导读:本文包含了分布式概念格论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:分布式,概念,形式,背景,网格,数据挖掘,纵向。
分布式概念格论文文献综述
范淑媛,王黎明,姜琴,张卓[1]（2016）在《概念格的分布式集成算法研究》一文中研究指出随着大数据时代的到来,海量数据的分布存储和分布计算变得越来越重要,其中概念格的分布式集成变得尤为紧迫。为了解决概念格的构格时间较长的问题,提出了面向概念格的分布式集成算法。概念格的集成是先对子概念格中的概念按内涵个数递减进行排序,再将排序后的子概念格集成为全局概念格。构造全局概念格选择两种集成方式:1)添加式集成方式,即主节点接收并集成来自所有子节点的子概念格;2)二路归并式集成方式,即各个子节点处的所有子概念格先集成,而后将所得的概念格提交给主节点接收并完成最终集成。实验表明,这两种概念格的分布式集成策略各有优缺点,但都能够减少概念格的构格时间。(本文来源于《计算机科学》期刊2016年06期）
范淑媛[2]（2015）在《分布式环境下模糊概念格的构造方法》一文中研究指出形式概念分析(FCA)即是概念格理论,在知识发现和信息检索领域中得到普遍的应用,故对于概念格的研究也成为热点。随着大数据时代的到来,使得海量数据的分布存储和分布计算变得越来越重要,其中分布式环境下模糊概念格的集成变得尤为紧迫,提高构造概念格的效率仍是关键问题之一,目前,国内外大多数学者和研究人员对于概念格的构造提出的各种算法,大都是面向形式背景的,然而对于面向概念格的构造却很少提及。为解决概念格的构造效率问题,本文提出了面向概念格的分布式集成方法。概念格的集成是先对子概念格中的概念按内涵个数递减的顺序进行排序,对于排序后的子概念格再集成为全局概念格。文中构造全局经典概念格时选择两种不同的集成方式：一种是添加式集成方式；另一种是二路归并式集成方式。实验表明这两种概念格的分布式集成策略各有优缺点,但都能提高经典概念格的构格效率。然而现实生活中的信息常常具有不确定性或者模糊性,故需要采用模糊概念格来处理这些模糊的信息。对分布在各个子节点的模糊概念格的集成,本文提出了一种分布式环境下模糊概念格的集成算法。该算法主要是根据子模糊形式背景来建立有序的子模糊概念格,利用模糊概念格的偏序关系,对已有序的子模糊概念格进行集成,在集成的过程中运用嵌套技术,即是将某一子模糊概念格作为一个整体嵌入到另一个子模糊概念格中,嵌套后的概念格删除冗余的概念,完成两两集成,最终构造全局模糊概念格。接着在经典概念格分布式集成和两两模糊概念格集成的基础上提出了模糊概念格分布式集成时所采用的两种集成方式：先来先集成方式和优先级集成方式,其中优先级集成方式由于考虑了子模糊概念格中概念的个数,实验表明该算法是有效的,相比先来先集成方式更能够提高模糊概念格在分布式环境下的构格效率。(本文来源于《郑州大学》期刊2015-05-01）
王庆荣[3]（2013）在《基于语义异构数据库的概念格分布式构造算法研究》一文中研究指出语义异构是异构信息系统处理的难点.在研究相关领域的算法和理论的基础上,提出了一种解决异构数据库下概念格的分布式构造算法,该算法对每个分系统构造分系统的变精度概念格,通过变精度概念格与Ontology中的概念格做一一映射的方式产生局部Ontology,从而使局部本体能够自动、半自动地生成.将生成的局部本体合并得到全局本体之后,由全局本体映射为主概念格,进而实现语义异构数据库的概念格的分布式构造.最后,以现有的异构数据库生成的主概念格为标准,比较了主概念格与标准主概念格之间的差异,分析了该算法的可行性和科学性.(本文来源于《兰州交通大学学报》期刊2013年03期）
马冯,曾志勇,余建坤[4]（2011）在《分布式概念格的纵向合并方法研究》一文中研究指出形式背景的核心数据结构概念格在构建过程中具有较高的时间复杂度,这一问题一直是困扰概念格进一步应用的难题。提出了一种在分布式环境下,将形式背景进行纵向拆分,构建出各站点上的概念子格后再进行合并的构建方法。用理论证明了这种合并方法的有效性和完备性,并通过实验表明了该方法与直接用形式背景构造概念格的方法相比,在时间性能上有了显着的改善。(本文来源于《计算机工程与应用》期刊2011年34期）
