Iceberg概念格构造方法及模糊概念相似度的研究

摘要

形式概念分析(FCA)是一种概念化知识处理的强有力的工具，目前广泛应用于信息检索、数据挖掘、软件工程、知识发现等领域。随着信息化以及数据库规模的迅速增大，数据库中不仅包含有用信息，同时含有大量冗余，如何从中提取有效信息具有实用价值。
　　对于大型数据库，产生的概念格的规模大，难以分析，从而失去其实用价值。iceberg概念格是一种概念聚类的方法，适合于分析大型数据库，清晰反映数据库中的关键信息。但是iceberg概念格的半序格结构使得构造完备概念格算法不能适应于iceberg概念格的构造，所以研究iceberg概念格构造算法具有非常重要意义。
　　另外在基于格结构的概念相似度量只是针对传统的形式本体整合、映射。然而许多应用领域中，大多数信息是复杂的、不确定的，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。因此，在模糊形式背景下研究概念相似度是十分必要。
　　Iceberg概念格的构造是其应用的前提。本文主要的研究要点有三个:一、提出了Iceberg概念格合并构造算法，通过形式背景拆分，构造子iceberg格，然后进行子iceberg格合并，得到完整iceberg概念格。二、提出了模糊形式背景下的iceberg概念格构造算法。三、改进了模糊概念相似度量方法，引入传统概念度量模型，综合考虑了结构及语义信息，通过权值调整来适应不同需求。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．1．1 课题来源

1．1．2 研究的目的意义

1．2 国内外研究现状及水平

1．2．1 Iceberg概念格研究现状

1．2．2 模糊概念相似度研究现状

1．3 本文主要结构

第2章 形式概念分析的基础理论

2．1 格值理论

2．2 概念格理论

2．2．1 形式背景与形式概念

2．2．3 概念格

2．2 概念格构造算法

2．2．1 批处理构造算法

2．2．2 渐进式构造算法

2．3 概念格应用

2．3．1 概念格在本体领域的应用

2．3．2 概念格在信息检索中的应用

2．3．3 概念格在数据挖掘中的应用

第3章 Iceberg概念格的构造方法

3．1 Iceberg概念格理论

3．2 Iceberg概念格Snow-Touch算法

3．2．1 频繁闭项集FCI的挖掘

3．2．2 频繁概念中Minimal generator的挖掘

3．2．3 频繁闭项集关系计算

3．3 Iceberg概念格合并算法

3．3．1 形式背景的分布处理

3．3．2 理论依据

3．3．3 Iceberg概念格合并算法

第4章 基于模糊形式背景的iceberg概念格构造

4．1 基础理论

4．2 变精度概念格

4．3 截形式背景

4．4 变精度概念格上的iceberg概念格的构造

第5章 改进的模糊概念相似度度量模型

5．1 基于特征的相似度计算方法

5．2 基于信息量的相似度计算方法

5．3 改进的模糊概念相似度计算方法

第6章 算例分析

6．1 Iceberg概念格构造方法

6．1．1 Iceberg概念格合并算法

6．1．2 模糊形式背景上iceberg概念格构造

6．2 改进的模糊概念相似度量

第7章 结论与展望

参考文献

攻读硕士期间发表的学术论文及科研工作

致谢