概念格构建算法的关键技术及应用

概念格的构建及其Hasse图的绘制过程是一个概念聚类的过程，结果是产生一个概念层次，因此建格算法是用概念格挖掘空间关联规则的关键问题。概念格与传统算法相比一个重要的优势在于，对于同一批数据，在参数给定的情况下，不受数据或属性的排列次序的影响，所生成的格是唯一的。关于精确概念格的构造大致可以分为三类：批处理算法、渐进式算法和并行算法。

批处理算法根据其构造格的不同，可分为三类：从顶向下算法，例如Bordat算法(Godin，1995)、OSHAM算法(Ho，1995)等；以Chelin的算法(Godin，1995)为代表的自底向上算法；以Ganter的算法(Godin，1995)、Nourine的算法(Nourine and Raynaud，1999；胡可云，2001)等为代表的枚举算法。这类算法都需要多遍扫描数据库。并行算法虽然具有较大的优势和潜力，但是其基础理论研究不足，在进行海量数据挖掘的实现上还存在很多尚未解决的问题。(www.xing528.com)

渐进式算法，又称增量式算法。这类算法的基本思想都是将当前要插入的记录和格中概念进行交运算，根据结果采取不同的处理方法，主要区别在连接边的方法。经典的渐进式算法有Godin算法、T.B.Ho算法等。由于时间性能优越，现有的大多数概念格系统都是基于这类算法搭建的。国内的学者也对此进行了较为深入的研究，如陈继华等(2007)给出了模糊概念格的快速构造算法；杨丽等(2009)从矩阵角度对一类模糊概念格的构造方法进行了研究，并基于矩阵蕴涵运算给出了格值模糊概念格的构造方法。经实践证明渐进式算法具有优良的性能(强宇，2005)。如前所述，秦昆(2004)将概念格理论引入图像数据挖掘，并给出了概念格构建和Hasse图绘制的统一算法。土地用途分区是一个复杂问题，海量数据和问题的复杂性决定应用渐进式的思想构造模糊概念格具有较大优势。