基于复合粗算子的形式概念格

形式概念格和粗集理论作为人工智能领域的2种有效而重要的数学方法,为知识处理和数据分析提供了一系列代数工具。该文研究形式概念格的复合粗集表示方法,证明了概念的内涵和外延都是某复合粗近似算子的不动点。结果揭示了形式概念格与粗糙近似空间之间内在的密切联系,对完善概念格分析的数学模型具有一定的作用。     

粗糙概念格及构造算法

概念格是数据分析与知识提取的一种有效工具,具有精确性和完备性等特点。针对决策形式背景,采用粗集理论中近似的方法描述格的内涵所拥有的外延,给出了一种粗糙概念格结构,具备了描述不确定知识的能力,在此基础上,给出了粗糙概念格的构造算法CARCL。     

粗积分与函数粗集的粗糙度

在函数粗集的基础上给出了下近似积分、上近似积分与粗积分的概念,利用这些概念不仅给出了粗积分的可分辨关系、不可分辨关系、有限萎缩性和有限扩张性定理,还定义了函数粗集的精度与粗糙度及二者之间的一些关系,并给出函数粗集的筛选-剩余原则。     

集族等价与基于粒的下近似算子研究

基于覆盖的粗集是推广经典粗集理论的方法之一,有基于元素、基于粒和基于子系统的3类定义上下近似的途径,以往大多数的文献往往从基于元素的角度出发进行定义。为了研究基于粒的近似算子特别是下近似算子的性质,借鉴格论中既约元、可约元等概念,提出了集族约简的概念。从集族约简出发,探讨了集族等价的概念与性质,并设计了集族约简的算法,得到了两个集族等价是两个集族生成相同的下近似运算的充要条件这一结果,为进一步开展一般二元关系下基于粒的近似算子的公理化方法的研究做了初步的理论方面的准备工作。     

粗交流的一种新定义形式

利用上近似、下近似等概念给出粗交流的一种新定义形式，得出该定义形式下粗交流与原定义形式下粗交流之间的关系定理。最后通过一个具体实例给出直观分析。     

基于SPA的不完备信息系统的双向S 粗集模型*

利用集对分析(SPA)理论,定义不完备信息系统的同异反联系度及集对α相似关系,描述了不完备信息系统中元素迁移奇异集合的上下近似,给出其双向S粗集模型和数学结构,并通过实例说明不完备信息系统的双向S粗集存在的背景与实际意义。不完备信息系统的双向S粗集是对其理论的完善和发展,是双向S粗集的一般形式,为不完备信息系统的动态近似规则的提取和分析研究其动态近似特性奠定了理论基础。     

一种粒度概念格模型及其构造方法研究

概念格构造的时间复杂度一直是影响其应用的主要因素。针对这个问题,提出了根据一个近似关系构造形式背景上的覆盖,进而依据用户参数选定一个覆盖分类集形成子形式背景的方法,给出了子形式背景对应的粒度概念格模型及其构造方法,证明了粒度概念格和原概念格之间的关系,通过子概念格的合并可以生成原概念格,通过实例说明了该方法的有效性。     

函数双向S-粗集的信度特征

利用函数双向S-粗集的结构,给出函数迁移的信度特征,函数集Q的下近似信度特征,函数集Q的上近似信度特征;利用这些结果,给出函数双向S-粗集的信度特征,提出函数双向S-粗集的随机结构与随机定理。函数双向S-粗集的结构是函数双向S-粗集的随机结构的特例,函数双向S-粗集的随机结构是函数双向S-粗集结构的一般形式。     

粗集中上下近似运算的逻辑性质

1 引论近年来,粗集理论的实际应用与理论探讨已成为计算机科学中的一个热点问题。1995年Pawlak曾在文[6]中指出,粗集的逻辑性质研究将是今后粗集理论的一个重要同题。本文正是通过深入研究拓扑布尔代数与粗集的关系,给出了关于有限拓扑布尔代数的表示定理,从逻辑上全面刻画了粗集中上下近似运算这一核心概念。     

不完备形式背景上的知识表示

不完备形式背景中包含有不确定性信息,其上的知识表示与完备形式背景上的知识表示既有区别又有联系.为了研究两者的内在联系,定义了偏小近似形式背景与偏大近似形式背景,以及偏小近似概念格与偏大近似概念格,提出了偏大近似概念格上粗糙概念的识别方法,研究了偏小近似概念格与偏大近似概念格之间的蕴含关系.结论表明,可以用偏大近似概念格来作为不完备形式背景的知识表示工具.     

一种新的粗集粗糙性度量方法

基于等价关系和一般二元关系,通过引入粗集边界熵概念,利用粗集边界的知识粗糙性和粗集本身的粗糙度刻画粗集粗糙性,为粗集粗糙性提供了一种更为合理的度量方法,为粗糙集中概念的获取和刻画提供了理论依据.     

