文献类型：期刊文章

作　　者：李金海[1,2] 吴伟志[3,4]

机构地区：[1]昆明理工大学数据科学研究中心,云南昆明650500 [2]昆明理工大学理学院,云南昆明650500 [3]浙江海洋大学数理与信息学院,浙江舟山316022 [4]浙江海洋大学浙江省海洋大数据挖掘与应用重点实验室,浙江舟山316022

出　　处：《山东大学学报（理学版）》

基　　金：国家自然科学基金资助项目(61562050;61305057;61573173;61573321;41631179);浙江省海洋大数据挖掘与应用重点实验室开放课题资助项目(OBDMA201502)

年　　份：2017

卷　　号：52

期　　号：7

起止页码：1-12

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、IC、JST、MR、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：形式概念分析是知识表示与处理的一种实用数学方法,因其核心工具概念格的构造代价涉及指数时间复杂度,它在一定程度上导致其处理数据效率不高,这个问题也一直阻碍着该理论的快速发展与广泛应用。粒计算以粒的形成、粒的转移、粒的合成与分解等手段有效解决问题而著称,它允许问题在各个粒化层面上得到处理,并根据实际需要在解决问题的精度与耗时之间做出权衡。形式概念分析的粒计算方法的主要研究目标是将粒计算的这些优势融入传统形式概念分析中以有效解决数据分析与处理问题。具体地,本文从Galois连接的粒计算模型、对象粒化、属性粒化、关系粒化、关系诱导的概念粒化、粒规则、粒约简、粒概念、粒概念学习、概念粒计算系统等角度展示形式概念分析的粒计算方法的主要研究内容,并针对大数据与认知学习提出若干挑战性问题。有关讨论结果将为形式概念分析的粒计算方法的研究与发展提供借鉴。

关 键 词：形式概念分析 粒计算 概念格 认知学习  大数据

分 类 号：TP18]