基于iceberg概念格并置集成的闭频繁项集挖掘算法

由于概念格的完备性,在基于概念格的数据挖掘过程中,构造概念格的时间复杂度和空间复杂度一直是影响其应用的主要因素.结合iceberg概念格的半格特性和概念格的集成思想,首先在理论上分析并置集成后的iceberg概念格与由完备概念格裁剪得到的iceberg格同构;然后分析了iceberg概念格集成过程中的映射关系;最终提出一个新颖的基于iceberg概念格并置的闭频繁项集挖掘算法(Icegalamera).此算法避免了完备概念格的计算,并且在构造过程中采用集成和剪枝策略,从而显著提高了挖掘效率.实验证明其产生的闭频繁项集的完备性.使用稠密和稀疏数据集在单站点模式下进行了性能测试,结果表明稀疏数据集上性能优势明显.

基于Iceberg概念格叠置半集成的全局闭频繁项集挖掘算法

研究专有的分布式数据挖掘算法是提高分布式数据库下数据分析和挖掘的有效方法.结合Iceberg概念格对于频繁项集精简表达的特性和其集成构造过程可并行化的特点,进而实现分布式全局闭频繁项集的挖掘.面对目前仍然缺乏有关Ice-berg概念格分布式集成构造研究的文献,本文从理论上分析Iceberg概念格叠置集成构造全局Iceberg概念格的局限性,然后论证了基于Iceberg概念格叠置半集成构造全局Iceberg概念格的可行性,进而提出一个基于Iceberg概念格叠置半集成的频繁概念生长分布算法(Frecogd),并且把它应用于同构分布式环境下的全局闭频繁项集挖掘过程中。实验验证了该算法理论的可行性,同时也揭示了该算法的挖掘效能有待进一步的改进与提高.

基于Iceberg概念格的最大频繁项集挖掘

最大频繁项集挖掘算法存在扫描数据集次数多和候选集规模过大等局限。基于Iceberg概念格模型,提出一种在Iceberg概念格上挖掘最大频繁项集的算法ICMFIA。该算法通过一次扫描数据集构建Iceberg概念格,利用Iceberg概念格中频繁概念之间良好的覆盖关系能快速计算出最大频繁项集所对应的最大频繁概念,所有最大频繁概念的内涵就是所求的最大频繁项集的集合。实验结果表明,该算法具有扫描数据集次数少和挖掘效率高的优点。

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.

面向属性概念格下的知识状态转移方法

如何高效率地寻找猜测答对或粗心答错情况下不相容答题状态对应受测者真实的知识状态是目前计算机自适应测试领域研究的一个热点问题.现有知识状态转移方法时间成本高,不适用于含有大量测试问题和技能的应用场景.并且,现有知识状态转移方法将合取模型和能力模型均视为能力模型,采用同一种方法进行知识状态转移,灵活性不够,评估效率不高.本文针对合取模型和能力模型,分别提出基于面向属性概念格的知识状态转移方法.首先由技能映射或多映射建立技能背景并诱导出对应的面向属性概念格,进一步使用概念格中概念的外延并结合最大概率方法得到受测者猜测或粗心情况下的真实知识状态,最后给出知识评估过程.实验表明,在知识评估结果相同的前提下,本文所提方法相比现有方法极大地降低了评估时间成本,因此具有更好的性能.

基于依赖空间的对象导出三支概念格的属性约简

在给定形式背景下,基于依赖空间提出了对象导出三支概念格属性约简的新定义,在此基础上讨论了属性约简方法。首先,借助三支算子定义了对象幂集上的一致关系,引入依赖空间。通过依赖空间生成闭包算子的闭元素,研究了闭元素和对象导出三支概念的外延之间的关系。其次,提出基于依赖空间的对象导出三支概念格属性约简的定义,该定义下的约简集是保持由原属性集确定的一致关系不变的最小属性子集。最后,给出协调集的判定定理,利用可辨识属性矩阵及辨识函数给出对象导出三支概念格的属性约简方法。

