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。     

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。     

必然-可能半三支概念

三支概念分析是将三支决策思想引入形式概念分析而产生的数据分析与知识发现的新工具.由于三支概念从同一角度刻画正、负两方面信息,语义较为严格,致使其在团队合作等实际问题中应用受限.针对此问题,本文利用区间集将必然算子与可能算子进行融合,定义必然-可能三支算子,并探讨其性质,进而将半概念的思想引入三支概念分析,提出必然-可能...     

基于面向对象(属性)概念格的三支规则提取

三支形式概念分析作为形式概念分析的推广,从正信息和负信息角度对概念进行了更精细和更完整的描述.针对决策形式背景,从三支决策思想的视角研究对象导出三支面向对象概念格(OEO-概念格,Object-induced three-way object-oriented)和属性导出三支面向属性概念格(AEP-概念格,Attribute-induced three-way property-oriented)的规则提取问题.首先,借助三支算子给出OEO-协调以及对象导出面向对象三支决策规则的概念,在此基础上研究其规则与面向对象概念格的决策规则之间的关系,研究结果显示当决策形式背景在OEO-协调和面向对象协调的前提下,两者之间存在包含关系.其次,对偶地,提出AEP-协调和属性导出面向属性三支决策规则的定义,并讨论其与面向属性概念格的决策规则之间的关系,进一步地刻画其与属性导出三支决策规则之间的联系.最后,结合实例详细解释所提出的理论.     

净化属性对偶背景下完全格的形式概念分析（英文）

形式概念分析是数据分析和知识获取的有效工具,而三支概念格是概念格的扩展。在形式概念分析中,完全格与概念格有同构关系,但并不是每一个完全格都会同构于三支概念格。文章对净化属性对偶背景下的原子、不可约元素、补集和概念格的V-化简律等进行了研究,讨论了完全格、负概念格和三支概念格之间的同构问题。在给定的条件约束下,实现了完全格到概念格、负概念格和三支概念格之间的特征变换。     

基于属性导出三支概念格的决策背景规则提取

给出了决策形式背景在属性导出三支概念格下的规则提取方法。首先定义了属性导出的三支概念格间的细于关系,以此为基础给出了决策形式背景三支协调的定义以及在三支协调下提取规则的方法,并研究了所获规则与经典决策背景下所获规则的关系。最后结合实例阐明了三支规则的有效性与优越性。     

面向灰色区间的三支概念分析

近年来,三支概念分析已经成为知识表示和数据分析的有效工具,然而,其尚不能处理“范围已知,内部未知”的灰色区间信息.为了解决灰色区间数据在三支概念分析理论中的建格问题,研究了基于灰色数据背景的三支概念分析.利用灰集合的上、下隶属度来表示对象和属性之间的关系,结合灰色数学的相关理论,提出灰色三支概念分析及灰色三支概念格,并研究其性质、定理.最后借助实例验证其有效性和可行性.为三支概念分析理论在解决复杂、不确定性信息方面提供了可行性方案,有效解决了三支概念分析中无法处理区间灰色信息的局限性.     

基于三支概念格线图的混合蕴含获取

考虑到三支概念分析中三支算子可以表达对象集和属性集之间"共同具有"和"共同不具有"这两种语义,基于该理论对混合蕴含规则进行研究.首先定义三支概念分析下的混合蕴含规则,并利用三支算子的性质给出混合蕴含规则成立的充分必要条件;然后根据三支概念的构建算法以及三支概念之间的偏序关系给出三支概念格线图的构建方法;最后,基于三支概念格线图提出混合蕴含规则的获取方法.     

模糊三支概念分析与模糊三支概念格

为了进一步将模糊集合理论引入到三支概念分析中,在模糊形式背景下研究了属性导出模糊三支概念与对象导出模糊三支概念,将已有的经典三支概念拓展到了模糊三支概念中,对完善三支概念理论有重要意义.首先,在模糊形式背景下,结合模糊集合理论将对象与属性的关系用隶属度表示.然后,用阈值α以及三支决策思想,将外延(内涵)分为正域,负域,边界域三个部分.其次,提出了两种模糊三支概念(属性导出三支概念与对象导出三支概念)的相关定义和重要定理.最后,结合实例详细解释了模糊三支概念在实际生活中的应用.模糊三支概念分析理论在非经典的背景下为粒计算、人工智能、机器学习等提供了可行的思路.     