王玮[5]（2010）在《概念格分布式构造算法研究》一文中研究指出概念格是一种反映概念间层次关系的数学模型,具有完备性、精确性和简洁性等特点,也是数据挖掘与知识发现领域中的一种有效工具。随着分布、异构数据集大量出现,概念格构造的复杂性日益增大,分布式构造是降低面向海量数据的概念格构造复杂性的一种有效途径。本文,针对概念格分布式构造算法进行了研究。主要研究结果如下:第一、基于网格的概念格分布式构造。利用网格作为分布式计算平台,采用适合概念格构造规模的多次分发调度策略,给出了一种网格环境下的概念格分布式构造方法。最后,采用恒星光谱数据作为形式背景,实验验证了方法的正确性和有效性。第二、基于剪枝的概念格分布式构造。采用剪枝技术,消除概念格分布式渐进式构造过程中出现的冗余信息,给出了一种概念格分布式构造算法,从而有效地减少了插入概念的比较次数,提高了概念格的分布式构造效率。采用恒星天体光谱数据作为形式背景,实验验证了算法的正确性和有效性。(本文来源于《太原科技大学》期刊2010-07-01）
王玮,张继福[6]（2010）在《一种基于网格的概念格分布式构造方法》一文中研究指出分布式构造是降低面向海量数据的概念格构造复杂性的一种有效途径。目前,概念格分布式构造方法普遍偏向理论,存在扩展性差、资源利用率较低等问题。利用网格作为分布式计算平台,采用适合概念格构造规模的多次分发调度策略,给出了一种网格环境下的概念格分布式构造方法。最后,采用恒星光谱数据作为形式背景,实验验证了方法的正确性和有效性。(本文来源于《太原科技大学学报》期刊2010年03期）
洪晓东[7]（2009）在《概念格理论在分布式电网故障诊断中的应用研究》一文中研究指出概念格是近年来获得飞速发展的数据分析的有力工具。鉴于粗糙集在电网故障诊断的应用中值约简过程的复杂性,以及传统的人工智能技术在大电网故障诊断应用中存在的局限性,本文提出了基于概念格理论的分布式电网故障诊断方法。首先将电网分割成一定数目的子网络,将属性约简后的各子网络决策表转化为形式背景,再以形式概念分析理论为基础,提出根据单一对象而生成知识元概念的建格方法,通过消除冗余概念得出最终决策概念格,形成故障诊断规则库,并通过联合规则挖掘算法形成联络线故障规则库,同时生成显示推理过程的Hasse图。研究表明该法较粗糙集更为简单直观,其计算复杂度更低,能有效地诊断各局部电网之间联络线的故障,且能提供核心属性丢失情况下可能发生的故障类型,表明该方法具有实用性。(本文来源于《华北电力大学（河北）》期刊2009-12-20）
谭喆,胡学钢[8]（2009）在《一种基于索引的概念格分布式构造方法》一文中研究指出现有的概念格并行/分布式构造算法在处理较大规模数据时,需要搜索大量不相关概念,降低了算法性能。为此,提出了一种基于索引的概念格分布式构造方法——LCBI,插入新概念时先利用索引快速找出新概念的极大相关概念,再对所有极大相关概念的子概念进行自顶向下地并行搜索以找出它们的交叉子概念,从而减少了搜索范围。理论分析和实验表明,在处理大规模稠密数据时,LCBI比其他分布式算法具有较明显的优势。(本文来源于《计算机应用》期刊2009年05期）
杨彬,徐宝文[9]（2008）在《分布式概念格的属性约简研究》一文中研究指出概念格的属性约简是形式化概念分析理论的重要研究内容之一.传统的格属性约简方法主要是针对非分布式环境下单个形式背景的,而随着数据分布存储和处理的广泛应用,研究基于分布式环境下概念格的属性约简具有重要的意义.为此,提出属性的超集和确定集的概念,刻画了形式背景中不同类型属性的局部特征与全局特征,推导出属性约简的判定定理;在此基础上,给出计算分布式环境下概念格属性约简的ADSCL和DRCL算法.ADSCL算法用于计算属性的超集和最小确定集,这些约简信息将作为DRCL算法的输入,以计算得到全局形式背景的约简.理论分析和实验结果表明,该算法是有效可行的.(本文来源于《计算机研究与发展》期刊2008年07期）
