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。     

基于决策规则的形式背景属性约简*

在经典形式背景中,利用对象和属性间的二元关系定义一对粗糙模糊上、下近似算子,讨论算子的基本性质,指出算子与已有粗糙近似算子的关系.利用定义的粗糙模糊上、下近似算子,得到两类决策规则,即确定性决策规则和可能性决策规则.针对两类决策规则,提出下近似约简和上近似约简的概念,关于上近似约简,得到可约属性和属性协调集的判别条件,给出属性约简方法,并举例说明方法的可行性.     

基于信息熵的形式背景属性约简

属性重要度和属性约简都是形式概念分析研究中的关注重点.通过信息粒的角度,文中提出基于信息熵研究形式背景的属性约简的一些方法.首先,给出形式背景的信息熵、条件熵及互信息等定义,通过条件熵对协调的决策形式背景进行属性约简,得到形式背景的粒协调和熵协调是等价的.然后,在熵不协调的决策形式背景中定义有限信息熵、有限条件熵和有限互信息,利用有限条件熵对不协调的决策形式背景进行属性约简.最后,基于属性重要度分别设计熵协调和熵不协调的决策形式背景的属性约简算法,通过数值实验验证文中算法的有效性.     

粒计算中基于属性分类的形式概念属性约简

针对目前已有的形式概念属性约简算法的不足(如属性约简的时间复杂度偏高、属性及属性值比较过程中存在冗余计算、存储开销大等问题),结合粒计算思想,提出基于属性分类的形式概念属性约简模型.首先,通过定义两个算子来划分属性之间分类关系;然后,由属性分类关系制定约简规则,并在此基础上提出基于属性分类的形式概念约简算法,该算法在保持目前最低时间复杂度不变的情况下,减少了冗余计算和存储开销,提高了属性约简的计算效率;最后,通过实例和仿真实验对基于属性分类关系的形式概念属性约简算法的有效性进行了验证.     

粒协调决策形式背景的属性约简与规则融合

针对基于决策形式背景进行属性约简与规则提取能够更便捷有效地获取知识,因此规则提取及属性约简是形式概念分析理论重要的研究课题。本文基于等价关系研究粒协调决策形式背景的属性约简与规则提取,定义粒协调集与粒约简,给出粒协调集判定定理,并结合布尔方法给出属性约简算法,最后利用集值向量包含度这一工具给出决策形式背景中的乐观规则融合方法与悲观规则融合方法。     

不协调决策形式背景属性约简方法研究

主要对不协调决策形式背景进行了定义,给出了近似函数和近似协调集的判定定理。给出近似可辨识矩阵和近似约简的方法,通过实例验证了该方法的可行性。     

变精度粗糙集模型属性约简分析

分析了变精度粗糙集模型属性约简过程出现跳跃的原因,并给出消除跳跃现象的方法。探讨了基于分类质量、相对正域和决策类下近似的属性约简定义,并采用属性添加法对条件属性进行约简,约简过程反映了分类能力的变化。     

协调决策形式背景及其属性约简

主要讨论协调决策形式背景的属性约简。首先定义了形式背景基础上的二元关系,并给出了协调决策形式背景,决策约简的定义。同时,给出了决策可辨识矩阵,得到协调决策形式背景知识的约简方法。     

变精度集对粗糙集模型中的属性约简

属性约简是粗糙集理论的核心内容之一。论文是继续文献[8]的工作,在变精度集对粗糙集模型的基础上,定义了变精度的重要性算子和变精度的近似约简等概念,并由此给出了一种属性约简的启发式算法。算法既能保证属性约简的准确性,又能增加其灵活性,它可以通过对相似度α和精度β的调节,按照广度优先搜索策略,从条件属性集中逐一删除重要性最小的属性,从而得到一个满足相似度和精度要求的近似约简。同时,它也是完备信息系统的属性约简算法的推广(当α=1,β=0时)。最后通过一个实例,分析说明算法的可行性和有效性。     

模糊决策表中基于OWA算子的三支属性约简

在模糊决策表中,基于有序加权平均（Ordered weighted averaging,OWA）算子建立的相容关系中,OWA算子是一个信息集成工具。本文利用OWA算子及其诱导的截集相容关系,分别讨论基于正域、负域与边界域的属性约简。首先,利用OWA算子中的权重给出属性区分对象的贡献度;然后,根据属性贡献度定义每个属性被约简的可能性;从而给出模糊决策表的一种启发式三支属性约简方法,该方法可以减少属性约简的搜索空间并避免属性约简的盲目性;最后,利用实例来分析影响该三支区域属性约简方法的主要因素,并说明该启发式属性约简方法的合理性和有效性。本文提出的属性贡献度度量及启发式三支属性约简方法将减少属性约简的搜索空间,有益于模糊决策表特征选取的应用。     

基于可辨识矩阵的启发式属性约简方法及其应用

在基于可辨识矩阵的属性约简算法的基础上，提出了基于可辨识矩阵的计算属性重要性的方法，并以此作为启发式知识来约简决策表中的冗余属性。这种方法直接源于评审数据，思路清晰，拟合结果表明本约简算法合理、可靠。     

