不完备信息系统下的L_A最大相容类粗糙集模型

目前处理不完备信息系统已经有了容差关系、相似关系等推广的粗糙集模型,以及这两种模型的改进形式。基于限制容差关系,提出了一种新的相容类的概念——LA最大相容类,并建立LA最大相容类粗糙集模型。通过对比分析得出LA最大相容类粗糙集模型可以获得更高的近似精度,并讨论了在此模型下属性的约简问题。     

在不完备信息系统中的一种粗集扩充模型

对已有的基于不完备信息系统的粗集拓展模型进行分析比较,进而提出一种改进的限制容差关系模型。主要思想是考虑到人的主观要求,在容差类的划分中加入一个插值,再利用这些类得到上下近似集,最后通过实例说明该模型是符合客观实际的。     

基于模糊容差关系粗糙集的分解及其在信息检索中的应用

基于容差关系粗糙集的提出扩大了粗集的应用范围。本文在容差关系扩展为模糊容差关系的基础上引入支配关系对模糊容差关系的容差类进行进一步分解,分为模糊纯容差类、模糊正容差类、模糊负容差类,并分别定义上下近似集,进而提出了模糊容差关系粗糙集的分解。该方法能有效地处理连续属性,并用信息检索的例子证明了其应用价值。     

概念格在不完备形式背景中的知识获取模型

为了使概念格模型具有更强的数据处理能力,消除不完备信息带来的影响,针对经典概念格的局限性,本文将粗糙集中的粒化思维融入到概念格中。首先探讨了概念格视角下的信息粒化方法,然后提出了基于等价类和基于极大相容类的知识获取方法,最后给出了实例分析。这些方法一方面有助于概念格与粗糙集的融合,另一方面也为探索不完备形式背景的分析处理机制提供了有益思路。     

基于格空间的受限DeepWeb数据抽取算法

将返回结果受限的DeepWeb数据源中预测查询结果大小并且抽取的问题转化为概念覆盖问题。首先证明由属性及属性组合产生的集合划分之间为容差关系,进而又证明其构成一个完全格,并且与概念格同态。使用概念间的偏序关系来刻画属性间的相关性,使用概念内涵为查询属性,概念外延为返回结果的预测,基于外延的势剪枝后的概念格为搜索空间,最终提出一种基于格空间的DeepWeb数据抽取算法。实验由可控实验和实际应用实验组成,结果证明该算法理论正确性和现实应用的可行性及有效性。     

混合值不完备信息系统中一种拓展粗糙集模型

针对混合值不完备信息系统,提出了基于邻域联系度的拓展粗糙集模型。首先定义了一种邻域联系度容差关系,然后通过所确定出的最大相容类得到了上、下近似集,并证明了所得到的近似集是基于联系度容差关系得到的近似集的一种推广和改进,最后进行了实例分析。     

基于形式概念分析的约简数据立方体研究

数据立方体格和形式概念格比较研究表明,两者都基于序结构,并且采用形式概念分析理论(FCA)的等价特征组与数据立方体覆盖等价类对数据单元有相同的划分结果.将FCA与概念格理论引入数据立方体研究,首次提出聚集概念格(ACL)结构.ACL与一般概念格同构,能完整保存立方体中的所有聚集结果,实现与商立方体相同比例的约简.ACL结构仍比较复杂,在ACL基础上,又提出一种约简聚集概念格结构(RACL),该结构只存储非对象概念,而不是所有概念.RACL与基本表联合仍然是完整立方体结构,但能实现更大的约简.给出了ACL和RACL的高效的查询方法,并使用模拟数据和实际数据作了一些实验.理论和实验都表明RACL结构比现有方法更节省空间,同时查询效率也较高.     

改进的对象间差异度的限制容差关系模型

不完备信息系统不能直接用经典的粗糙集理论来处理,为此,容差关系、非对称相似关系、限制容差关系、限制非对称相似关系、对象间差异度的限制非对称相似关系等扩充的粗糙集模型被相继提出。通过分析这些模型的优点和不足之处,定义了新的对象间差异度,提出了一种改进的对象间差异度的限制容差关系模型,实例结果表明基于所提出模型的划分更精确,更符合实际。     

基于可能度容差关系的多粒度粗糙决策分析方法

在不完备区间值决策信息系统中,针对可能度容差关系和多粒度决策粗糙集的各自优点,提出一种基于可能度容差关系的多粒度决策粗糙模型。首先提出可能度的概念,定义新的容差关系;然后构建了基于可能度容差关系的乐观和悲观多粒度决策粗糙集模型,给出模型的上下近似,并对相关性质和定理进行证明;最后以实例验证了模型的有效性与适用性。结果表明,通过调整属性相似度阈值◢ω◣,可使模型具有一定的容错能力和很强的分类能力。     

基于限制容差关系的集对粗糙集模型

粗糙集理论是一种新的处理模糊和不确定性知识的软计算工具,在人工智能及认知科学等众多领域已经得到了广泛的应用。对于不完备信息系统,目前也有了多种扩充方法,如基于容差关系、基于相似关系和基于限制容差关系等的扩充。但是,这些扩充也都存在一些局限性。本文用集对分析的方法,定义了一个集对α相似限制容差关系,提出了一种基于限制容差关系的集对粗糙集模型。这种模型是限制容差关系的扩充粗糙集模型的推广和改进,既保留了原有扩充模型的优点,又可以通过对相似程度α的调节和控制,在保证这种容差类划分的准确性的同时,增加了其灵活性,更适于大型不完备信息系统的处理。     

基于广义概念格的广义粗近似空间中规则的发现与提取

This paper proposes a new method of constructing generalized concept lattice and producing rules from it in the generalized rough approximate space based on generalized similar relation which is more extensive than equivalent relation.Finally,a simple algorithm is presented to extract rules based on interesting measure.     

