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。     

多源形式背景中的粒结构

多源数据的知识发现是大数据分析领域的重要研究问题。借助剩余格理论研究多源形式背景的融合形式背景中概念的粒结构。针对多源同域形式背景融合成的L模糊形式背景,刻画了融合形式背景中的可变阈值概念与单源形式背景中的概念之间的关系;给出了融合形式背景的粒约简计算方法并讨论了融合形式背景的粒约简与单源形式背景的粒约简之间的关系。     

基于可能属性分析的粒描述

粒计算是一种利用粒化信息的思想解决复杂问题的方法和有效工具.在粒化的过程中常常需要对粒进行描述,因此粒描述成为了粒计算的一个基本问题.本文在考虑基于必然属性分析的粒描述基础上,提出了基于可能属性分析的粒描述.首先,将面向属性概念的外延看作形式背景上的可定义粒,给出了可定义粒的描述方式;然后,利用概念的稳定性,给出概念的...     

多粒度面向对象概念格的构造

目的研究多粒度面向对象概念格的构造。方法在单粒度面向对象概念格外延集上作并运算,得到多粒度面向对象概念的外延集,再运用下近似粒算子,得到多粒度面向对象概念的内涵集,进而构造多粒度面向对象概念格。结果给出了由单粒度面向对象概念格构造多粒度面向对象概念格的方法。结论多粒度面向对象概念格的提出进一步完善了概念格理论。     

基于粒集的概念粒系统

在作者提出的粒计算新模型──粒集理论的基础上,提出了粒系统、概念粒系统和粒概念等概念,并对它们分别进行了描述,其中粒系统的描述是五元组形式,即(U,D,L,H,J).当约束J的形式为一种特殊形式,即为概念中内涵与外延间反变关系的数学描述时,(U,D,L,H,J)就是概念粒系统.由此给出了概念粒系统的一些基本数学性质,证明了全体粒概念构成一个完备格──粒概念格,同时初步探讨了形式背景与概念粒系统之间的关系,从而进一步扩充了粒集理论的内容,完善了粒集理论.     

面向属性(对象)概念格基于直观图的保并(交)约简

属性约简是形式概念分析中的一个重要问题,文中主要研究面向属性概念格和面向对象概念格的保持并(交)不可约元外延不变的约简。给出面向属性概念格和面向对象概念格的保并约简和保交约简的定义;研究了这两个格的保并约简和保交约简之间的关系;利用形式背景直观图,给出获取这两种格的保并约简和保交约简的理论与方法。     

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。     

粒集理论:粒计算的新模型

在已有的有关粒计算研究成果的基础上,表述了信息的粒化、层次化和动态性原理,并综合了粒的表示形 式后,提出了粒集的概念,确认了粒的二元组的表示形式#同时借用统一集的形式对粒集进行了描述,分析了统一 集与粒集的异同,给出了与粒集相关的一些概念,讨论了用粒集形式来表达其他各种各样的集合,诸如经典集合、 模糊集合、可拓集合、Vague集合、粗糙集合等后,又讨论并表示了粒运算和粒集运算,最后给出了粒集理论的初步 应用框架。粒集理论为粒计算提供很好的理论基础，从而使粒计算确立自己独立的研究领域。     

对象式程序的正确性验证方法研究

介绍当今流行的各种程序正确性验证方法的基础上，讨论了在面向对象程序设计的正确性验证中所遇到的特殊问题，提出了类级正确性和系统级正确性的概念，将公理证明方法加以扩充，使之可以用于面向对象程序系统的证明，并用特征调用的概念解决了证明中出现的计算过程中止性的问题．     

面向对象概念格上的近似概念及概念认知

针对概念认知问题，该文通过形式背景中任意对象(属性)集在面向对象(属性)概念格中形成的下近似概念外延(内涵)和上近似概念外延(内涵),探讨了面向对象(属性)概念、面向对象(属性)下近似概念、面向对象(属性)上近似概念之间的关系，得到在面向对象(属性)概念格中生成下、上近似概念的一种有效方法。对于面向对象概念格中任一概念，由其外延形成的下近似概念和上近似概念是它本身；对于面向属性概念格中任一概念，由其内涵形成的下近似概念和上近似概念也是它本身。同时通过举例说明。另外，将近似概念应用于面向对象(属性)概念格中进行概念认知并给出相应算法。对于给定的任一对象(属性)集线索，通过其形成的近似集去逼近该线索，得到1个精确概念或者2个近似概念，以进行概念认知。同时给出概念学习精度来衡量概念认知的准确性。     

