因素空间与数据科学

为解决粗糙集和形式概念分析在数据库中所施展的无母体论的样本操作问题,提出了以因素空间为母体的关系数据库样本理论,为非传统概率统计方法提供了新的信度基础.通过回溯因素空间的发展历史及其成果,介绍与关系数据库的关系,说明了因素空间乃是数据科学最贴切的数学基础理论.研究结果表明:在因素空间基础上所建立的样本理论与传统的概率统计理论有本质的不同,样本不仅是分析的根据,更是培植的对象;对于凸背景关系,面对着大数据流,数据分析师只需把握住为数不多的样本基点,随时按规则调整这组基点,便可获得母体完整的信息.     

基于三支决策的形式概念分析、粗糙集与粒计算

三支决策是一种用"三"来思考、解决问题和处理信息的方法,即把待解决的问题分解为三个元素或者三个部分,进而再行处理。形式概念分析、粗糙集以及粒计算是当今知识发现领域中三个重要的理论。我们用三支决策的观点解释和分析形式概念分析、粗糙集以及粒计算中的基本概念、理论,并剖析它们之间的联系。     

不确定信息的粗糙集表示和处理

随机性和模糊性是不确定性中最重要和最基本的2个特征。分析和比较了表示和处理不确定性知识的一些主要的拓展集合理论,并系统的介绍了基于粗糙集的不确定知识的表示和处理方法。系统讨论了粗糙集理论对经典集合论的拓展,用经典集合计算方法对粗糙集的核心算子进行了对比分析,同时对定义在信息系统上的粗糙逻辑也进行了分析。通过分析粗糙集理论在人工智能领域的几类典型应用案例说明了粗糙集在表示和处理不确定性问题方面的重要作用和优势。最后对不确定知识的表示和处理的一些有待进一步深入研究的关键问题进行了展望。     

一种基于粗糙集的不确定决策知识约简算法

粗糙集理论是处理不完整和不确定知识的数学工具,能有效地分析和处理不精确、不一致、不完整的各种不完备信息,并从中发现隐含知识,揭示潜在规律.针对决策知识冗余、决策效率低下等问题,本文以粗糙集理论为基础,研究不确定性的知识约简算法及决策规则获取方法.首先,研究粗糙集理论与知识约简理论基础,包括知识及知识库、知识表达系统、核与约简的关系;然后,研究了属性约简算法,包括属性的重要性、属性约简算法和属性值约简算法的相关定义及其数学模型表示,并给出了属性约简步骤;最后,以软件维护性及影响因素决策表为例,按照属性约简步骤,完成了属性约简和属性值约简,通过实例分析验证了算法的可行性、有效性和决策规则获取方法.结果表明,运用粗糙集理论对知识进行约简,可以简化复杂系统、消除冗余知识,获得知识库简洁表达的方法,有效维护知识库的结构和性能.     

基于虚拟节点的概念格三维可视化布局算法

形式概念分析理论是一种研究属性和对象的数据挖掘方法.概念格作为形式概念分析理论中的核心数据结构,具有直观表达知识单元内在联系的作用,可以作为知识图谱可视化工具.针对传统三维可视化布局算法在概念格表示上,存在复杂概念格结构表示不清、图形不够美观的问题,提出了一种基于虚拟节点的概念格三维可视化布局算法,提升了概念格Hasse图图形的美观度.该算法通过添加虚拟节点对二维KK布局算法改进,并与传统分层算法中的分层函数相结合,有效解决了层内节点横向扩张过大及节点连线交叉过多表示不清晰的问题,使概念格结构变得明确、易读.为对Hasse图图形美观度进行定量度量,提出了一种以空间分布密度为依据的美观度度量指标.通过与传统三维布局算法中圆形分配算法在该指标上的对比分析,验证了该算法在概念格可视化布局方面对已有三维布局算法的优越性.     

不完备信息系统的知识获取

介绍了在不完备模糊信息系统中知识获取的一种方法.应用这种方法能够将不完备系统转化为模糊信息系统,然后利用模糊粗糙集理论,让隐藏在不完备信息系统中的知识以决策规则的形式表示出来.     