基于等价关系的最小乐观概念格生成算法

决策信息系统的规则提取是数据挖掘的研究内容之一,概念格理论与粒计算理论是该领域研究的主要数学工具。文中通过探究这两大理论间的关系,利用等价关系定义了最小乐观概念格及其结构,最小乐观概念区别于传统经典概念,但是具有格的结构。在此基础上,提出了一种决策信息系统的规则提取算法,该算法引入了粒度思想,通过求取每一粒层中的最小乐观概念,并根据最小乐观概念的外延与决策属性等价类间的蕴含关系进行决策规则提取,通过设置算法的终止条件来加快其收敛速度,以达到针对决策信息系统知识约简的目的。最小乐观概念的定义比经典概念的定义更宽泛,其生成过程也更简单。最后,通过理论证明、实例验证以及数值实验对比验证了该方法的正确性与优越性。     

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。     

Maximal limited similarity-based rough set model

Non-symmetric similarity relation-based rough set model (NS-RSM) is viewed as mathematical tool to deal with the analysis of imprecise and uncertain information in incomplete information systems with “?” values. NS-RSM relies on the concept of non-symmetric similarity relation to group equivalent objects and generate knowledge granules that are then used to approximate the target set. However, NS-RSM results in unpromising approximation space when addressing inconsistent data sets that have lots of boundary objects. This is because objects in the same similarity classes are not necessarily similar to each other and may belong to different target classes. To enhance NS-RSM capability, we introduce the maximal limited similarity-based rough set model (MLS-RSM) which describes the maximal collection of indistinguishable objects that are limited tolerance to each other in similarity classes. This allows accurate computation to be done for the approximation space. Furthermore, approximation accuracy comparisons have been conducted among NS-RSM and MLS-RSM. The results demonstrate that MLS-RSM model outperforms NS-RSM and can approximate the target set more efficiently.     

概念格与粗糙集的关系研究

概念格理论和粗糙集理论是两种不同的知识表示与知识发现的工具，都已被成功应用于许多领域.粗糙集理论的数据表现方式是信息系统，其研究基础是对象之间的等价关系;概念格理论的数据表现方式是形式背景，其研究基础是一种有序的层次结构--概念格.本文讨论了概念格理论与粗糙集理论之间的基本联系;重点分析了形式概念与等价类之间、概念格与分划之间的关系;证明了概念格与分划之间可以相互转换，给出了转换算法，并用例子加以说明.     

区间概念格的纵向合并算法

为解决直接对不同形式背景的数据构建区间概念格后分别抽取关联规则会存在规则缺失的实际问题,必须首先对不同的区间概念格进行合并.为提高格结构的生成与合并效率,首先对区间概念格的渐进式生成算法进行改进,将概念分为存在概念、冗余概念和空概念,分别以结构体的形式存储;进一步,分析区间概念格中外延和内涵之间的二元关系,给出了区间概念格纵向合并的充分条件——区间概念格的一致性;讨论了内涵一致的概念在合并后分为六种情况,并给出相应的判定定理;应用广度优先原则,通过对原区间概念格节点内涵的类型判定及不同的处理方法,设计了一种区间概念格的纵向合并算法.最后,通过实例验证了算法的有效性和高效性.     

增量式广义概念格结构的生成算法研究与实现

介绍分析了概念格的研究现状,给出了基于规则的广义概念格的基本定义.通过构建树结构,缩小产生子格节点的范围,产生增量式广义概念格算法.最后,通过实例验证了所提出的算法的时空有效性,并给出了对几种概念格的生成算法有效性的比较结果.     

FP-tree上频繁概念格的无冗余关联规则提取

为解决经典关联规则生成算法挖掘效率低及形成规则冗余性大的问题,提出在FP-tree基础上直接生成频繁概念格并提取无冗余关联规则的算法。其建格过程根据FP-tree频繁项目头表中各项的索引可分别独立进行,由支持度计数约束进行结点的筛选,形成频繁概念格的Hasse图,图中结点包含频繁项集及其支持度计数信息,通过对全部叶子结点的扫描可生成无冗余关联规则。通过实例验证该算法行之有效。     

一种基于概念格的关联规则挖掘算法

关联规则挖掘是数据挖掘中的一项核心任务,而由二元关系导出的概念格则是一种非常有用的形式化分析工具,它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例化关系。一个概念内涵与一个关联规则中的闭合项集可以一一对应。提出了一种新有基于概念格的关联规则挖掘算法Arca(Association Rule based Concept lAttice)。Arca算法通过概念矩阵构造部分概念格,使概念格中的每个概念对应一个闭合频繁项集。然后生成一些关联规则,在这些关联规则上通过定义了四个算子来生成了所有关联规则。