导读:本文包含了概念格构建论文开题报告文献综述及选题提纲参考文献,主要关键词:形式概念分析,叁支概念分析,Spark,Map-Reduce
概念格构建论文文献综述
章星[1](2017)在《基于Spark的概念格构建算法的研究与实现》一文中研究指出形式概念分析,也叫概念格理论,是Wille R(德国数学家)于1982年提出的。该理论将概念和概念层次以数学化的形式表达出来,已在多个领域得到了广泛应用,如知识工程、信息检索、软件工程等。Qi等人结合叁支决策理论和概念格理论。提出了叁支概念分析理论。一方面,叁支概念分析理论是经典概念格理论的扩展。叁支概念可以表达形式背景中“共同具有”和“共同不具有”这两层含义,与经典概念相比可提供更多,更详细的信息。另一方面,叁支概念分析也为叁支决策理论提供了一种更为具体的模型。根据叁支概念的定义,将属性论域或对象论域分为叁部分,然后进行叁支决策。概念格理论作为一种数据分析的手段,首先需要根据作为数据集的形式背景构建相应的概念格。叁支概念分析理论也是如此。在一般情况下,概念格和叁支概念格中概念数量的增长是指数级。这样,建格算法的效率就成为决定概念格理论和叁支概念分析理论在实际中能否成功应用的关键。传统非分布式的概念格构建算法一般只能处理规模较小的数据集,不能满足日益发展的大数据应用。本文针对经典及叁支概念格,设计实现基于Spark的分布式建格算法。首先本文回顾了形式概念分析和叁支概念分析的相关定义,以及一些经典概念格的串行构建算法和分布式构建算法。然后借鉴Cbo算法的基本思想,设计了一种分布式经典概念格构建算法,并在Spark平台上实现。Cbo算法采用的是深度优先的搜索策略,然而在集群计算中递归任务是不容易拆分成若干个任务分布到各个节点中计算,因此Cbo算法中的搜索策略并不适用于分布式算法。为了解决这一问题,本文对Cbo算法进行改造,采用广度优先的搜索策略,将Cbo算法中的递归运算改造为迭代运算以适应分布式计算的框架。采用Cbo算法的基本思想以及本文提出的关于叁支概念格的性质,以迭代的方式设计分布式叁支概念格构建算法;通过Spark提供的一系列对RDDs的转化(Transformation)操作和行动(Action)操作来生成所有的概念,并完成在计算过程的剪枝工作,最终实现基于Spark的叁支概念格构建算法。最后,本文对设计的算法进行了实验分析。针对经典概念格,本文将基于Spark平台的算法与基于Hadoop平台的算法进行比较,实验结果表明其效率得到了一定提升。针对叁支概念格,本文以k-均匀背景为基础,将基于Spark平台的算法与串行叁支概念格构建算法进行对比实验,实验结果表明分布式算法效率更高。(本文来源于《西安电子科技大学》期刊2017-05-01)
刘保相,李言[2](2013)在《随机决策形式背景下的概念格构建原理与算法》一文中研究指出概念格是根据二元关系提出的概念层次结构,用于数据的分析和规则提取。针对随机决策形式背景,讨论了随机决策形式背景下随机概念的数学表示,并证明了随机概念伽罗瓦连接的存在性,提出随机概念格的构建算法,最后用实例证明了其有效性。(本文来源于《计算机科学》期刊2013年S1期)
蒋平[3](2011)在《基于Eclipse的概念格构建系统的设计与实现》一文中研究指出概念格作为一种很好的形式化概念分析工具,被应用于数据挖掘、人工智能和知识提取等领域。如何将海量的数据中提取出来的相关规则即概念,迅速转化成直观的概念格图,成为概念格应用首先需要解决的问题。描述了概念格的相关概念,实现了概念格的改进构造算法,在Eclipse平台下实现了一种半自动化的概念格构建系统,并对各个模块的实现做了详细的介绍,生成相应的概念格的Hasse图,最终通过实验分析验证了半自动化构建概念格系统的可行性,优化了算法的空间复杂度,使系统性能得到优化。(本文来源于《计算机技术与发展》期刊2011年04期)
陈飞龙[4](2011)在《基于偏序关系的快速增量式概念格构建算法》一文中研究指出概念格理论,作为一种高效的数据分析工具,已经广泛地应用于数据挖掘、软件工程、信息检索等领域。其中概念和概念格是此理论的基础,在一般情况下,概念格中的概念数是输入背景大小的指数倍,因此寻求一种高效率的建格算法就成为决定概念格理论能否成功应用于实际的关键。论文通过对各种增量式算法理论的深入研究,提出一种基于概念间偏序关系来构建概念格的算法设计思想。概念格的构建可分为概念更新、概念新增和格结构更新叁个过程。针对概念更新,设计了一种通过判断亚概念的更新情况,同时完成此概念及其超概念更新的概念更新方式;针对概念新增,通过证明分组定理,提出一种基于对象分组的方法来寻找新概念;针对格结构更新,构建出一种与算法匹配的、自底向上的结构更新算法。进一步,在区分概念对象、非概念对象的基础上,分离出外延中仅含单个对象的概念,使得概念更新和概念新增能在此类概念上同步进行。基于上述设计思想,最终实现了基于偏序关系的增量式建格算法Parto。论文通过理论分析和不同背景下的实验对比讨论算法的性能。理论分析说明,在任何形式背景下Parto算法要优于同类的Godin算法。实验结果表明,在小或稀疏的形式背景下,Parto算法比Godin算法快15%。在大且密集的形式背景下,当Godin算法性能变坏的特征点未到达时,Parto算法和Godin算法有类似的性能曲线,都比批量式的Bodat算法好。当此特征点到达后,Godin算法呈指数级增长且不如Bodat算法,而Parto算法依然好于Bodat算法。(本文来源于《西安电子科技大学》期刊2011-01-01)
