三支概念分析是將三支決策思想與形式概念分析相結合進行知識表示和知識發(fā)現的重要理論。屬性導出三支概念格和對象導出三支概念格是三支概念分析中的核心數據分析工具,它們相比經典概念格包含更多的信息。然而,構造三支概念格的時間復雜度高,空間占用率大。隨著大數據時代的到來,各個領域都要面對海量的、多維的、模糊的、動態(tài)的復雜數據,三支概念分析處理這類復雜數據將會耗費大量的時間資源和空間資源。研究三支概念格的聚類壓縮模型以及三支粒概念的動態(tài)更新方法可以節(jié)約大量的時間和空間資源,降低系統(tǒng)計算復雜度,同時也方便了決策者更清楚地做出決策。首先,為了對模糊形式概念格進行壓縮處理,本文基于模糊集合理論與形式概念分析定義了模糊概念間的距離公式并利用改進K-Means聚類與T-刪除變換對模糊概念格進行聚類與壓縮。然后,結合三支決策思想,利用負域、邊界域、正域的關系,通過三支概念信息系統(tǒng)得到概念相似度,提出了一種改進K-Modes聚類算法與K-刪除變換完成三支概念壓縮。最后,利用增量學習技術以及粒計算思想來求解在動態(tài)形式背景下三支粒概念的更新規(guī)律,并提出三支粒概念的動態(tài)更新算法。本文的主要創(chuàng)新點描述如下:1.基于模糊... 

【文章頁數】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論及預備知識
    1.1 緒論
    1.2 形式概念分析
    1.3 三支概念分析
    1.4 模糊集合理論
    1.5 主要工作安排
2 模糊形式背景下基于T-刪除變換的模糊概念格聚類壓縮
    2.1 模糊概念之間的距離及相似度
    2.2 基于T-刪除變換的模糊概念格K-Means聚類壓縮算法
    2.3 案例分析
    2.4 實驗分析
    2.5 小結
3 模糊形式背景下屬性導出三支概念格聚類壓縮
    3.1 TWFCA中 AE-概念的距離及相似度
    3.2 基于最遠距離原則與概念差異度的改進K-Modes聚類
    3.3 AE-概念格壓縮
    3.4 算法以及時間復雜度分析
    3.5 案例分析
    3.6 小結
4 經典形式背景下屬性導出三支粒概念的動態(tài)更新
    4.1 刪除一個屬性或對象時AE-粒概念的動態(tài)更新方法
    4.2 刪除多個屬性或多個對象時AE粒概念的動態(tài)更新方法
    4.3 AE-粒概念動態(tài)更新算法
    4.4 實驗分析
    4.5 小結
5 結論與展望
致謝
參考文獻
個人簡歷、在學期間發(fā)表的學術論文及取得的研究成果



本文編號：3665659