一种改进的连续属性模糊离散化方法

连续属性离散化是知识系统中的一个重要环节,一个好的离散化方法能够简化知识的描述和便于对知识系统的处理。而求取连续属性值的最优断点集合是一个NP难题。提出一种连续属性模糊离散化的Norm-FD方法：根据正态分布特点采用正态离散化算法（Norm-D算法）,使其离散结果达到需要离散区间数,根据属性值和与其相邻的区间关系将具体属性值用F-Inter算法转化为用隶属度、分区号和偏向系数三个参数表示。     

一种改进的连续属性模糊离散化方法

连续属性离散化是知识系统中的一个重要环节,一个好的离散化方法能够简化知识的描述和便于对知识系统的处理。而求取连续属性值的最优断点集合是一个NP难题。提出一种连续属性模糊离散化的Norm-FD方法:根据正态分布特点采用正态离散化算法(Norm-D算法),使其离散结果达到需要离散区间数,根据属性值和与其相邻的区间关系将具体属性值用F-Inter算法转化为用隶属度、分区号和偏向系数三个参数表示。     

基于属性区分能力和AP聚类的属性粒化方法

提出了一种基于属性区分能力和AP聚类的属性粒化方法(Attribute Granulation based on attribute discernibility and AP algorithm,AGAP)。该方法首先依据属性依赖度计算属性的区分能力;然后将所有属性作为潜在的聚类中心,使用AP算法聚类,得到若干个属性簇类;最后采取选用代表属性的方法得到较粗的属性粒子,从而达到属性粗粒化的要求。对高维数据的特征降维,这种算法比传统的属性约简算法大大提高了运算效率,在属性粒化精度要求不是很严格的情况下,所提算法优势明显。     

一种基于属性重要性的变精度粗糙集属性约简算法

结合胡可云算法中对属性重要性的描述,以条件属性在可辩识矩阵中出现的频率作为启发信息,提出一种基于变精度粗糙集模型的属性约简算法.实验证明,该方法能够有效地对决策表进行属性约简,并具有一定的抗噪声能力.     

运用属性探索构建完备描述逻辑本体

分析描述逻辑本体构建的重要性和研究现状。针对描述逻辑本体构建中本体的完备性问题,研究属性探索算法在描述逻辑本体构建中的应用,分析目前运用属性探索算法构建本体时假设专家必须具备全部领域知识的不足,研究在领域专家不具备全部领域知识情况下的完备描述逻辑本体构建。在描述背景下给出描述逻辑本体完备性的定义,设置描述背景下的不完备背景,构造一种在不完备背景下领域专家不能判断属性集合间的蕴含关系的描述逻辑本体构建算法。该算法可与领域专家交互获取蕴含知识从而构建本体知识库,并且证明利用该方法构建的本体是完备本体。     

知识的属性扰动规律的不等式关系

知识的属性扰动引起知识规律的变化,这些变化的规律称为扰动规律.利用单向S-粗集和单向S-粗集对偶,给出属性扰动的知识规律的上规律.下规律的概念,并对知识规律与属性扰动的知识规律进行了讨论,提出了属性扰动知识规律(上规律,下规律)的不等式定理.     

基于投票式属性重要度的快速属性约简算法

作为经典Pawlak粗糙集的扩展,邻域粗糙集能有效处理数值型的数据。但是,因为引入了邻域粒化的概念,所以邻域实数空间下的计算量要比经典离散空间下的计算量大得多。对于邻域粗糙集算法而言,能够有效且快速地找到数据集的属性约简是十分有意义的。为此,针对现有算法中属性重要度定义的不足,首先提出了一种改进的投票式属性重要度,然后进一步提出了一种基于投票式属性重要度的快速属性约简算法。实验证明,与现有算法相比,在保证分类精度的前提下,该算法能更快速地得到属性约简。     

基于不相关属性集合的属性探索算法

作为形式概念分析理论中的一个重要工具,属性探索算法能够以问题为导向,交互式地逐步发现系统知识,在知识的发现和获取中居于核心地位。但是,当形式背景的规模较大时,属性探索算法的计算过程过于耗时,严重制约了算法在当前大数据时代的推广与应用。耗时瓶颈主要存在于“寻找下一个与专家交互的问题”这一环节,传统算法在此过程中存在大量冗余计算。针对这个问题,在分析伪内涵和内涵与蕴涵集合的内在逻辑关系的基础上,提出并证明了3个定理,根据定理给出了一种基于不相关属性集合的属性探索算法,该算法在计算伪内涵与内涵的过程中,借助提出的定理,跳过违反该逻辑关系的属性集合是否为伪内涵或者内涵的判断过程,减小了算法的搜索空间,从而降低了算法的时间复杂度。所提算法最好的时间复杂度为O(mn²P²),最坏的时间复杂度为O(mn³P²)。实验结果表明,与传统算法相比,该算法具有较为明显的时间性能优势。     

基于形式背景的属性转移与知识发现

概念格理论是一种有效的知识表示与知识发现工具,是知识表示、知识发现和知识获取的基础。利用形式背景信息熵与属性的重要性理论,讨论形式背景的属性知识转移的特点,得到了基于形式背景的属性转移原理,给出形式背景的知识发现与应用。