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。     

基于DFS的并行粒计算模型及其应用

粒计算是近几年提出的新概念。在粒计算领域中,动态模糊性是普遍存在的,而人们在用粒计算求解问题时又希望从并行角度来求解问题。因此,基于DFS,给出并行粒计算模型和算法,并用实例进行分析,说明该算法是有效的,从而进一步丰富了粒度计算的研究内容。     

基于二二进制粒与粒计算的属性约简

目前有关粒计算的理论与方法主要有商空间理论、词计算理论和粗糙集理论。以粗糙集理论发展的粒计算理论为基础,定义了幂图、粒度幂图及二进制粒等概念,提出基于二进制粒计算与粒度幂图的两种属性约简算法,把属性约简问题转化为在粒度幂图中的搜索问题,为属性约简开辟了新的途径。理论分析表明,所提出的算法是有效可行的。     

粒关系演算：关系计算与数据的桥梁

粒计算及其理论,尤其是模糊集,为处理概念实体信息粒提供了全面的概念框架和处理机制,但现有的信息粒处理机制不能充分利用实验数据的特征。基于粒计算推导出的理论来增强关系计算和模糊关系计算的基本结构。认为可以通过结合现有数据所控制的描述性组件来增强关系演算领域中的规范性结构。实验表明,合理粒度原则有助于增强现有结果,并将实验结果以信息粒的形式进行了展示。     

信息系统中粒计算模型及其属性约简方法

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,目前在国际上逐步得到了人工智能有关研究人员的重视。模糊粒度模型、粗糙集粒度模型、邻域系统下的粒计算模型、商空间模型、相容粒度空间模型是目前几种常用的粒计算模型。基于粗糙集理论的粒度模型,通过决策信息系统的粒子空间中各粒子的推理,给出了决策信息系统中核属性计算方法;在此基础上,提出了决策信息系统属性约简的计算方法;通过实例验证了该方法的有效性。     

基于二进制粒与粒计算的属性约简

目前有关粒计算的理论与方法主要有商空间理论、词计算理论和粗糙集理论.以粗糙集理论发展的粒计算理论为基础,定义了幂图、粒度幂图及二进制粒等概念,提出基于二进制粒计算与粒度幂图的两种属性约简算法,把属性约简问题转化为在粒度幂图中的搜索问题,为属性约简开辟了新的途径.理论分析表明,所提出的算法是有效可行的.     

大数据时代下概念格的多粒度构造研究

概念格被认为是数据分析的有力工具,在诸多领域得到了研究和应用。随着大数据时代的发展需要,要求概念格的完整性,概念格的节点大小随着形式背景大小的增加呈指数增长。鉴于大数据时代构思概念格所面临的挑战,该文将粒计算融于概念格的研究中,在概念格的多粒度计算模型的基础上,通过概念格多粒度构造的渐进式算法,对概念格的概念进行分层次构造。同时,分析概念格多粒度构造与存储模型的验证及应用,来分析概念格构造的问题。     

基于属性概念的决策形式背景协调性研究

决策形式背景是在形式背景的基础上通过增加决策属性而得到的,相应的可生成条件格和决策格。基于这两个格中属性概念外延之间的关系提出属性粒协调决策形式背景这一概念,并从属性概念的角度给出决策形式背景现有的强协调性、弱协调性和协调性的新的描述方式,进一步解释属性粒协调决策形式背景与这三种决策形式背景之间的关系;最后,提出属性粒规则的概念,并给出以此为基础的规则获取方法。     

面向对象方法探讨

通过将面向对象方法与结构化方法的比较,分析了结构化方法存在的问题,剖析了面向对象方法的重要概念和基本特征,并描述了面向对象程序设计的基本过程及其存在的缺陷,最后从科学认识辨证法的角度进一步探讨了面向对象方法。     

基于粒计算的元胞自动机交通流的研究

将粒计算技术引入到元胞自动机的交通流研究中,从而为进一步提出基于元胞、粒和交通网络三层结构的交通流系统奠定基础,继而改进传统交通流模拟系统的架构.在此交通流模拟系统中,粒及粒计算的思想反映为系统设计中的车队概念,而在某一时间步进内,交通网络中所有车辆的更新将按照路段、车队、车辆的层级顺序进行.