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。     

多线程并行构建三支概念

针对三支概念分析理论中三支概念数量庞大、构建耗时的问题,提出了一种三支概念的并行构建算法PCbO3C。PCbO3C以提高三支概念的构建效率为目标,在三支概念串行构建算法CbO3C的基础上进行并行化改进,利用多线程技术并行计算给定形式背景的所有核心三支概念。并行化处理借鉴了算法PCbO的思想,通过串行算法CbO3C计算出第L层的所有三支概念,并存放到P个队列中,第L层当前生成的三支概念循环依次放入P个队列中,以使算法达到较高的负载均衡;创建P个线程,利用CbO3C并行处理P个队列中的三支概念,使得CPU资源得到充分利用。由于多线程间没有同步操作,使得PCbO3C算法的整体效率得到了进一步提高。为了验证算法PCbO3C的效率,在8核CPU环境下对多组UCI和随机数据进行实验,实验结果表明:PCbO3C速度上明显优于CbO3C,当线程数不超过8时,线程数每增加1倍,并行算法的速度可以提高约67%。     

对象导出三支概念格的熵属性约简

将信息熵引入形式背景中,研究对象导出三支概念格的熵属性约简. 首先,定义对象导出三支概念格的信息熵、条件熵和互信息等概念;其次,根据属性在约简过程中的重要性探讨核心属性和非核心属性的熵判定条件,并得出对象导出三支概念格的熵协调集等价于OEG协调集(对象导出三支概念格的粒协调集),对象导出三支概念格的熵约简集等价于OEG约简集;最后,给出决策形式背景中对象导出三支概念格的熵协调和熵约简等概念,并给出启发式熵约简的方法.     

概念格与三支决策及其研究展望

概念格是形式概念分析理论中的核心数据分析工具,三支决策是三分而治思想的理论化、方法化与策略化,两者的结合已带来诸多新问题、新思想与新方法。文中着重论述概念格与三支决策相结合的研究历程、研究内容以及研究展望。     

面向属性变化的动态邻域粗糙集知识更新方法

提出了属性集变化时动态更新三支决策区域的矩阵方法。首先,利用邻域距离矩阵和邻域关系矩阵等构建了面向决策类的邻域三支决策区域的表示;其次,考虑邻域决策系统中的属性变化情况,分析邻域关系矩阵等相关矩阵的更新策略;然后利用相关矩阵的更新策略,分别提出了属性增加和属性删除时更新三支决策区域的矩阵方法;最后,通过公共数据集验证了基于矩阵的增量更新方法的有效性。     

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。     

模糊三支形式概念分析与概念认知学习

目前,三支形式概念分析只适用于传统的形式背景,无法处理模糊环境中的形式背景。为了解决这个问题,文中结合三支形式概念分析与模糊集理论,提出了模糊三支算子及其逆算子,并对其相关重要性质进行了研究。在此基础上,定义了两类模糊三支概念,即属性导出模糊三支概念和对象导出模糊三支概念。随后,以对象导出的模糊三支概念为例,讨论了模糊三支概念的概念认知学习方法,实现了不完备模糊三支概念的认知学习。最后,为了更好地解释和理解所提出的理论,文中进行了案例分析并设计了认知学习算法,通过数值实验验证了所提出方法的有效性,进一步丰富了三支形式概念分析和概念认知学习理论。     

双论域模糊概率三支决策模型及其应用

双论域信息系统下的模糊概率粗糙集是粗糙集理论的一个重要拓展模型，然而，该模型目前还未有三支决策方面的相关研究。针对这一问题，提出一种双论域信息系统下的模糊概率三支决策模型。文中首先在双论域模糊概率粗糙集基础上定义了决策动作和决策代价的概念，然后以贝叶斯决策最小化代价为基础，推导出了双论域模糊概率关系下决策区域的三元划分，即三支决策模型，最后提出了双论域信息系统的模糊概率三支决策分类算法。实验分析证明了所提出的三支决策分类算法在双论域信息系统上的有效性和优越性。     

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。     

三支弱协调决策形式背景的规则获取

规则获取是三支概念分析中的一个重要问题。本文首先基于属性导出三支概念格间的细于关系,定义了三支弱协调的决策形式背景,并给出了基于属性导出三支概念格三支弱协调决策形式背景的规则获取方法。然后,研究了三支规则与二支规则之间的关系。最后,定义了属性导出三支概念的弱闭标记,并利用弱闭标记给出了三支弱协调决策形式背景的规则获取方法,剔除了冗余规则从而简化规则。     

直觉模糊集所诱导的软集语义及其三支决策

借助于阴影集,利用直觉模糊参数,将直觉模糊集转化为悲观阴影集和乐观阴影集,提出直觉模糊集悲观三支决策和乐观三支决策,给出直觉模糊集诱导软集的方法。利用三支决策理论,提出软集三支决策定性模型。结合直觉模糊集悲观三支决策和乐观三支决策,利用直觉模糊参数,给出软集三支决策定量模型。