基于n阶算子的面向对象概念格压缩

研究面向对象概念格的简化问题。针对给定的形式背景,引入对象集和属性集上的n阶算子,产生n阶面向对象概念,并构建Hasse图。从而通过调整n值大小,可控制面向对象概念格的压缩格节点的个数,实现对面向对象概念格的动态压缩。提出的基于n阶算子的面向对象概念格压缩方法,可使压缩后的概念外延为原概念外延的交,概念内涵为原概念内涵的并,从而达到简化知识库的目的。     

逆演绎的学习算法研究

针对传统归纳学习的困难,提出一种新的逆演绎的学习算法.从学习任务、模式声明和启发信息角度出发,研究逆演绎学习算法相关的逆演绎规则、格结构和状态算子等核心问题,并利用逆演绎的学习算法实现了学习推理系统.该算法包括最特殊子句构造、状态空间搜索和覆盖集计算3个模块;以最泛化子句为顶结点、最特殊子句为底结点、其他为中间结点,通过状态算子构建格结构的状态空间,在压缩引导的启发信息下,类A＊算法完成状态空间搜索,得到压缩最大的正例结点或反例结点;再利用覆盖集算法不断进行覆盖正例去除反例的操作,计算出经剪枝和压缩的最优子句;重复计算的最大压缩率的假设,便是搜索出的关系,也是需要学习的结果.算法测试结果表明,逆演绎的学习算法可产生泛化能力很强的规则,是可行及有效的.     

基于依赖空间的F-C变精度概念格

在模糊形式背景中,首先基于变精度算子定义属性幂集上的一致关系,引入依赖空间;根据一致关系构造闭包算子,研究闭包算子与变精度概念之间的关系;进一步通过研究闭包算子的不动点和变精度概念的内涵之间的关系,给出变精度概念格的构造算法;最后通过实验验证本文方法的可行性。     

基于包含度理论的概念格构造方法研究

利用包含度理论定义了一种基于形式背景的算子,证明了包含度取不同值时,该算子可以构造出概念格、补背景概念格、面向属性概念格以及面向对象概念格。从而说明应用包含度理论可将基于形式背景的各种建格问题进行统一描述。     

基于条件属性蕴含的概念格构造及简化

基于三元背景研究三类概念格的构造和简化.首先,基于三元背景构造一个条件属性蕴含形式背景,该背景以三元背景属性集上的属性蕴含为对象,以三元背景的条件为属性.并针对条件属性蕴含形式背景给出形式概念的定义,构造相应的概念格.其次,由于条件属性蕴含形式背景中对象的个数随着三元背景中属性个数的增加呈指数级增长,这使得条件属性蕴含形式背景往往是一个比较大的数据表,因此,对条件属性蕴含形式背景进行对象约简,将原来的对象集替换为单个条件下形式背景的极小属性蕴含构成的集合.该对象约简方法不仅在很大程度上简化了条件属性蕴含形式背景,而且简化后的形式背景对应的概念格与原来的概念格同构.最后,在条件属性蕴含形式背景上引入了可能性算子和必然性算子,在此基础上定义了对象定向概念格和属性定向概念格.     

一种基于直觉模糊语言概念格的规则提取方法

针对具有模糊语言值不确定性信息的决策问题,提出一种基于直觉模糊语言概念格的规则提取方法.基于直觉模糊概念格,提出直觉模糊语言形式背景及直觉模糊语言形式概念,探讨直觉模糊语言形式概念间的偏序关系以及直觉模糊语言概念格之间的细于关系.在直觉模糊语言决策形式背景下,给出直觉模糊语言集之间的相似度以及加权相似度,讨论其相关性质.构建条件概念格和决策概念格,得到在直觉模糊语言决策形式背景下的规则集,建立直觉模糊语言规则提取应用模型.通过疾病诊断实例说明该方法的有效性和实用性.所提出的方法能够同时考虑决策过程中正反两方面的评价信息,减少决策过程中的信息损失.     

