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。     

不完备形式背景下近似概念格的公理化方法

提出了由两个完备形式背景构造不完备形式背景的方法.基于完备形式背景公理化的方法得到了近似概念格的公理组,并给出了近似概念格的构造方法,其发展了不完备形式背景下近似概念格的理论.     

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。     

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.     

GOE-概念格基础上的冲突分析共性描述

冲突广泛存在于社会问题中。为了更好地直观展示冲突分析问题,并给出语义描述,受不完备形式背景上三支近似概念分析理论的启发,将冲突表看作三值形式背景,并在其基础上提出了广义三支算子及其逆算子,通过广义三支算子及其逆算子得到对象导出广义三支概念(GOE-概念),并给出其性质,进一步说明所有GOE-概念的集合可以形成GOE-概念格;进而,讨论了GOE-概念格在冲突分析中进行可视化描述的应用,说明每一个GOE-概念的内涵即为在外延所含代理人下的共性描述;最后,研究了对象导出三支近似概念格(OE-近似概念格)与GOE-概念格的关系,进一步表明GOE-概念相较于OE-近似概念,能够更全面更丰富地描述冲突分析的共性信息。     

不完备形式背景中基于OE-cp-近似概念的规则提取

在许多实际的应用场景中，数据测量的误差、对数据的理解和传输失真等都会导致数据的丢失，这种数据不完整的形式背景即为不完备形式背景。为了丰富不完备形式背景中的知识获取模型，文中结合三支思想在不完备形式背景中利用正算子与粗糙集理论中的必然-可能性算子构造了共同-可能(cp)近似概念，讨论了对象诱导的共同-可能(cp)近似概念与经典概念、面向属性概念、对象诱导的三支近似概念的关系，提出了由经典概念和面向属性概念构造对象诱导的cp-近似概念的算法。进而，基于OE-cp-近似概念讨论了不完备决策形式背景中近似决策规则的获取，提出了OE-cp-协调的不完备决策形式背景下的正规则和可能性规则，并给出了与基于经典概念的决策规则之间的关系。     

基于形式概念分析的不完备电子病历系统粗糙挖掘研究

形式概念分析与粗糙集理论是近年来获得飞速发展的两种数据挖掘工具。充分利用概念格在形式概念表示和粗糙集在知识约简等方面的独特优势,提出了基于形式概念分析的不完备电子病历系统粗糙挖掘算法(FCRM)。该算法利用决策规则格进行不完备知识的形式概念表示和粗糙正域近似约简,并能较好地提取相应一致的决策规则。最后构建不完备中医电子病历方剂挖掘专家系统,实验结果表明该算法在不完备电子病历系统约简和挖掘方面均具有较好性能。     

不完备决策形式背景的概念构建与属性约简

首先定义了不完备决策形式背景,在其不完备的子条件形式背景和子决策形式背景上,提出了双子集内涵概念的构建方法及概念格的生成算法,给出了不完备决策形式背景基于双子集内涵概念的属性协调集与属性约简的判定方法。     

基于概念格的不完备信息系统最简规则提取算法

概念格是以概念为元素的偏序集,通常可以对形式背景描述的完备信息系统进行分析和处理,然而在多数情况下信息系统是不完备的,粗糙集理论是一种刻画不完整、不确定性问题的有效方法.针对此问题,从粗糙集的角度出发,基于概念格理论定义一种描述不完备信息系统的增广形式背景,在此基础上,定义并讨论极概念和极概念格及其相关性质,进而提出增广形式背景的极概念生成算法.为了获得更加简洁的决策规则,同时提出一种新的无冗余属性的决策规则获取算法.通过实例计算和UCI数据集的对比实验,表明了所提出算法的可行性和有效性,特别地,当信息系统完备时极概念将退化为经典的概念.     

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.     

知网的形式概念分析及概念相似度研究

将知网的义项、义原及其关系映射到形式化概念分析的语境中,生成一个基于知网的形式概念格.一方面,提供了一种将知网中概念关系转换为概念格的表征方式,从格中任意一个节点出发,可以很方便地访问到与此相关的各种知识,从而为信息检索和知识推理提供很大方便;另一方面,也提出了一种通过对形式概念格进行分析来计算概念相似度的方法.实验证明该方法克服了以往计算方法的若干不足,并能有效地在相关应用领域如协作学习言论分析中加以应用.     

粗糙Galois连接

在粗糙集中讨论概念格,定义粗糙形式背景、粗糙概念,给出它们的性质,在粗糙形式背景中借助蕴涵算子研究上、下近似运算,并且定义和讨论了粗糙Galois 连接。     

概念格的粗糙性质研究

研究由粗糙集形式的概念格,定义粗糙形式背景、粗糙概念,给出它们的性质,借助蕴涵算子研究上、下近似运算在粗糙形式背景中讨论了粗糙Galois连接.     

缺值背景中的概念分析与知识获取

In formal concept analysis ,concept lattice as the fundamental data structure can be construct-ed front a formal context. Howevt, r,it is required that the relation between object and feature in the for-real context should be certain, For uncertain relation,this paper uses the thoughts of upper and lowerapproximation in rough set theory to deal with it ,and gives out the corresponding definitions of missing-value context and rough formal concept, Based on them, this paper employs rough concept lattice,formed by rough formal concepts and partial order relation on them,as the basic data structure for con-cept analysis and knowledge acquisition. Then a theroem is presented to describe the method of extract-ing rules from constructed rough formal concept lattice,and the semantic interpretation of discoveredrules is explained.     

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。     

Attribute reduction theory and approach to concept lattice

The concept lattice, also called Galois lattice, was proposed by Wille in 1982[1]. A concept lattice is an ordered hierarchy that is defined by a binary relationship between objects and attributes in a data set. As an efficient tool of data analysis and knowledge processing, the concept lattice has been applied in many fields, such as knowledge en- gineering, data mining, information searches, and software engineering[2―7]. Most of the researches on the concept lattice concentrate on such to…