加权概念格及其渐进式构造

被引：15

作者：

张继福 ^{[1
]}

张素兰 ^{[2
]}

郑链 ^{[1
]}

机构：

[1] 北京理工大学机电工程学院

[2] 太原科技大学计算机科学与技术学院

来源：

模式识别与人工智能 | 2005年 / 18卷 / 02期

关键词：

概念格; 加权概念格; 频繁加权概念; 加权内涵; 渐进式构造算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

概念格是数据分析与知识提取的有效工具。为了充分利用其进行数据分析和知识提取,本文通过对概念格的内涵引入权值,提出一种加权概念格,拓广了概念格的结构。同时由用户设立概念格内涵的最小阈值,构造了一种频繁加权概念格,并由此给出了频繁加权概念格的构造算法及其分析。最后,通过实例说明其是有效可行的。

引用

页码：171 / 176

页数：6

共 7 条

[1] 模糊概念格 [J].

陈世权 ;

程里春 .

模糊系统与数学, 2002, (04) :12-18

[2]

Knowledge representation and retrieval using conceptual graphs and free text document self-organisation techniques[J] . Stephen Chu,Branko Cesnik.International Journal of Medical Informatics . 2001 (2)

[3]

Formal concept analysis as a support technique for CBR[J] . Knowledge-Based Systems . 2001 (3)

[4] Software retrieval by samples using concept analysis [J].

Park, Y .

JOURNAL OF SYSTEMS AND SOFTWARE, 2000, 54 (03) :179-183

[5]

A fast algorithm for building lattices[J] . Lhouari Nourine,Olivier Raynaud.Information Processing Letters . 1999 (5)

[6] A lattice conceptual clustering system and its application to browsing retrieval [J].

Carpineto, C ;

Romano, G .

MACHINE LEARNING, 1996, 24 (02) :95-122

[7]

Rough Concept Analysis .2 Kent R E. Rough Sets, Fuzzy Sets and Knowledge Discovery . 1994

← 1 →