多概念格集成與知識獲取方法研究

《多概念格集成與知識獲取方法研究》是依託山西大學，由王俊紅擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：多概念格集成與知識獲取方法研究
• 項目類別：青年科學基金項目
• 項目負責人：王俊紅
• 依託單位：山西大學

項目摘要

概念格是數據分析的一種有效方法，已被成功套用到知識發現等領域，然而面對日益複雜的數據分析需求，傳統的單一概念格具有其局限性，研究多概念格集成具有重要的理論意義和套用價值。本項目擬針對單一信息系統、多源信息系統、分散式信息系統，研究多概念格集成的分析描述框架、建模方法以及知識獲取，具體內容包括：（1）構建並置和疊置形式背景上的連線運算元，建立多概念格集成的分析描述框架；（2）給出多概念格約簡的判定定理，設計多概念格的概念選擇和格選擇方法；（3）給出基於多概念格集成的規則提取算法和規則冗餘檢測方法，提出基於多Iceberg概念格的頻繁項集和關聯規則挖掘算法，給出多優勢概念格分級規則獲取算法。本課題的研究將建立多概念格集成及知識獲取的理論和方法體系，為運用智慧型計算解決實際問題提供新的理論基礎與技術支撐。

結題摘要

概念格是進行數據分析的一種有效方法,已被成功套用到知識發現等領域,然而面對日益複雜的數據分析需求，傳統的單一概念格具有其局限性，研究多概念格集成具有重要的理論意義和套用價值。項目組按照項目計畫書的要求開展了研究工作，並取得了一系列研究成果。（1）給出了粒度概念格模型及其構造方法,證明了粒度概念格和原概念格之間的關係。給出了漸進式偽規則獲取方法，提出了兩個偽規則集進行合併的方法。（2）提出了一種無冗餘決策規則的概念，並且給出了粒度規則和決策規則的獲取方法。（3）提出了一種決策形式背景中對象壓縮的理論框架和方法，保證了在不丟失決策規則信息前提下的對象約簡。（4）提出了一種樣本約簡和維度約簡的加速策略，該方法能夠加速模糊粗糙特徵選擇的過程。構造了Shannon熵和互補熵意義下的區分矩陣，揭示了不同意義下屬性約簡的相互關係。（5）提出了一種結合無監督學習的數據流分類算法，通過比較分類和聚類結果的準確率，來判斷是否發生了概念漂移；提出了一種基於Kappa係數的數據流分類算法。