基于加权概念格与AE的社交知识图谱语义压缩

社交知识图谱具有时效性强、更新频繁快等特点,但也导致内容不断扩充,产生了大量冗余信息。如何删除冗余信息并对其进行语义压缩成为提升社交知识图谱质量的关键。为此,该文提出一种基于加权概念格与自编码器的社交知识图谱语义压缩方法(SCWCL-AE)。首先,将社交知识图谱资源描述框架三元组转换为二进制矩阵,获得同一社交知识图谱不同时间版本的形式背景,并通过信息熵确定实体属性权值,构造社交知识图谱加权概念格;提取满足加权外延社交知识图谱支持度的实体属性分类规则,获得重要且使用频率高的实体摘要。其次,引入无监督自编码器,从无标签的社交知识图谱实体摘要中自动学习抽象特征,以重构损失最小化输出数据,达到压缩知识图谱冗余语义信息的目的。最后,在Freebase、DBpedia、Zhishi.me数据集上进行实验,结果验证了该方法对社交知识图谱语义压缩的有效性。

面向属性概念格的概念特征与概念约简

提出面向属性概念协调集和概念约简,定义了包含补二元关系的面向属性概念极小集,讨论了面向属性概念格中核心概念、相对必要概念及不必要概念的概念特征,并研究了三种概念的判别方法.给出了面向属性概念约简的可行方法及其相应算法.

概念格上规则提取的一般算法与渐进式算法

许多研究表明概念格是数据分析与规则提取的一种有效工具．本文首先提出一种在对象与描述符数目较多、概念聚类具有一定规模条件下，在已建造好的概念格上有效地提取规则的算法．这种方法主要依据格结点的直接泛化来产生相应无冗余规则；然后改进了一种渐进式更新概念格与相应Ｈａｓｓｅ图的算法，并将之应用于渐进式提取规则．目前，这些方法已用于我们所开发的数据库知识发现工具原型系统中．

形式背景与协调决策形式背景属性约简与概念格生成

通过引入交式可约元概念,文中提出了一种形式背景属性约简的新方法.基于此方法,获得了形式背景属性约简个数计算的精确公式,改进了原有的约简个数估计.在此基础上,给出了概念格的生成算法及其图示.最后,针对协调决策形式背景,通过实例给出了新的属性约简方法.

多概念格的横向合并算法

由于概念格自身的完备性 ,构造概念格的时间复杂度一直是影响形式概念分析应用的主要因素 .本文首先从形式背景的纵向、横向合并出发 ,定义了内涵独立和内涵一致的形式背景和概念格 ;还定义了内涵一致的形式背景、概念的横向加运算和概念格的横向并运算 ,并证明了横向合并的子形式背景的概念格和子背景所对应的子概念格的横向并是同构的 .最后结合子概念格中概念间固有的泛化 -特化关系 ,提出一种多概念格的横向合并算法来构造概念格 .试验表明 ,该算法和直接用形式背景来构造概念格的算法相比 ,其时间复杂度有显著改善 .显然 。

基于属性的概念格渐进式生成算法

提出了一种新的基于属性的渐进式概念格生成算法 ,通过不断地渐增属性来构造概念格 .该算法不仅为概念格的构造提供了一种新的方法 ,还解决了在已构造好概念格的前提下 ,增加属性所带来的概念格更新问题 .给出了算法的实现方法 ,并结合实例说明了概念格的更新过程 .试验表明 ,在通常情况下 。

扩展概念格的维护

扩展概念格是作者在Galois格中引入等价内涵关系而得到的一种扩展形式,并且已对其渐进式构造进行了研究。文章针对已构造好的扩展概念格,在数据对象删除时如何维护的问题,提出了一种算法,经验证是有效的。

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.

