导读:本文包含了概念格生成算法论文开题报告文献综述及选题提纲参考文献，主要关键词:概念格,Hadoop,Map-Reduce,关联规则
概念格生成算法论文文献综述
王祥德[1]（2017）在《概念格并行生成算法及其在推荐系统中的应用》一文中研究指出在互联网时代,信息爆炸式增长,海量数据不断产生,从而导致用户难以迅速找到自己所需要的信息等困难。因此,迫切需要一种新的数据获取方式。概念格,作为一种新颖的数据挖掘工具,能从海量数据中挖掘数据的潜在价值。目前,概念格已经成为一个重要的研究领域,例如概念格构造及其应用等。然而,概念格作为一种数据处理工具,在大数据环境下也面临存储和计算的难题。因此,在大数据的环境,如何存储形式背景以及生成概念格的概念是我们需要解决的问题。本文实现了海量数据的存储和计算,基于云计算架构,为形式概念分析(FCA)提出了并行和分布式的实现方法。使用Hadoop的分布式文件系统(HDFS)实现了分布式存储,基于Map-Reduce模型实现了并行计算。首先改进概念格生成算法,使其可以实现分布式存储和计算,然后在云计算架构下实现它。实验结果表明,我们提出的并行算法是可行有效的。本文分析了概念格理论知识和构造算法,主要研究了概念格的分布式存储和并行计算的技术,Hadoop分布式文件系统和Map-Reduce计算模型是本文研究的基础。概念格是一种有效的数据分析工具,它展现了概念之间特化与泛化的关系。通过概念格,能够有效的发现对象与属性之间、概念之间的隐含关系,运用这种关系,可以从中发现物与物之间以及物与人之间、人与人之间的关联规则,于是就产生了基于这种规则的推荐系统。但是,很多推荐系统发展至今都面临着两大问题,一是冷启动问题,另一个是数据稀疏问题。对于数据稀疏问题,本文提出了一种解决方案。本文对于概念格关联规则推荐算法中数据稀疏问题,提出了解决方案,运用矩阵填充策略,在充分分析了矩阵填充技术的基础上,选择非精确拉格朗日乘子法对稀疏矩阵进行填充,对填充的矩阵使用SVD协同过滤算法进行推荐,对推荐结果分别用平均绝对误差、均方根误差方法进行评估。实验结果表明,运用矩阵填充的推荐算法提高了推荐的精确度。(本文来源于《曲阜师范大学》期刊2017-04-05）
张茹,刘保相,王立亚[2]（2016）在《一种改进的区间概念格渐进式生成算法》一文中研究指出在区间概念格的渐进式生成算法中,由于部分概念的缺失导致多区间概念格的合并过程难以进行。针对这个问题,将区间概念分为存在概念、冗余概念和空概念,进而提出了一种新的区间概念格渐进式生成算法。该算法保证了格结构的完整性,为区间概念格的结构合并与优化奠定了基础。(本文来源于《电子技术与软件工程》期刊2016年15期）
郭伦众[3]（2016）在《概念格的性质及生成算法的研究》一文中研究指出基于形式背景下的概念格是形式概念分析的核心内容之一。概念格在本质上描述了对象和属性之间的联系,表明了概念之间的泛化和例化关系,因此概念格的构造是形式概念分析的基础。本文首先基于形式背景的关系矩阵,依据关系矩阵所表示的属性值,给出最大满矩阵与概念矩阵的定义,并证明了最大满矩阵是概念矩阵的充要条件。在此基础上提出了一种基于最大满矩阵生成概念格的算法并对所提出的算法进行了理论论证。最后通过实例的运算,验证了该算法的有效性。由于对象和属性间的关系常常会随着时间或地点变化发生改变,所以本文进一步研究了变化的形式背景,引入动态形式背景的概念。讨论了一个属性与对象集关系发生改变后形成的动态形式背景概念的生成方法。研究了其外延交集为空集和不为空集两种情况,方法利用了概念格的渐进式构造算法和渐减式构造算法以及在经典算法的思想基础上提出了直接生成新的形式背景概念的方法。最后在各个算法的基础上,举例说明了算法的正确性和有效性。(本文来源于《西南交通大学》期刊2016-05-01）
郭伦众,宋振明[4]（2015）在《一种基于最大满矩阵生成概念格的算法》一文中研究指出形式概念分析的核心是概念格,它在本质上描述了对象和属性之间的联系,表明了概念之间的泛化和例化关系,因此概念格的构造就显得尤为的重要。从形式背景的关系矩阵出发,扫描形式背景的行和列找出属性值为1的全部满矩阵,定义了最大满矩阵的概念,证明了最大满矩阵是概念矩阵的充要条件。并在此理论上提出了一种基于最大满矩阵生成概念格的算法,并对所提出的算法进行了理论论证。通过实例的运算,验证了该算法的有效性。(本文来源于《智能系统学报》期刊2015年06期）
徐敏政,何宗宜,刘亚虹,李军利,朱乔利[5]（2014）在《双向渐进式概念格生成算法》一文中研究指出传统渐进式概念格生成算法主要针对某一特定形式背景,固定对象个数单向增加属性或固定属性个数单向增加对象来构建概念格.本文提出的双向渐进式概念格生成算法(Bidirectional Incremental Algorithm,BIA)基于一个或多个形式背景,引入元胞数据组织结构,针对对象和属性双向同时渐增的情况,将对象和属性分别与概念节点的外延和内涵同时求交,得到4类求交结果和4类更新节点.这种新型构造算法扩展了概念节点结构,在更新节点的同时更新了节点边关系,不仅解决了对象和属性同时渐增给已生成的概念格所带来的更新问题,而且适用于多个形式背景下一次性构造概念格,从而避免了先合并形式背景再构建概念格或先单独构建子概念格再进行合并的繁琐过程.(本文来源于《小型微型计算机系统》期刊2014年01期）
