布尔矩阵空间及正则布尔矩阵的g－逆线性空间

研究了布尔矩阵空间和正则布尔矩阵的ｇ－逆线性空间的一些性质。在此基础上，给出了正则布尔矩阵的ｇ－逆集的另一个表示法。进而，提出了正则布尔矩阵的特征矩阵概念，通过特征矩阵可以表征一个正则布尔矩阵的极小ｇ－逆集、主ｇ－逆和ｇ－逆线性空间的一些重要性质。     

布尔矩阵的极小合g－逆和g－逆集的一个表示法

提出了布尔矩阵的极小ｇ－逆（广义逆）的概念，给出了求正则布尔矩阵的极小ｇ－逆集的一个算法和极小ｇ－逆个数的计算公式。根据ｇ－逆界定理，一个正则布尔矩阵Ａ的全部ｇ－逆可以通过Ａ的极小ｇ－逆集和最大ｇ－逆表示出来。     

布尔矩阵的极小g—逆和g—逆集的一个表示法

提出了布尔矩阵的极小ｇ－逆（广义逆）的概念，给出了求正则布尔矩阵的极小ｇ－逆集的一个算汉和极小ｇ－逆个数的计算公式。根据ｇ－逆界定理，一个正则布尔矩阵Ａ的全部ｇ－逆可以通过Ａ的极小ｇ－逆集和最大ｇ－逆表示出来。     

布尔矩阵g-逆的求法

本文给出了布尔矩阵的最大ｇ－逆的构造性算法,极小ｇ－逆的简易算法及其人证明,从而可以简捷算出布尔矩阵的全部ｇ－逆。     

关于布尔矩阵的加权Moore-Penrose逆

讨论布尔矩阵的加权Moore-Penrose逆,给出了布尔矩阵的加权Moore-Penrose逆存在的一些充分必要条件以及布尔矩阵的加权Moore-Penrose逆的一些刻画和性质,特别,得到了当布尔矩阵A的加权Moore-Penrose逆存在时,A的加权Moore-Penrose逆是唯一的,并且当权矩阵大于等于单位矩阵时A的加权Moore-Penrose逆正好等于A的转置矩阵。     

知识基的布尔矩阵求解方法

用布尔矩阵方法对知识空间的原子和知识基进行研究.首先,建立知识空间和(反)知识背景之间的联系;其次,用布尔矩阵表示(反)知识背景,研究其对应的关系矩阵和对象关系矩阵的性质;最后,从知识状态、算子、布尔向量和布尔矩阵等角度判定原子的特征,给出知识空间中原子和知识基的求解方法.     

各种布尔矩阵最大广义逆

设Ａ是布尔矩阵，依据４个性质、ＡＧＡ＝Ａ，ＧＡＧ＝Ｇ、（ＧＡ）￣Ｔ＝ＧＡ、（ＡＧ）￣Ｔ＝ＡＧ的不同组合，定义了五种广义逆Ａ￣－、Ａｒ￣－、Ａ＿ｍ￣－、Ａ＿ｌ￣－、Ａ￣＋，这里Ｇ是布尔矩阵．本文中，我们证明了，如果Ａ￣－、Ａｒ￣－、Ａｍ￣－、Ａ＿ｌ￣－、Ａ￣＋，存在，那么它们一定有最大广义逆，其表示分别为（Ａ￣ＴＡ￣ＣＡ￣Ｔ）￣Ｃ、（Ａ￣ＴＡ￣ＣＡ￣Ｔ）￣ＣＡ（Ａ￣ＴＡ￣ＣＡ￣Ｔ）￣Ｃ、（Ａ￣（ＴＣ）ＡＡ￣Ｔ）￣Ｃ、（Ａ￣ＴＡＡ￣（ＴＣ））￣Ｃ、Ａ￣Ｔ．     

布尔矩阵平方根的一些性质

布尔矩阵的平方根问题是一个到目前为止尚未解决的组合问题.既没有一个通用的准则可以用来判断一个布尔矩阵是否有平方根,对于有平方根的布尔矩阵也没有一种快速的方法构造出其平方根.从布尔矩阵的结构特征出发,首先讨论有平方根的布尔矩阵具有的一些性质,指出布尔矩阵与其平方根在结构上存在的内在联系;基于这些联系,给出两种由已知平方根构造新平方根的方法;最后得到布尔矩阵存在平方根的一个充要条件,并以此给出一种构造布尔矩阵平方根的方法.     

