新构造算法与Che in算法的时间复杂度验证新算法的有效性.

模糊语言属性偏序结构图的逐层属性约简算法

在形式概念分析中,属性偏序结构图作为一种数据可视化工具,可有效解决用户认知过载的问题.在现实生活中,人们往往通过模糊语言值表达偏好信息,会产生大量的模糊语言值数据.为了解决在模糊语言环境下的属性约简问题,文中提出模糊语言属性偏序结构图的逐层属性约简算法.首先,基于模糊语言值形式背景构建模糊语言属性偏序结构图,将模糊语言值数据嵌入属性偏序结构图中.通过语言真值格蕴涵代数作为模糊语言值表示模型,表达模糊语言值间的序关系和不可比关系.然后,为了获取保持模糊语言值形式背景区分能力不变的最小属性子集,结合模糊语言值属性偏序结构图,搜索未与底层节点建立边的节点.在保证模糊语言值属性偏序结构图类等价的前提下,计算该节点及其子节点间的差别属性,并构造相应的逐层属性约简模型.最后,通过实例与对比实验验证文中算法的有效性和实用性.