约束概念格及其构造方法

概念格是一种有效的数据分析和知识提取的形式化工具.然而,随着要处理的数据量的剧增,基于原始形式背景构造出的概念格结点数目庞大,占用大的存储空间,同时概念格结点中一些属性集形成的内涵,用户并不都感兴趣,因而从中提取用户需求知识费时.为了降低概念格构造的时空复杂性,增强实用性和针对性,首先采用谓词逻辑描述用户感兴趣的背景知识,并将背景知识引入到概念格结构中,提出了一种新的概念格:约束概念格.在此基础上,提出了基于背景知识的约束概念格构造算法CCLA.理论分析表明,该算法能有效地减少概念格的存储空间和建格时间.最后,采用恒星天体光谱数据作为形式背景,实验验证了该算法的有效性.

基于FP-tree和约束概念格的关联规则挖掘算法及应用研究

现有的基于频繁模式树FP-tree和概念格的规则挖掘算法在构造概念格时存在重复遍历FP-tree问题,在挖掘后件约束的规则时算法构造的概念格包含冗余结点。针对这两个问题,提出了通过遍历FP-tree生成候选概念格节点的策略,并根据候选概念格节点进一步构造规则约束条件下无冗余概念格。通过实际项目中大气腐蚀数据进行算法的应用,结果表明该算法比现有算法具有更高的挖掘效率且腐蚀规则结果对材料腐蚀现状研究具有重要指导价值。

基于约束概念格的天体光谱局部离群数据挖掘系统

寻找特殊的、未知的天体是人类探索宇宙奥妙所追求的目标之一,天体光谱数据挖掘是实现该目标的一种有效方法。约束概念格是一种新的概念格结构,具有构造效率高、提取知识针对性和实用性强等特点。针对天体光谱数据在特征子空间中的局部偏离,采用VC++6.0和Oracle 9i作为开发工具,设计与实现了基于约束概念格的天体光谱局部离群数据挖掘系统,并对软件模块功能和体系结构,以及天体光谱数据预处理、约束概念格构造方法、基于链表结构的概念格构造、局部离群数据挖掘方法等关键技术进行了详细描述。运行结果表明,该系统实现天体光谱数据局部离群数据挖掘是可行的、有价值的,从而为寻找未知的、特殊的天体提供了一种新途径。

一种基于约束概念格的恒星光谱数据自动分类方法

概念格是数据分析与知识提取的一种有效形式化工具,约束概念格是一种新的概念格结构,具有构造的时空复杂性低,所提取知识的实用性和针对性强等特点。针对海量恒星光谱自动分类任务,依据约束概念格结点外延与训练样本数据集等价划分之间的关系,通过引入外延支持度和划分支持度的概念,提出了一种基于约束概念格的恒星光谱数据分类规则挖掘方法,并采用SDSS恒星光谱数据集,实验验证了由该方法所提取出的分类规则具有较高的分类效率和分类正确率,从而为海量的恒星光谱数据自动分类提供了一种有效方法。

一种面向属性的约束概念格构造算法

约束概念格是一种数据分析的一种有效工具.在其构造的过程中,判断节点是否满足约束条件是导致格的构造效率低下的原因之一.约束概念格是针对用户所关心的属性建格,传统的概念格生成算法都是基于对象的渐进式算法,而基于属性增加的概念格是通过增加属性来实现概念格的更新,采用基于属性的约束概念格构造算法建格能减少判断是否满足约束条件的次数,从而提高了约束概念格的构造效率.在此基础上提出一种基于属性的约束概念格生成算法,给出对于不同的约束条件的处理过程,最后以中医诊断文本和UCI数据集作为形式背景,实验验证了基于属性的约束概念格算法的正确性,并且能够有效的减少建格时间.

约束概念格的代数性质及其知识表示的完备性

约束概念格是一种依据用户对数据集的兴趣、认识等作为背景知识而构造的概念格结构.文中利用约束概念格结点之间的上下确界运算,构造约束概念格的代数系统,证明约束概念格的若干代数性质,以及知识表示的完备性,从而为约束概念格的应用奠定理论基础.

一种新的分类规则提取算法

约束概念格是概念格的特化结构,构造时具有较低的时空复杂度,能从中快速提取比较丰富的信息和知识.为了提取分类规则,在充分分析约束概念格结点外延与数据集等价划分之间关系的前提下,引入了分类支持度和记录支持度的概念,提出了一种面向约束概念格的分类规则提取算法(Classification Rule Acquisition Algorithm based on Constrained Concept Lattice,CRACCL),并采用UCI数据集作为实验集,验证了本算法能够提取更加实用和准确的分类规则.

恒星光谱数据分类规则挖掘系统研究

针对恒星光谱数据的处理需求,采用约束概念格作为恒星自动分类手段,利用Visual C++6.0和Oracle10g作为系统开发的工具,设计并实现了恒星光谱数据的自动分类系统,在介绍系统的功能模块和体系结构的基础上,详细描述了系统的关键技术。系统的运行结果表明,利用约束概念格来实现恒星光谱数据的自动分类,是可行的和有价值的。