张春英,王立亚[6]（2014）在《基于属性集合幂集的区间概念格L_α~β的渐进式生成算法》一文中研究指出针对区间概念格Lβα(U,A,R)的概念外延在区间[α,β](0≤α≤β≤1)范围内满足内涵属性的特性,提出基于属性集合幂集的区间概念格Lβα的渐进式生成算法,以提高区间概念格的建格效率。在格结构的生成过程中,将节点分为不变节点、更新节点、新增节点。算法首先由属性集合幂集生成所有节点的内涵,之后根据区间概念格中父子节点的独特性质自下而上渐进式地构造格结构。通过算法分析与实例证明了优化后的渐进式生成算法提高了建格效率。(本文来源于《计算机应用研究》期刊2014年03期）
刘胜日,刘建平[7]（2012）在《一种渐进式概念格生成算法的优化》一文中研究指出形式概念分析是德国的数学家Wille于1982年提出的,其核心数据结构概念格接近于自然语言,易于理解,在数据挖掘领域有巨大的潜在应用价值。构建概念格在概念格应用中有举足轻重的地位。建格算法分为两种:批处理算法和渐进式算法。着重研究渐进式算法,并介绍一种渐进式算法的优化算法,这种优化算法在一定程度上提高了原算法的运行速度。(本文来源于《工业控制计算机》期刊2012年08期）
屈文建,谭光兴,邱桃荣[8]（2012）在《运用全1矩阵的概念格生成算法》一文中研究指出从概念格的概念矩阵出发,提出一种运用全1概念矩阵来生成概念格的算法(Algorithm of Generating Concept LatticeUsing Universal M atrix,GCL1).对整体概念格的形式背景采用0-1矩阵来表达,扫描形式背景的行和列找出全部的全1矩阵,定义了最大秩全1矩阵的概念,并且证明了最大秩全1矩阵对应的结点一定是概念格中的概念;然后按全1矩阵的秩从大到小排序,并对非最大秩的全1矩阵进行扩充,从而得到概念结点,再对概念结点连接,分别建立子概念格;最后把这些子概念格合并生成整体概念格,并同时生成哈斯图.本文对所提出的GCL1算法进行了理论论证,并且通过实例运行,结果表明该算法的时间复杂度明显优于其它许多算法.(本文来源于《小型微型计算机系统》期刊2012年03期）
周成义,杜永芹,马垣[9]（2011）在《基于外延包含关系的概念格生成算法研究》一文中研究指出本文提出了一种基于外延包含关系构造概念格的算法。利用外延关系得出概念所在层次和概念间的关系。本算法和已有的构造概念格算法不同的是,能够得到概念所在的层次,而且还能解决概念间的连线问题。最后结合实例说明了该算法的实现过程。(本文来源于《Proceedings of 2011 AASRI Conference on Artificial Intelligence and Industry Application（AASRI-AIIA 2011 V2）》期刊2011-05-23）
周成义,杜永芹,马垣[10]（2010）在《基于外延包含关系的概念格生成算法研究》一文中研究指出本文提出了一种基于外延包含关系构造概念格的算法。利用外延关系得出概念所在层次和概念间的关系。本算法和已有的构造概念格算法不同的是,能够得到概念所在的层次,而且还能解决概念间的连线问题。最后结合实例说明了该算法的实现过程。(本文来源于《Proceedings of 2010 International Conference on Circuit and Signal Processing & 2010 Second IITA International Joint Conference on Artificial Intelligence(Volume 2)》期刊2010-12-25）
概念格生成算法论文开题报告
（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：
在区间概念格的渐进式生成算法中,由于部分概念的缺失导致多区间概念格的合并过程难以进行。针对这个问题,将区间概念分为存在概念、冗余概念和空概念,进而提出了一种新的区间概念格渐进式生成算法。该算法保证了格结构的完整性,为区间概念格的结构合并与优化奠定了基础。
（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。
概念格生成算法论文参考文献
[1].王祥德.概念格并行生成算法及其在推荐系统中的应用[D].曲阜师范大学.2017
[2].张茹,刘保相,王立亚.一种改进的区间概念格渐进式生成算法[J].电子技术与软件工程.2016
[3].郭伦众.概念格的性质及生成算法的研究[D].西南交通大学.2016
[4].郭伦众,宋振明.一种基于最大满矩阵生成概念格的算法[J].智能系统学报.2015
[5].徐敏政,何宗宜,刘亚虹,李军利,朱乔利.双向渐进式概念格生成算法[J].小型微型计算机系统.2014
[6].张春英,王立亚.基于属性集合幂集的区间概念格L_α~β的渐进式生成算法[J].计算机应用研究.2014
[7].刘胜日,刘建平.一种渐进式概念格生成算法的优化[J].工业控制计算机.2012
[8].屈文建,谭光兴,邱桃荣.运用全1矩阵的概念格生成算法[J].小型微型计算机系统.2012
[9].周成义,杜永芹,马垣.基于外延包含关系的概念格生成算法研究[C].Proceedingsof2011AASRIConferenceonArtificialIntelligenceandIndustryApplication（AASRI-AIIA2011V2）.2011
[10].周成义,杜永芹,马垣.基于外延包含关系的概念格生成算法研究[C].Proceedingsof2010InternationalConferenceonCircuitandSignalProcessing&2010SecondIITAInternationalJointConferenceonArtificialIntelligence(Volume2).2010
标签：概念格; Hadoop; Map-Reduce; 关联规则;