论文部分内容阅读
异构数据在各种实际应用中大量存在，异构数据的建模与关联分析占有重要地位，传统的概念格模型以及现有的各种扩展模型已经不适应这种需求。本文对Ganter和Wille定义的Galois连接函数 f（A）和 g（B）进行修正，讨论了异构数据集上的偏序形成，提出了面向异构数据分析的广义概念格模型。文中事件分析的例子表明：采用广义概念格模型可以对异构数据建模型，进行关联分析挖掘隐含知识。