多区间概念格的动态横向合并算法

为准确高效的完成数据的准备工作,提出在属性集不同、对象集相同形式背景下多区间概念格的动态横向合并算法.首先,为保证格结构的完整性,对区间概念格的渐进式生成算法进行改进,将区间概念分为存在概念、冗余概念和空概念;其次,结合区间概念格自身特点,给出区间概念格一致性的概念以及格结构横向合并的充要条件;再次,将合并后的区间概念分情况进行讨论,并给出相应的横向合并原理;最后应用层序遍历的方法扫描格结构,提出横向合并效率.实例表明,该算法的可行性和高效性.     

基于包含度理论的面向属性(对象)概念格构造

目的将包含度理论用于形式背景的研究中。方法根据包含度理论定义了一对基于形式背景的算子。结果利用算子可以构造面向对象概念格和面向属性概念格。结论利用包含度构造了面向对象概念格和面向属性概念格。     

直觉模糊概念格的属性约简

研究直觉模糊形式背景下的概念格属性约简.利用直觉模糊逻辑算子给出了直觉模糊概念格的构造,通过直觉模糊集的水平截集定义了可辨识属性矩阵,给出了直觉模糊概念格的属性约简方法.     

完备格上基于t算子的直觉模糊粗糙集模型

基于对偶三角模,将直觉模糊粗糙集模型在完备格上进行统一处理:首先在完备格上引入非算子的概念,定义和讨论了完备格上基于t算子的直觉模糊集及其运算法则;讨论了完备格上基于t算子的对偶三角模剩余蕴涵及其相互转化关系;在讨论完备格上基于t算子的直觉模糊集的对偶三角模TS隶属度和非隶属度表示的基础上,给出了完备格上基于t算子的直觉模糊集对应的剩余蕴涵之隶属度和非隶属度计算公式;最后,在定义完备格上基于t算子相似关系的基础上,定义和刻画了完备格上基于t算子的直觉模糊粗糙集模型.     

区间集概念格的构造理论研究

区间集概念格是对形式概念分析理论的扩展,也是形式概念分析与区间集理论相结合的产物。区间集概念所反映的是人类认知的动态描述,它比形式概念更复杂,而在此基础上形成的区间集概念格也更为复杂。文中在研究区间集概念格与概念格之间关系的基础上,提出了一种构造区间集概念格的方法,其主要思想是将概念格中的形式概念在某种合适规则下融合成区间集概念。最后给出了该方法相应的算法。     

三支区间集概念格

分别在完备和不完备形式背景下提出了三支区间集概念格模型,然后讨论对象诱导的三支区间集概念格与区间集概念格之间的关系,证明由区间集概念得到对象诱导的三支区间集概念的充要条件,并设计相应的算法。最后讨论对象诱导的三支区间集概念与经典概念之间的联系,证明由经典概念得到对象诱导的三支区间集概念的充要条件,并设计相应的算法。     

基于概念格模型的约简表示及求解

文章在研究概念格与粗糙集之间关系的基础上,建立了基于概念格的粗糙集合模型表示,并提出了基于概念格模型求解决策表的约简与核的方法。该算法首先构建概念格,通过在建格过程中及时动态地消除与约简求解无关的结点,提高算法的效率,继而扫描概念格判断决策表的一致性,得到核以及所有非约简,进而得到所有约简;理论分析与实验表明了算法的正确性和有效性。     

基于相似关系的不完备形式背景属性约简

研究不完备形式背景的属性约简问题。通过比较对象间属性值的一致性, 定义了对象集上的一个相似关系, 进而定义了基于相似关系的粗糙近似算子, 利用目标集的粗糙集近似, 可以提取语义明确的决策规则。基于不完备形式背景中相似关系给出一种属性约简的概念, 研究了属性约简的判定定理, 给出了三类属性的特征刻画。 最后, 利用对象间的辨识属性, 给出了一种属性约简的方法, 并举例说明了方法的可行性。     

