模糊概念格模型及其应用研究

论文摘要

随着计算机技术的飞速发展,数字信息与日剧增,信息存储和处理任务越来越艰巨和困难,因此,对信息表示和处理的研究具有非常重要的意义。在实际应用中,信息多是模糊的、不确定的,故模糊信息的表示及处理研究具有重要的实用意义。作为一种优良的数学工具,概念格已经广泛应用于知识表示、数据挖掘、信息检索等许多领域。在多数文献中,概念格的研究是基于标准形式背景的。但在实际中,信息多是模糊的、不确定的。目前关于模糊信息的研究方法多数是基于有限的L模糊集合的,即基于离散数值的模糊集合,无法表示连续数值的模糊信息。本文所作的工作是将模糊理论与形式概念分析结合,研究了基于连续数值模糊集合的模糊概念格模型及在知识发现中的应用。本文的主要工作和研究成果具体是:1.提出了一种模糊概念格模型,该模型基于连续数值模糊集合,具有更广泛的应用。在模糊概念格的节点级上,定义了两个模糊参数E和δ,分别是概念的外延中对象的平均隶属度和对象的隶属度值相对平均隶属度的偏离程度。2.提出并实现了一种用渐进式方法构造模糊概念格的算法,在该算法中采用了保留中间结果kd、hd的方法渐进式计算模糊参数E、δ,使之不需要回到初始背景中计算。3.提出了基于模糊概念格的模糊关联规则的提取方法与算法,其中利用模糊参数6,可以避免生成非健壮节点对,从而防止生成效果欠佳的规则,实验并分析了算法的有效性和时空复杂度。4.针对模糊概念格构造的巨大的时空复杂度问题,将分布式处理的思想引入模糊概念格,提出了分布式模糊概念格的模型,并且基于模糊概念子格的并运算,提出并实验分析了分布式构造模糊概念格的算法。此算法比未采用分布处理在时空复杂度上有很大改进。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 国内外研究概况
• 1.3 论文的主要研究内容
• 第二章 概念格和模糊集基本理论
• 2.1 概念格基本理论
• 2.1.1 基本定义
• 2.1.2 概念定标与逻辑定标
• 2.1.3 概念知识处理
• 2.1.4 概念格结构在计算机各领域的应用
• 2.2 模糊集理论
• 2.2.1 模糊集分解理论
• 2.2.2 模糊集扩展理论
• 第三章 模糊概念格模型及其构造
• 3.1 引言
• 3.1.1. Karl Erich Wolff 的模糊概念表示
• 3.1.2. Burusco 计算L 模糊概念格的方法
• 3.1.3. RALAMBONDRAINY 的模糊信息表示
• 3.1.4. GIRARD 和 Heari RALAMBONDRAINY 的模糊格法
• 3.2 模糊概念格数学模型
• 3.3 模糊概念格的构造算法
• 3.4 实验及分析
• 3.5 小结
• 第四章 基于模糊概念格的模糊关联规则提取算法研究
• 4.1 引言
• 4.1.1 内涵缩减的定义
• 4.1.2 族集的最小覆盖
• 4.1.3 计算族集最小覆盖集算法
• 4.1.4 计算内涵缩减集
• 4.1.5 基于内涵缩减的规则提取
• 4.2 基于模糊参数的模糊关联规则生成
• 4.2.1 模糊参数 E、δ
• 4.2.2 模糊关联规则形式定义
• 4.3 模糊关联规则生成算法及实验
• 4.3.1 基于健壮节点对的提取算法
• 4.3.2 基于内涵缩减的提取算法
• 4.4 基于内涵缩减的规则提取在 TSP 度量模型中的应用
• 4.4.1 数据处理
• 4.4.2 规则挖掘的结果及评估
• 4.5 小结
• 第五章 分布式模糊概念格模型及构造算法
• 5.1 引言
• 5.2 分布式模糊概念格模型
• 5.3 基于模糊概念子格的并运算
• 5.4 基于分布式模糊概念格构造的模糊参数计算
• 5.5 分布式构造模糊概念格算法及实验
• 5.5.1 基本思想
• 5.5.2 并运算算法伪码
• 5.5.3 分布式构造模糊概念格算法伪码
• 5.5.4 实验及分析
• 5.6 小结
• 第六章模糊概念格在聚类中的应用
• 6.1 基于模糊概念格的聚类
• 6.1.1 数据挖掘中的主要聚类方法
• 6.1.2. Pollant 的基于对象相似度的聚类方法
• 6.1.3 基于概念距离的聚类方法
• 6.1.4 模糊本体生成
• 6.2 小结
• 第七章 结束语
• 7.1. 论文主要贡献
• 7.2 进一步工作
• 图表附录
• 参考文献
• 攻读博士学位期间发表的论文
• 作者攻读博士期间参与的科研项目
• 致谢
• 博硕士学位论文同意发表声明