基于约束的模糊概念格构造算法研究.doc

基于约束的模糊概念格构造算法研究概念格是形式概念分析理论中的核心数据结构,已广泛应用于知识发现和信息检索等诸多领域。针对精确形式背景构造的概念格,能够表示精确、确定的信息。然而,现实应用中通常都是模糊、不确定的信息,结合模糊逻辑与形式概念分析理论而提出的模糊概念格有效的解决了对模糊信息处理的问题。模糊概念格的直接构造一直是学者们研究的主要问题之一,一般的模糊概念格在构造过程中没有考虑用户的需求,模糊概念格中的部分节点用户并不关心。因此,为了增强模糊概念格的针对性,构造满足用户需求的模糊概念格,本文进行了如下的研究工作:首先,将用户关心的模糊概念格节点内涵中的属性隶属度大于等于某一阈值定义为约束条件,根据用户关心的属性间关系,将约束条件分为单约束、与约束、或约束、与或约束及或与约束。然后通过谓词公式对约束条件进行表达,提出了基于半区间约束的模糊概念格构造算法(UpperIntervalConceptLattice,UICL)。UICL算法利用模糊概念格中父子节点内涵的严格单调关系,通过剪枝技术以自底向上的方式对模糊概念格的进行构造,提高了构造效率。然后,在UICL算法的基础上,将用户关心的模糊概念格内涵中属性隶属度位于某一闭区间定义为约束条件,进一步提出了基于区间约束的模糊概念格构造算法(IntervalFuzzyConceptLattice,IFCL)。该算法分别采用自底向上和自顶向下联合构造的方法,生成满足区间约束的模糊概念格。最后,通过实验验证,UICL算法和IFCL算法能够构造满足约束的模糊概念格,并能减少模糊概念格的存储空间。