基于差别矩阵的区间值形式背景属性约简

目的在形式概念分析理论框架下,研究区间值形式背景的属性约简。方法给出区间值属性集差别矩阵和区间值形式背景属性约简的定义,并研究相关性质;研究协调区间值属性集的判定定理。结果给出协调区间值属性集的判定定理,以及基于区间值属性集差别矩阵的区间值形式背景约简方法。结论区间值形式背景可进行属性约简。     

形式模糊背景中单边模糊概念格的属性约简

形式概念分析是一种有效的知识表示和知识发现的方法,形式背景和形式概念是形式概念分析中的两个基本概念.形式背景描述了对象集和属性集间的一个二元经典关系,隐含其中的知识通过概念格的形式表示出来.形式模糊背景是形式背景在模糊集理论下的自然推广,建立在其上的模糊概念格在实际应用中面临许多困难,为此,多种形式的模糊概念格的改进形式应运而生.单边模糊概念格就是一种具有较好应用前景的改进模糊概念格.主要研究基于经典-模糊概念格的形式模糊背景的属性约简问题,这里属性约简的概念具有保持相应的概念格整体结构不变的含义.关于属性约简,给出了多种形式的属性约简判定定理,针对属性约简,将所有属性分为三类,探究了不同类型属性的特征刻画.最后,通过引入模糊概念间的辨识属性集的概念,得到了基于辨识属性矩阵的属性约简方法,并通过示例验证了属性约简方法的可行性.     

基于概念背景的概念格启发式属性约简

提出了概念格的概念背景,在保持概念格中各概念外延不变的情况下,即保持概念背景的论域划分不变的情况下对概念格的属性集进行了约简,提出了概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性.     

基于AE-概念格的决策形式背景属性约简

针对AE-概念格, 在属性三支协调下, 提出了保持非冗余规则信息不丢失的属性约简理论。 首先讨论了子背景下的相关性质, 其次定义了属性三支协调决策形式背景中的非冗余规则协调集, 并获得了该协调集的判定定理, 最后给出利用差别矩阵和差别函数得到相应约简的方法。     

形式概念格属性约简集的组成与结构

形式概念分析理论对于知识发现、信息检索、机器学习、软件工程等领域是一种很有效的数据分析工具。概念格属性约簖理论是揭示概念格中属性本质特征的一种方法。在此证明了等价的相对必要属性不能在同一个约简集中出现,每个约简集与每个相对必要属性等价类的交都不空,概念格的每个约简集都是由所有的绝对必要属性和每个相对必要属性等价类中的一个相对必要属性组成,从而彻底地揭示了概念格约简集的组成与结构。     

基于概念格基本定理的属性约简

研究了概念格属性约简理论,在更一般的形式背景(即对象集和属性集有限或无限)中,基于概念格基本定理,从新的角度给出协调集的判定,进而得到约简的判定.对属性集的分类做了进一步的刻画,改进了已有的结果.     

基于可辨识矩阵的动态属性约简算法

可辨识矩阵是粗集理论中可以标识决策属性和条件属性之间关系的矩阵。根据数据库的动态建立特性，提出了一种基于粗集理论中的可辨识矩阵的动态属性约简算法，利用数据的动态性和可辨识矩阵的特性对己有的属性约简进行修正，并通过实例证明了这种算法的有效性，该算法极大地节省了计算量，提高了算法的执行效率。     

基于可辨识矩阵的动态属性约简算法

可辨识矩阵是粗集理论中可以标识决策属性和条件属性之间关系的矩阵.根据数据库的动态建立特性,提出了一种基于粗集理论中的可辨识矩阵的动态属性约简算法,利用数据的动态性和可辨识矩阵的特性对己有的属性约简进行修正,并通过实例证明了这种算法的有效性,该算法极大地节省了计算量,提高了算法的执行效率.     

形式背景上基于矩阵信息熵的矩阵熵约简

概念格的属性约简是知识表示和数据处理的一种有力工具,已被成功应用到多个领域,寻求高效快速的属性约简算法仍然是概念格理论的主要研究热点.从信息熵和布尔矩阵的角度研究形式背景的属性约简,提出属性约简的新方法.首先,在形式背景上定义矩阵信息熵、矩阵条件熵、矩阵联合熵和矩阵互信息熵,研究它们的性质和相互之间的关系.接着,在形式背景上提出基于矩阵信息熵的矩阵熵协调集和矩阵熵约简的定义,给出了属性的重要性度量,利用矩阵信息熵刻画核心属性、相对必要属性和不必要属性的属性特征,再给出获取矩阵熵约简的方法和算法.最后,利用UCI数据集进行测试,验证了基于矩阵信息熵的矩阵熵约简算法的有效性.通过对比实验,证明该算法具有更加高效的约简性能且适用于大数据样本.     

概念格属性约简的一种快速求法

形式概念分析理论对于知识发现、信息检索、机器学习、软件工程等领域是一种很有效的数据分析工具．通过对概念格属性约简的研究,给出了绝对必要属性、相对必要属性和绝对不必要属性的判定定理,在此基础上给了直接从对象集求约简属性的快速算法．     

基于属性粒度研究决策形式背景的规则提取理论

粒计算作为研究热点之一, 使得用多角度、多层次的方法研究问题变为可能。将粒计算引入决策形式背景, 将会获得更为精确的决策规则。从属性粒度树的角度出发, 首先定义了多粒度决策形式背景,其次研究了粒化前后协调性之间的关系,最后给出了粒化前后多粒度决策形式背景上的规则之间的关系。     

形式背景中属性特征与对象特征的完备定义

形式背景是形式概念分析理论中的一个重要元素,是用于表达和记录对象与属性之间二元关系的数据载体;形式背景中属性间的关系、对象间的关系是非常重要的关系,由此表现出来的属性的特征、对象的特征非常值得研究.本文目的是给出形式背景中属性特征与对象特征的完备数学定义及其性质,为偏序结构理论的研究奠定坚实的基础.     

基于OE-近似概念格的不完备决策背景的规则提取

首先,通过对象诱导的三支条件近似概念格和三支决策近似概念格的细于关系,定义了不完备决策背景的OE-协调性;然后,在OE-协调的不完备决策背景上提出了对象诱导三支规则的提取方法, 分别从正面和负面的角度对规则进行获取和解释, 给出了冗余规则的判定定理及非冗余规则集的提取算法;最后,利用包含度理论,提出了带有置信度的三支规则提取方法, 提供了更为丰富的细节, 使得获取的规则更加完善。     

合成背景的面向属性概念格生成

目的研究合成背景下面向属性概念格的生成。方法面向属性概念格理论。结果由两个简单形式背景的面向属性概念格获得了合成形式背景的面向属性概念理论。结论推广了已知结果,易于获得复杂形式背景的面向属性概念格,从而更有利于知识发现。     

基本概念格的关联规则挖掘算法

在已有的基于概念格的关联规则挖掘算法中,搜索频繁结点的范围太大,从而导致花费大量的时间来产生关联规则。针对这一不足,利用“索引链表”数据结构来辅助快速地找到所有的频繁结点,缩小了结点的搜索范围,降低了概念格中挖掘关联规则算法的复杂度。     

基于关联格的概念格约简理论

研究概念格与其关联格之间的关系并给出了两者之间的同构定理,进而研究了由概念格的关联格来进行属性约简的理论与方法。     

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。     

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。