三支近似概念格中基于对象-概念辨识矩阵的属性约简方法

属性约简是概念格理论的一个重要研究内容, 基于辨识矩阵计算约简是一种经典方法, 传统辨识矩阵的计算复杂度为O(nl2). 鉴于此, 在三支近似概念格模型中, 构造一种对象-概念辨识矩阵, 其计算复杂度为O(mnl), 一般情况下, m远远小于l, 辨识矩阵的计算复杂度大大降低, 并结合概念格的偏序关系进一步简化对象-概念辨识矩阵.通过理论分析和实验结果表明了所提出方法的高效性.

     

三支决策视角下概念格的分析和比较*

基于概念的构造和形式背景的构成,文中从三支决策的视角探究不同概念格之间的内在联系,分别对比不完备形式背景和经典形式背景中的概念格及直觉模糊形式背景和模糊形式背景中的概念格,展现三支决策在概念格理论中的重要价值.通过对比可以看出,相比经典形式背景和模糊形式背景中的概念格,不完备形式背景和直觉模糊形式背景中的概念格体现三支决策思想,具有数据存储所占空间更小,属性约简更简洁等优势.     

改进的知识特征驱动的任务分解模型

任务分解被广泛应用于解决大而复杂的问题,学者们已经提出了很多分解模型。知识特征驱动的任务分解模型在无需过多先验知识的情况下,就可以将原始问题分解成一系列子问题,然而这种分解方式却没有考虑对子问题噪点进行处理。在知识特征驱动下,利用马氏距离可以去除子问题的噪点,并对子问题空间进行扩充,这就得到了一种去除噪点的知识特征驱动的任务分解模型。该模型在处理双螺旋问题、UCI abalone数据集、UCI yeast数据集时,都得到了较高的精度,说明了其可行性和有效性。     

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。     

决策形式背景的irr-型属性约简

概念格的属性约简是概念格理论研究的核心问题之一。从不可约元的角度定义一种irr-型属性协调集,提出了一种概念格的属性约简方法,分别对协调和不协调两种决策形式背景下的概念格进行分析,得到了属性约简的判别方法,并且用具体的例子进行了说明。经过属性约简,概念格的计算变得更为简便。     

概念格中基于粗糙熵的属性约简方法

属性约简是概念格理论的研究重点内容之一。通过将粗糙熵引入概念格理论中,定义了一种粗糙熵约简。首先,基于所有概念外延定义了形式背景的粗糙熵,并分析了它的性质;其次,定义了形式背景的粗糙熵约简,并揭示了粗糙熵约简与概念格约简之间的关系;在此基础上,基于属性重要度设计了计算粗糙熵的启发式算法,并通过实验验证了该算法的有效性。     

基于概念复合的对偶三支概念格及其概念约简

三支概念格通过正负算子相结合，既表示出了共同拥有的信息，又表示出了共同不拥有的信息，是对经典概念格的扩展。但在处理一些实际问题时，人们也会从反向出发，考虑集合的补集可能不拥有的信息和可能拥有的信息，对偶三支概念格应运而生。文中提出了一种基于形式背景的对偶概念及其补背景中对偶概念的复合来构造对偶三支概念格的方法，经验证，通过概念复合方法得到的对偶三支概念与通过对偶三支算子得到的概念相同。进一步讨论了基于可辨识矩阵求解对偶三支概念格的属性约简方法，并借助此思想，给出了基于概念可辨识矩阵的对偶三支概念约简方法。