广义循环布尔矩阵三明治半群的正则元

设B={0,1}是二元布尔代数,Cn(r)是B上所有n阶r—循环矩阵组成之集,Gn=∪n-1r=0Cn(r),则Gn对二元布尔矩阵的乘法构成一个半群,称它为广义循环布尔矩阵半群.对于半群Gn中任一个固定的非零c—循环矩阵C,在Gn中定义一个新的运算“”如下:A,B∈Gn,AB=ACB.则(Gn,)也构成一个半群,称(Gn,)为(带有三明治矩阵C)的广义循环布尔矩阵三明治半群,并记为Gn(C).本研究刻画了半群Gn(C)中的所有正则元,并且给出求Gn(C)中每一个正则元的所有g-逆的一个方法.     

布尔矩阵与关系性质的判断

本文用布尔矩阵理论的方法对关系及其性质作了系统的论述，并给出了判断关系的可传递性的一个很方便的布尔矩阵方法。     

一种求布尔矩阵全体广义逆的新算法

本文从K.J.Plemmous在文[1]提出的布尔矩阵广义逆的定义出发,给出一个通过较少运算步骤就能判定一个布尔矩阵是否有广义逆,以及当有广义逆时,快速求出其全部广义逆的算法。     

关于布尔矩阵行空间的基数

设Ｂｎ表示所有的ｎ阶布尔矩阵的集合,Ｒ（Ａ）表示Ａ∈Ｂｎ的行空间,｜Ｒ（Ａ）｜表示Ｒ（Ａ）的基数,本文证明了：（１）对任意整数Ｓ,０≤ｓ≤ｎ－５（ｎ≥）,存在Ａ∈Ｂｎ,     

幂等布尔矩阵及布尔矩阵平方根的图论性质

从图论的角度，对幂等布尔矩阵的判断方法给出更为简捷的证明，同时完善从布尔矩阵的已知平方根构造新的平方根的方法.     

反循环布尔矩阵的本原性

研究反循环布尔矩阵的本原性,引入了反循环布尔矩阵的概念,用矩阵方法以及关于循环矩阵的结果来研究其本原性。得到了反循环布尔矩阵本原性的一个充要条件。反循环布尔矩阵的本原性由其一行元素中1的位置分布特性所决定。     

基于布尔矩阵和MapReduce的FP-Growth算法

关联规则挖掘是数据挖掘的一个重要组成部分.为提高关联规则的挖掘效率,提出了一种基于布尔矩阵和MapReduce的FP-Growth算法(BPFP),分析了算法的时间和空间复杂度.该算法使用Hadoop框架和布尔矩阵以减少对事务数据的扫描次数,利用两次MapReduce来实现频繁项集的挖掘.在多个数据集上的实验结果表明,与原FP-Growth算法相比,BPFP算法具有更高的执行效率、更好的加速比.     

可约临界布尔矩阵的幂敛指数集

本文给出了ｎ阶可约临界布尔矩阵的幂敛指数集ＮＲｎ的一个明显表达式。     

概念的EI代数表示与布尔矩阵表示的研究

AFS方法是一种新的模糊数学分析方法，它包括AFS代数——一种非布尔代数的分子格，AFS结构——一种特殊的“system”(“system”是组合数学中的一个主要的数学对象)和认知域．在AFS代数和AFS结构的基础上，用AFS方法给出了EI代数和布尔矩阵环之间的一个同态关系，并证明了与每个布尔矩阵对应的所有概念的集合在EI代数上形成一个子代数．并且找到了子代数的一些性质和研究子代数的新方法．应用这些新方法和子代数的性质可以深入研究概念的数学本质．     

关于L-Fuzzy正则矩阵的乘积

本文首先改进和推广了Ki Hang Kim和F.w.Roush关于广义Fuzzy矩阵(1980)的一些结果,较为简单地证明了正则L-Fuzzy矩阵的行秩等于列秩;其次将一般布尔矩阵的空间可解问题推广到L-Fuzzy矩阵。并利用Fuzzy线性空间的标准基的唯一性证明了空间解的唯一性,得到了正则L-Fuzzy矩阵的乘积是正则的充要条件。     

基于布尔矩阵的保持二元关系不变的概念约简

通过布尔矩阵运算,研究保持二元关系不变的概念特征和概念约简问题。首先,用布尔矩阵表示形式背景,用关系矩阵生成对象\属性关系矩阵,并研究其相关性质。其次,通过矩阵运算获取概念约简中三种不同概念的概念特征。最后,用矩阵运算实现概念区间集的极小运算,简化辨识矩阵,给出概念约简的求解方法,与已有的形式背景的概念约简方法进行比较,该矩阵算法简单且时间复杂度更低。     

广义循环布尔矩阵半群的格林关系

研究了广义循环布尔矩阵的秩，在此基础上对广义循环布尔矩阵半群的Ｌ、Ｒ关系进行了刻划。