一种模糊概念格模型及其渐进式构造算法

传统形式概念分析方法无法处理现实中模糊和不确定信息,因此,对模糊概念格及其信息表示的研究具有重要意义.文中提出了一种模糊概念格模型,提出了模糊形式背景中属性隶属度值的窗口截取方法,定义了模糊概念的模糊参数σ和λ,给出了模糊概念格渐进式构造算法,推导出了模糊参数σ和λ的渐进式计算公式.模糊参数σ和λ分别体现了概念外延对于属性的隶属度的均值和发散程度.在模糊概念格渐进式构造算法中引入两个中间参数以实现模糊参数的渐进式计算.最后,进行了算法性能评估实验,结果表明模糊概念格的这种渐进式构造算法在时间上和空间上都具有良好的性能.

概念格的快速渐进式构造算法

概念格作为形式概念分析理论中的核心数据结构 ,已经在知识工程和软件工程等领域得到了广泛的应用 .概念格的快速构造在其应用过程中具有重要的意义 ,研究人员已经提出了一系列构造概念格的算法 ,其中渐进式算法是很有前途的一类 .该文通过对概念格渐进式构造过程的分析 ,识别出要解决的基本问题 ,提出了采用树结构对概念格节点进行组织 ,研究了基于这种树状组织的概念格快速渐进式算法 ,并给出了算法的伪码 .概念格节点的树结构组织有利于识别出格节点的类型以及约束新生格节点的父节点和子节点的搜索范围 ,从而可以有效地减少算法的执行时间 .实验结果表明 ,基于这种树状索引的渐进式构造算法的时间性能要明显优于著名的

基于剪枝的约束概念格的渐进式构造算法

约束概念格是数据分析的一种有效工具,在其构造的过程中,大量的内涵之间比较操作是导致格的构造效率低下的主要原因之一。采用剪枝技术来消除构造过程中存在的冗余内涵比较,给出约束概念格渐进式构造算法PCCL。该算法利用父子节点内涵的严格单调关系,自顶向下扫描格节点,减少了新增对象属性集与原概念格节点内涵的比较次数,从而提高了约束概念格的构造效率。最后以天体光谱数据作为形式背景,实验验证了PCCL算法的正确性,且构造效率平均提高了15%以上。

加权概念格及其渐进式构造

概念格是数据分析与知识提取的有效工具。为了充分利用其进行数据分析和知识提取,本文通过对概念格的内涵引入权值,提出一种加权概念格,拓广了概念格的结构。同时由用户设立概念格内涵的最小阈值,构造了一种频繁加权概念格,并由此给出了频繁加权概念格的构造算法及其分析。最后,通过实例说明其是有效可行的。