一种HSV空间上分层压缩感知的图像检索算法

通过构建二维压缩感知测量模型,提出一种分层HSV特征和分层纹理特征提取与图像检索新算法。在图像HSV空间上引入网格离散划分和分层映射算子,定义一种基于HSV网格空间上的分层映射矩阵和拟灰度共生矩阵;设计归一化Gauss随机矩阵作为测量矩阵,使用二维压缩感知测量模型对上述两种矩阵进行压缩采样;采用PCA(Principal Component Analysis)方法获取上述两种分层采样矩阵的特征值序列,作为图像的分层HSV特征与分层纹理特征。最后融合上述两类特征综合计算图像间的整体相似度并实现图像检索。仿真实验表明,上述两类特征具有很好的可区分性,有效提高了图像检索效率,特别对复杂背景的图像检索性能更优     

面向对象的模糊三支半概念

将经典半概念理论引入模糊三支概念进行分析,单向地考虑对象集与属性集之间的关系,从而推广模糊三支概念的应用.在模糊形式背景下,首先,根据对象和属性之间的隶属度关系以及给定阈值,定义了面向对象的模糊三支半算子;然后,提出面向对象的模糊三支半概念的定义,从格论角度出发讨论其偏序关系以及上下确界,并进行相关定理的证明;最后,给...     

连续区间Pythagorean模糊相似测度及其多属性决策方法

针对基于连续区间Pythagorean模糊相似测度的多属性群决策问题,首先,提出连续区间Pythagorean模糊有序加权平均(C-IVPFOWA)算子;然后定义一种新的连续区间Pythagorean模糊相似测度,并研究该相似测度的优良性质;接着,基于连续区间Pythagorean相似测度构建决策者权重和属性权重非线性优化模型,同时提出基于新的连续区间Pythagorean相似测度的多属性群决策方法;最后,通过智能家居工程案例验证所提出方法的可行性和有效性.     

属性定向概念格的协调近似表示空间

构造形式背景、协调决策形式背景和不协调决策形式背景的统一模型,并提出不同形式背景的概念格的属性约简的定义和方法.首先,定义对象幂集上的一种等价关系,并利用该等价关系给出属性定向概念格的协调近似表示空间的概念.其次,针对不同形式背景构造相应地协调近似表示空间.特别地,构造不协调决策形式背景的四类协调近似表示空间,分别为分布协调近似表示空间、最大分布协调近似表示空间、下协调近似表示空间和上协调近似表示空间.最后,给出协调近似表示空间的属性约简的定义,并利用可辨识矩阵给出属性约简集的判定定理.分析表明,形式背景和决策形式背景(包括协调的和不协调的)都可看作是协调近似表示空间的特殊形式,且形式背景的属性约简恰好对应协调近似表示空间的属性约简.因此,协调近似表示空间的属性约简方法可以在一定程度上降低由形式背景的复杂性带来的概念格的属性约简的复杂性.     

毕达哥拉斯模糊三支概念格

将毕达哥拉斯模糊集理论引入模糊三支概念格中, 在毕达哥拉斯模糊形式背景下研究毕达哥拉斯模糊三支概念格的构造。首先, 结合毕达哥拉斯模糊集理论将对象与属性的关系同时用隶属度和非隶属度表示, 给出毕达哥拉斯模糊形式背景的定义;其次, 基于给定的阈值α和β以及三支决策思想, 将对象集(属性集)划分为正域、负域, 边界域3个部分;在此基础上, 给出2种毕达哥拉斯模糊三支概念(对象导出毕达哥拉斯模糊三支概念与属性导出毕达哥拉斯模糊三支概念)的定义和相关定理, 构建相应的概念格;最后, 结合实例阐释毕达哥拉斯模糊三支概念格在实际问题中的应用。     

基于概念格的知识约简算法的实现

探讨了Rough集和概念格的基本理论,将Rough集和概念格模型有机地结合起来,运用Rough集的约简理论提出一种基于概念格的知识约简方法并通过实验进行了验证,结果表明利用Rough集理论对以形式背景形式描述的原始数据集进行约简,可以在一定程度上减小概念格的规模.