概念格是数据分析的一种有效方法,已被成功应用到知识发现等领域,然而面对日益复杂的数据分析需求,传统的单一概念格具有其局限性,研究多概念格集成具有重要的理论意义和应用价值。本项目拟针对单一信息系统、多源信息系统、分布式信息系统,研究多概念格集成的分析描述框架、建模方法以及知识获取,具体内容包括(1)构建并置和叠置形式背景上的连接算子,建立多概念格集成的分析描述框架;(2)给出多概念格约简的判定定理,设计多概念格的概念选择和格选择方法;(3)给出基于多概念格集成的规则提取算法和规则冗余检测方法,提出基于多Iceberg概念格的频繁项集和关联规则挖掘算法,给出多优势概念格分级规则获取算法。本课题的研究将建立多概念格集成及知识获取的理论和方法体系,为运用智能计算解决实际问题提供新的理论基础与技术支撑。
英文主题词Multi-concept lattice;Granular computation;Rough set;Knowledge discovery;Concept drifting