S-粗集系统不确定性的近似处理方法

针对S-粗集的动态特性,提出了内（外）边界的概念,讨论了内（外）边界的一些性质,给出了相对精度的度量,并举例说明了S-粗集系统不确定性的近似处理方法。     

纵向合成背景的面向对象概念格属性约简

随着计算机网络的发展,多个形式背景分布存储在不同的网络节点,研究合成背景的属性约简就显得十分重要。提出了一种多背景纵向合成的面向对象概念格的属性约简方法,给出了面向对象概念格的属性近似算子真子集的定义,并给出了各子形式背景和合成形式背景的属性特征间的关系,在此基础上,给出了合成形式背景的属性近似算子真子集、子形式背景的属性近似算子真子集和属性等价类间的关系,并利用它们间的关系给出了合成背景的各种属性判别的充要条件,进而给出了合成背景属性约简的构造算法。     

覆盖上近似集与相对闭包

文献[1]中的相对闭包不能对应于覆盖广义粗集理论中的另一个主要概念覆盖上近似集.因此本文给出了关于子基β的相对闭包的另一种定义,使之能对应于覆盖广义粗集理论中的覆盖上近似集.主要结果:相对闭包的一些基本性质、同一拓扑的两个子基会生成相同的相对闭包运算的充分必要条件、相对内部运算和相对闭包运算的相互依赖性.这些结果可以看作是覆盖广义粗集的理论基础.     

覆盖模糊S-粗集模型

建立了基于覆盖理论的模糊S-粗糙集模型,并讨论其性质。在覆盖单向S-粗集x的最小描述的基础上,给出了x的最大描述的定义。给出了覆盖模糊S-粗集上 、下近似算子定义,讨论了算子的基本性质,证明了覆盖S-粗糙集模型下所有模糊集的下近似构成一个模糊拓扑,并得到模糊单向S-粗集X相对于覆盖单向S-粗集和覆盖约简单向S-粗集的上下近似分别相等。     

粗集公理组的极小化

粗集公理化是粗集理论研究的一个重要部分，它的目标是获得可靠和极小的粗集公理组，以往文献在这一研究中取得了有意义的进展，给出了若干组粗集公理，但是，它们在粗集公理的表示形式，粗集公理组的极小化以及粗集公理组的可行性证明中，尚未达到粗集公理化的理想目前，该文在以往文献的基础上，研究了粗集公理组的极小化，首先，去除了现有的粗集公理组中稳含着沉余性，得到了更为精练的两组粗集公理，并证明了它们的可靠性，其次，定义了极小粗集公理组概念，并证明了给了的两组粗集公理是极小的，最后，讨论了一个典型粗集公理组S5，并证明了它的可靠性和极小化。     

近似概念格及其增量构造算法研究*

针对传统概念格处理不完备信息的局限,给出了处理形式背景有缺值现象的概念格扩展模型———近似概念格,在此基础上提出改进的概念格增量构造算法。该算法引入哈希技术和最近父节点的增量计算方法,从加速定位生成元和更新边这两个关键过程改进Godin算法。采用随机数据集设计实验,实验表明,改进的算法可有效提高对形式背景有缺值现象概念格的建格效率,尤其是对数据规模和发生关系概率较大的数据集,算法的高效性更明显。     

变精度粗集模型在决策树生成过程中的应用

Pawlak粗集模型所描述的分类是完全精确的,而没有某种程度上的近似。在利用Pawlak粗集模型构造决策树的过程中,生成方法会将少数特殊实例特化出来,使生成的决策树过于庞大,从而降低了决策树对未来数据的预测和分类能力。利用变精度粗集模型,对基于Pawlak粗集模型的决策树生成方法进行改进,提出变精度明确区的概念,允许在构造决策树的过程中划入明确区的实例类别存在一定的不一致性,可简化生成的决策树,提高决策树的泛化能力。     

一种近似概念格及其在知识发现中的应用研究*

针对经典概念格基于完备形式背景,在缺值形式背景下不能很好的获取关联规则知识的问题,在偏小近似形式背景的基础上,提出了一种τ-近似概念格来解决信息不完备背景下的知识发现问题,利用它能够获取精度和可信度较高的关联规则知识。文章对τ-近似概念格的构建及其关联规则提取过程进行了详细描述,并将其与偏小近似概念格和偏大近似概念格这两种解决策略进行了案例分析对比,验证了它的可行性和有效性。     

粗集、S-粗集、函数S-粗集及其关系定理

针对Pawlak粗集理论的现况,着重介绍了S-粗集、函数S-粗集的定义、两种结构及对偶形式,详细讨论了S-粗集与Pawlak粗集之间的关系,函数S-粗集与S-粗集、Pawlak粗集之间的关系。最后给出了S-粗集理论的可应用领域。