基于概念层次的概念格更新构造算法研究

论文摘要

概念格是一种有效的知识发现与数据挖掘工具,由形式背景生成概念格的过程,实质上是一种概念聚类过程,反映了概念之间的特化和泛化关系。当形式背景中属性的概念层次发生变化时,如何高效地更新概念格,提高概念格构造效率具有重要意义。本文从提高概念格构造效率出发,当属性的概念层次发生变化,对概念格的高效更新算法进行了研究。主要研究工作如下:（1）给出了一种基于概念提升的概念格更新构造算法UCP。当形式背景中的多个属性进行合并（即概念提升或泛化）时,概念格中的一些概念从低层泛化或提升到一个较高层,利用概念提升前所构造的概念格,只对内涵中含有合并属性的概念进行操作,若该概念的内涵与合并属性的交集为空,则不做任何操作;否则,根据交集的不同生成新增概念或更新概念;然后,合并或删除更新过程中出现的冗余概念,从而得到新的形式背景对应的概念格;最后,以离散化的恒星光谱数据作为形式背景和经典的Godin算法做比较,实验验证了UCP算法的正确性和有效性。（2）给出了一种基于概念特化的概念格更新构造算法UCCS。该算法主要针对形式背景中单属性分解为多属性的问题进行研究,概念格中的一些概念从较高层次特化或例化成较低层次的概念。首先,利用属性分解后的新属性形成的形式背景,构造其相应的概念格;再将此概念格和原概念格的一个子概念格进行比较,得到更新概念、新增概念和特化概念,而不是和原概念格比较进行概念格的更新构造,从而节省了时间,提高了概念格更新构造的效率;最后,以离散化的天体光谱数据作为形式背景,实验验证了UCCS算法的正确性和有效性。（3）基于概念层次的概念格更新构造原型系统设计。在Windows XP操作系统,采用VC++6.0和ORACLE9i开发工具,以离散化的天体光谱数据作为形式背景,设计并实现了基于概念层次的概念格更新构造原型系统。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 引言
• 1.1 数据挖掘
• 1.1.1 数据挖掘的产生
• 1.1.2 数据挖掘的定义
• 1.1.3 数据挖掘的方法
• 1.2 概念格国内外研究现状
• 1.2.1 对概念格构造算法的研究
• 1.2.2 基于概念格的知识发现
• 1.2.3 概念格的扩展
• 1.2.4 概念格与其它理论的融合
• 1.2.5 概念格的更新及概念层次
• 1.3 本文的主要研究内容及论文结构的组织与安排
• 1.3.1 论文的主要研究内容
• 1.3.2 论文的组织结构
• 第二章 概念格的相关概念及其构造算法
• 2.1 概念格的基本概念
• 2.2 概念格的相关概念
• 2.3 概念格的构造算法
• 2.3.1 批处理算法
• 2.3.2 渐进式算法
• 2.4 小结
• 第三章 基于概念提升的概念格更新构造
• 3.1 引言
• 3.2 基于概念提升的概念格更新构造
• 3.2.1 理论基础
• 3.2.2 算法思想
• 3.2.3 算法描述及算法分析
• 3.2.4 举例分析
• 3.2.5 实验分析
• 3.3 小结
• 第四章 基于概念特化的概念格更新构造
• 4.1 引言
• 4.2 基于概念特化的概念格更新构造
• 4.2.1 理论基础及算法思想
• 4.2.2 算法描述及算法分析
• 4.2.3 举例分析
• 4.2.4 实验分析
• 4.3 小结
• 第五章 基于概念层次的概念格更新构造原型系统
• 5.1 引言
• 5.2 系统设计思想
• 5.2.1 概念格与关联规则
• 5.2.2 系统功能模块
• 5.2.3 设计思路及关健技术
• 5.3 运行结果分析
• 5.4 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 研究生期间发表的文章及参与项目
• 致谢
• 作者简介