概念格的属性渐减原理与算法研究

渐进式算法是概念格构造的一类重要算法,但大多关注于形式背景中对象或属性增加的情况.而当形式背景的属性减少时,已有的算法则需要重新构造概念格,较为费时.针对这一情况,研究了属性消减后从原概念格渐进式产生新概念格的理论和算法,并且算法时间复杂度较低.首先分析了原概念格和新概念格中节点间的映射关系以及从原概念格到新概念格中边(节点间的前驱-后继关系)的变化规律.在此基础上,提出了自顶向下和自底向上两种渐进式的概念格属性渐减算法.算法能够对原有概念格直接进行修改来得到新的概念格,避免了从形式背景重新构造概念格,时间复杂度降低为O(‖L‖·‖G‖·‖M‖).实验及分析表明,当属性减少时,能比传统算法节省大量的运行时间.

模糊形式概念分析与模糊概念格

针对在许多应用领域中,大多数信息都是复杂的、不确定的,而传统的形式概念分析不能表达这些模糊的、不确定的信息问题,介绍了将Zadeh的模糊数学理论与形式概念分析理论相结合所形成的模糊形式概念分析理论.给出并证明了在模糊形式背景下对象集合及属性集合的一些结论.建立了在模糊形式背景下的模糊概念格并证明了该模糊概念格仍然是一个完备格.最后用实例说明了这种模糊概念格的构造方法.

概念格合并原理与算法

子形式背景可以进行纵向或横向合并得到一个新的形式背景,相反地,这个形式背景可以进行纵向或横向的拆分得到子形式背景.相应地,子概念格也可以进行合并,得到一个新的概念格.概念格合并无论是纵向合并还是横向合并,合并都不改变原有概念之间业已存在的父子关系.根据这个事实,结合概念格合并的定义,设计了概念格合并算法.此算法充分利用原有概念格的结构,在原有概念格基础上对部分节点进行调整得到合并结果.实验和分析均表明与将一概念格中的概念插入到另一个概念格的算法相比,此算法效率明显提高,适合概念格的合并运算.

概念格的分布处理研究

概念格和形式背景是一一对应的,概念格的分布处理必然涉及到形式背景的处理.定义了形式背景间的横向和纵向合并运算,讨论了同域背景间的三种不同的关系,特别提出一种新颖的属性相似度方法来处理背景间的不一致关系,把不一致的形式背景转换为一致背景或独立背景;还定义了概念、概念格间的基本运算,并证明了纵向合并的子背景的概念格和子背景所对应的子概念格的并是同构的.这样就奠定了概念格分布处理的理论基础,为概念格的分布并行构造提供了依据.

一种新的概念格结构——区间概念格

对经典概念格、粗糙概念格的分析表明,其概念外延或者具有全部属性,或者只具备一个属性,从而造成所提取关联规则支持度和可信度严重下降。为此提出一种新的概念格结构——区间概念格Lαβ(Mα,Mβ,Y),其概念外延是区间[α,β](0≤α≤β≤1)范围内满足内涵属性的对象集。证明了当α=β=1时,区间概念格退化为经典概念格;当β=1,α>0时,区间概念格退化为粗糙概念格;其次,给出了区间概念格中概念度量的精度、覆盖度等概念,并给出了相关性质;接着,证明了区间概念格具有的一些独特性质;然后,初步给出了构造区间概念格的方法;最后,通过实例证明了区间概念格提出的必要性和实用性。

基于概念格的天体光谱离群数据识别方法

在宇宙中,寻求特殊的、未知的天体是人类探索宇宙奥妙所追求的目标之一,天体光谱离群数据识别方法是实现该目标的有效手段之一.将概念格中每个概念节点内涵描述为天体光谱数据特征子空间,提出了一种天体光谱离群数据识别方法.首先将概念节点的内涵缩减看作天体光谱特征子空间,并依据稀疏度系数阈值确定稀疏子空间;其次对于稀疏子空间,依据稠密度系数判定祖先概念节点内涵是否为稠密子空间,进而判断出概念节点外延中包含的数据对象是否为天体光谱离群数据;最后以离散化天体光谱数据作为形式背景,实验验证了利用该方法识别出的天体光谱离群数据是准确的、完备的和有效的。