基于粗糙集理论的大学生学习成绩影响因素分析

粗糙集理论是处理知识不精确和不完善的一种归纳学习方法,能在保留关键信息的前提下,对数据进行化简并求得最小的知识表达,同时能识别并评价数据之间的依赖程度。文中针对学习成绩影响因素的复杂性,将粗糙集理论的技术思想应用于大学生学习成绩影响因素的定量分析中,研究了大学生学习成绩与其影响因素的关系,并确定了影响大学生学习成绩的主要因素。     

基于边界域的变精度粗糙集

粗糙集理论作为分类学习的一种工具,借助一对极值映射的一元算子,利用已知的知识结构表示未知的研究对象.具体主要体现在已知知识包含于未知对象集或与对象集相交不空.随着数据规模的不断增长以及数据形式的日趋复杂,严格意义的包含常常不能满足现实的需要.因此,经典粗糙集忽略了非常接近于严格包含的情况.变精度粗糙集放宽了严格包含关系.弥补了经典粗糙集理论的这一不足.然而,和经典粗糙集相比,变精度粗糙集不可避免地失去了一些基本性质.为了进一步探讨这些性质的本质内涵,在研究已有变精度粗糙集结构和性质的基础上,提出了3类基于边界域的变精度粗糙集模型,比较研究了这些模型之间的联系和区别.结果表明,第Ⅰ类变精度模型是已有变精度粗糙集模型的推广,第Ⅱ类变精度模型则是经典粗糙集的直接拓展形式之一.这2类变精度模型都侧重于从局部多数包含的角度刻画对象集.第Ⅲ类变精度模型侧重从对象集的整体边界域,即整体多数包含的角度描述了未知知识.     

基于粗糙集理论的集对分析方法

针对集对分析的基本理论,分析粗集与集对的相似之处,将粗糙集理论与集对论相互嫁接、相互渗透,提出集对分析中的粗糙集方法,用粗集中的上下近似集来定义集对中的同异反联系度.这种方法的研究将有利于融合二者的优势,为确定不确定系统的数据分析、数据挖气掘、知识发现等提供了更扎实的理论基础.     

基于粗糙集理论的故障树重要度分析

在工程风险评价的失效可能性计算中,故障树重要度分析是一项重要技术,它经常遇到许多不确定、不完整的因素.采用粗糙集理论对这些不确定、不完整数据进行处理与分析,并通过埋地燃气管道的外腐蚀故障树重要度分析的实例,阐述了粗糙集理论的概念、原理、方法和应用.结果表明,粗糙集理论是一种完全基于客观的综合重要度分析方法,在工程上具有实用意义.     

基于概念格的知识发现及其在高校就业数据分析中的应用

形式概念分析是数据分析与知识发现的有效工具,现已被广泛应用于各个研究领域。决策形式背景是形式概念分析中的重要关系数据库之一,其主要研究内容是基于规则提取的知识发现。本文借助于Wille概念格和面向对象概念格对决策形式背景的规则提取问题进行研究,给出了规则提取算法,并通过高校就业数据对算法进行了实证分析。     

基于粗糙集的转炉炼钢知识发现模型

针对转炉炼钢知识发现的特点,采用粗糙集理论进行分析,应用数据清洗、标准化及离散等方式对转炉炼钢生产数据进行预处理,以炼钢生产的主要影响因素作为知识发现的条件属性,以转炉冶炼终点控制目标作为知识发现的决策属性,建立了基于粗糙集方法的转炉炼钢知识发现模型,实现转炉炼钢生产知识的自动发现、获取和规则提取。以转炉冶炼终点钢水温度的变化规律做为知识发现的决策属性,采用210 t转炉炼钢实际生产数据进行模型的应用测试,结果表明提取出的铁水硅含量、铁矿石质量、氧气消耗量等影响因素对转炉冶炼钢水终点温度存在重要影响,且模型提取出的转炉炼钢终点钢水温度知识规则与现行转炉炼钢现场的变化规律一致,证明基于粗糙集方法的转炉炼钢知识发现模型的有效性。     