滕广青,毕强[5](2010)在《概念格构建工具ConExp与Lattice Miner的比较研究》一文中研究指出利用概念格构建工具ConExp1.3和Lattice Miner1.4,以构建球类运动概念格为例,从基本信息、形式背景编辑、概念格视图、关联规则挖掘以及存储管理等方面,对两个工具软件的性能和操作进行比较,从而得出:ConExp具有重视概念及概念间关系细节,以及概念格个性化呈现的特征;而Lattice Miner则在复杂问题处理、关联规则提取和支持语义网络方面具有优势,该研究为基于概念格构建工具开展相关研究做出铺垫。(本文来源于《现代图书情报技术》期刊2010年10期)
乌弘毅,黄映辉[6](2010)在《模糊概念格构建的Bordat方法》一文中研究指出概念格是近年来兴起的知识表示模型。现实世界中的事物大多具有不精确性特征,如何将若干模糊对象构建成一个概念格具有重要的理论与应用价值。选择适于构建精确概念格的Bordat方法,应用模糊集理论对其进行改进,重新定义了概念格的顶节点确定过程和子节点生成算法,提出了构建模糊概念格的Bordat方法,结合实例说明了其应用,即生成相关的模糊概念,同时构建与之对应的模糊概念格。该方法不仅保留了作为数据源的模糊形式背景的所有信息,而且所需生成的模糊概念数量少,方法简单快捷,易于计算机实现。(本文来源于《计算机技术与发展》期刊2010年10期)
谢春芝,杜亚军[7](2010)在《基于进化论观点的概念格构建算法》一文中研究指出提出一种新的基于进化论观点的概念格构建方法。首先从给定形式背景中按单属性抽取出相应的初始种子概念,再从初始种子概念中选择种子变异概念和种子稳定概念,并由种子稳定概念生成子代稳定概念和子代变异概念。然后由子代稳定概念分别与变异概念生成新一代子概念,如此循环直至无新概念生成。该算法利用进化论的观点使其概念生成过程清晰且执行效率较高。(本文来源于《广西师范大学学报(自然科学版)》期刊2010年01期)
李晓瑞,钱旭,钟锋,余远[8](2009)在《属性依赖规则在概念格构建中的应用》一文中研究指出在实际形式背景中,属性依赖关系的存在是不可避免的。因此,研究把属性依赖规则应用于概念格构建中是有意义的。通过对属性依赖规则表示和约简的定义,描述了一种新的构建概念格的方法,即把形式背景和约简后属性依赖规则作为输入数据,同时考虑其属性蕴含关系,从而在不需要构建整个概念格的情况下,产生基于属性依赖规则的概念格。其目的在于加快概念格的产生,使其在满足属性依赖规则的情况下,构建概念层次,发现潜在的信息。(本文来源于《计算机工程与应用》期刊2009年30期)
概念格构建论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
概念格是根据二元关系提出的概念层次结构,用于数据的分析和规则提取。针对随机决策形式背景,讨论了随机决策形式背景下随机概念的数学表示,并证明了随机概念伽罗瓦连接的存在性,提出随机概念格的构建算法,最后用实例证明了其有效性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概念格构建论文参考文献
[1].章星.基于Spark的概念格构建算法的研究与实现[D].西安电子科技大学.2017
[2].刘保相,李言.随机决策形式背景下的概念格构建原理与算法[J].计算机科学.2013
[3].蒋平.基于Eclipse的概念格构建系统的设计与实现[J].计算机技术与发展.2011
[4].陈飞龙.基于偏序关系的快速增量式概念格构建算法[D].西安电子科技大学.2011
[5].滕广青,毕强.概念格构建工具ConExp与LatticeMiner的比较研究[J].现代图书情报技术.2010
[6].乌弘毅,黄映辉.模糊概念格构建的Bordat方法[J].计算机技术与发展.2010
[7].谢春芝,杜亚军.基于进化论观点的概念格构建算法[J].广西师范大学学报(自然科学版).2010
[8].李晓瑞,钱旭,钟锋,余远.属性依赖规则在概念格构建中的应用[J].计算机工程与应用.2009
标签:形式概念分析; 叁支概念分析; Spark; Map-Reduce;