杨彬,徐宝文,李亚军[10]（2008）在《基于概念格的分布式约简理论框架(英文)》一文中研究指出为了缩减知识推理空间,提高分布式环境下知识处理的效率,提出分布式概念格属性约简的理论框架.基于粗糙集理论的思想,从子形式背景和全局形式背景的角度,刻画了核心属性、相对必要属性和绝对不必要属性的属性特征,给出属性约简的判定定理.在此基础上,给出概念格的分布式属性约简方法:首先,使用现有的约简方法分别计算各子形式背景的约简,然后,逐一利用各子背景的约简,通过合并计算得到全局形式背景的约简.给出了算法的实现并用实例验证了它的有效性.分布式约简有效避免了使用现有方法而引起的数据安全和网络通信等问题,提高了约简的计算效率.(本文来源于《Journal of Southeast University(English Edition)》期刊2008年01期）
分布式概念格论文开题报告
（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：
形式概念分析(FCA)即是概念格理论,在知识发现和信息检索领域中得到普遍的应用,故对于概念格的研究也成为热点。随着大数据时代的到来,使得海量数据的分布存储和分布计算变得越来越重要,其中分布式环境下模糊概念格的集成变得尤为紧迫,提高构造概念格的效率仍是关键问题之一,目前,国内外大多数学者和研究人员对于概念格的构造提出的各种算法,大都是面向形式背景的,然而对于面向概念格的构造却很少提及。为解决概念格的构造效率问题,本文提出了面向概念格的分布式集成方法。概念格的集成是先对子概念格中的概念按内涵个数递减的顺序进行排序,对于排序后的子概念格再集成为全局概念格。文中构造全局经典概念格时选择两种不同的集成方式：一种是添加式集成方式；另一种是二路归并式集成方式。实验表明这两种概念格的分布式集成策略各有优缺点,但都能提高经典概念格的构格效率。然而现实生活中的信息常常具有不确定性或者模糊性,故需要采用模糊概念格来处理这些模糊的信息。对分布在各个子节点的模糊概念格的集成,本文提出了一种分布式环境下模糊概念格的集成算法。该算法主要是根据子模糊形式背景来建立有序的子模糊概念格,利用模糊概念格的偏序关系,对已有序的子模糊概念格进行集成,在集成的过程中运用嵌套技术,即是将某一子模糊概念格作为一个整体嵌入到另一个子模糊概念格中,嵌套后的概念格删除冗余的概念,完成两两集成,最终构造全局模糊概念格。接着在经典概念格分布式集成和两两模糊概念格集成的基础上提出了模糊概念格分布式集成时所采用的两种集成方式：先来先集成方式和优先级集成方式,其中优先级集成方式由于考虑了子模糊概念格中概念的个数,实验表明该算法是有效的,相比先来先集成方式更能够提高模糊概念格在分布式环境下的构格效率。
（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。
分布式概念格论文参考文献
[1].范淑媛,王黎明,姜琴,张卓.概念格的分布式集成算法研究[J].计算机科学.2016
[2].范淑媛.分布式环境下模糊概念格的构造方法[D].郑州大学.2015
[3].王庆荣.基于语义异构数据库的概念格分布式构造算法研究[J].兰州交通大学学报.2013
[4].马冯,曾志勇,余建坤.分布式概念格的纵向合并方法研究[J].计算机工程与应用.2011
[5].王玮.概念格分布式构造算法研究[D].太原科技大学.2010
[6].王玮,张继福.一种基于网格的概念格分布式构造方法[J].太原科技大学学报.2010
[7].洪晓东.概念格理论在分布式电网故障诊断中的应用研究[D].华北电力大学（河北）.2009
[8].谭喆,胡学钢.一种基于索引的概念格分布式构造方法[J].计算机应用.2009
[9].杨彬,徐宝文.分布式概念格的属性约简研究[J].计算机研究与发展.2008
[10].杨彬,徐宝文,李亚军.基于概念格的分布式约简理论框架(英文)[J].JournalofSoutheastUniversity(EnglishEdition).2008
论文知识图