形式概念分析的粒计算方法及其研究展望

形式概念分析是知识表示与处理的一种实用数学方法,因其核心工具概念格的构造代价涉及指数时间复杂度,它在一定程度上导致其处理数据效率不高,这个问题也一直阻碍着该理论的快速发展与广泛应用。粒计算以粒的形成、粒的转移、粒的合成与分解等手段有效解决问题而著称,它允许问题在各个粒化层面上得到处理,并根据实际需要在解决问题的精度与耗时之间做出权衡。形式概念分析的粒计算方法的主要研究目标是将粒计算的这些优势融入传统形式概念分析中以有效解决数据分析与处理问题。具体地,本文从Galois连接的粒计算模型、对象粒化、属性粒化、关系粒化、关系诱导的概念粒化、粒规则、粒约简、粒概念、粒概念学习、概念粒计算系统等角度展示形式概念分析的粒计算方法的主要研究内容,并针对大数据与认知学习提出若干挑战性问题。有关讨论结果将为形式概念分析的粒计算方法的研究与发展提供借鉴。     

三支概念分析研究现状与展望

三支概念分析是三支决策理论与形式概念分析相结合产生的一种用于知识发现的理论。该文简述了形式概念分析的优劣势与三支决策理论的意义,以此为基础阐述了三支概念分析产生的思想,从理论研究与应用两个角度梳理了有关三支概念分析的研究成果,对三支概念分析未来的研究方向与趋势进行了展望。     

高档车削中心故障知识库构建技术

面向高档车削中心典型功能部件,构建状态监测试验平台,提出机床故障知识库模型;采用小波包理论进行故障能量特征提取;研究基于粗糙集理论的知识获取技术.实验结果表明,小波包分析与粗糙集方法相结合能够有效获取机床故障规则,提高了故障诊断率,为实现机床故障预测提供可靠数据来源,为分析导致故障的影响因素提供了关键试验技术.     

F-模糊粗糙集及其约简

模糊粗糙集的知识约简是模糊粗糙集理论的核心内容之一,从增量式的数据、海量数据或动态数据中挖掘出人们感兴趣的知识,是数据挖掘研究的一个重点,也是一个难点.首先,给出模糊粗糙集的属性重要度的定义及属性约简的定义;其次,从F-粗糙集及并行约简出发,并结合模糊粗糙集的属性重要度,提出了F-模糊粗糙集及其约简,为增量式或动态模糊决策表的属性约简提供了一种有效的方法;最后,通过实例验证了F-模糊粗糙集及其约简的可行性.     

知识空间、形式背景和知识基

知识空间理论已成功应用于教育领域,它为构建知识评价体系提供了一种科学的途径。形式概念分析作为知识发现的一种有力工具已被广泛用于信息检索、知识评价等领域。该文首先介绍知识空间中关于知识基的基本理论和方法,其次介绍形式背景中基于知识基的属性约简理论,最后通过知识基建立了知识空间和形式背景之间的联系。     

基于粗糙集的RDT决策树生成算法的研究及应用

介绍了一种基于粗糙集理论的决策树生成算法--RDT(Rought Set Decision Tree).该方法运用了粗糙集理论中条件属性相对于决策属性的核,引入启发式条件计算并选择条件属性作为决策树的根结点或子结点.通过一个例子,与运用信息熵概念建立决策树的算法进行比较,结果表明采用RDT方法得到的决策树优于采用信息熵方法得到的决策树.还讨论了RDT与ID3算法对决策树精度和规模的影响,分析数据分类和知识发现的过程及特点.     

形式背景下粗糙集近似算子的公理化方法

给出了在形式概念分析中粗糙集近似算子的一种新的定义方式,并给出了它们的公理化刻画。同时也给出了作者Shao提出的另外一对形式概念分析中粗糙集近似算子的公理化刻画。公理化方法有助于理解近似算子的数学结构特征。     

一种基于聚类的粗糙集连续属性的离散化算法

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。粗糙集理论只能对离散属性进行处理，而不能处理连续属性。中针对这一缺陷，利用连续数值属性有序性的性质和统计方差理论，提出了一种基于聚类的连续属性离散化算法。运用典型数据将本算法与现有方法进行了比较分析，得到了满意的结果。