由蕴涵算子构造的一种模糊概念格

WilleR.提出的形式背景对象与属性之间具有明确的关系。但在实际生活中,人类认识的大量知识都是模糊的。因此研究对象与属性之间模糊的、不精确关系的模糊形式背景具有重要的意义。文章给出了在模糊形式背景下一种新的模糊概念的定义方式,讨论了它的性质,并给出了计算模糊概念的算法。最后给出了一个实例说明了在这种定义方式下形成的模糊概念格。     

一种由乘积蕴涵算子构造的模糊概念格

建立了形式背景下一种由乘积蕴涵算子构造的模糊概念格,给出了它的定义方式;讨论了它的性质和层次结构,并给出了一种计算模糊概念的算法。通过数值例子说明了此类概念格的构造方法。     

基于矩阵蕴涵运算的格值模糊概念格构造方法

从矩阵角度对一类模糊概念格的构造方法进行了研究.以具体的格蕴涵代数作为刻画对象与属性间不确定性关系的取值域建立了格值模糊概念格;为了便于非数值间的计算,分别定义了矩阵合取运算、析取运算和蕴涵运算,并基于矩阵蕴涵运算给出了格值模糊概念格的构造方法;进而通过实例求出了对应的格值模糊概念格,验证了该方法的正确性.     

一种模糊概念格快速构造方法及其计算机实现

摘 要 在模糊形式背景下,讨论了模糊概念的一种定义方式及其性质,并由此定义了模糊概念格。文中给出了模糊概念格构造算法,并结合实例求出所有模糊概念,得到了对应的模糊概念格。该方法快捷有效,具有实际应用价值。     

基于约束的模糊概念格构造算法

一般的模糊概念格在构造过程中没有考虑用户的需求,用户对模糊概念格节点中一些属性集形成的内涵并不感兴趣。为了增强模糊概念格的针对性,降低模糊概念格构造的时空复杂性,构造满足用户需求的模糊概念格,首先将用户感兴趣的背景知识定义为约束条件,根据用户关心的属性间关系,将约束条件分为3类:单约束、与约束及或约束,并采用谓词公式表示,进而提出了基于约束的模糊概念格(Constrained Fuzzy Concept Lattice,CFCL)构造算法。该算法自底向上构造模糊概念格,利用模糊概念格父子节点内涵的单调关系,采用剪枝技术来减少构造过程中判断模糊概念是否满足约束的次数,提高了模糊概念格的构造效率。实验结果表明,该算法能够有效地减少模糊概念格的存储空间和构格时间。     

完备剩余格上的蕴涵闭包算子

利用蕴涵运算,在完备剩余格上定义了蕴涵闭包算子,给出了它的若干等价刻画及其表示定理。     

基于对象和属性交叉渐进模糊概念格生成算法

在人类的认知过程中,真实的形式背景总是模糊和不确定的,并伴随着对象和属性交叉渐增更新。在分析人类概念形成机理的基础上,提出了一种基于对象和属性交叉渐进式模糊概念格生成算法。该算法从空概念格开始,逐个地将形式背景中的对象和属性交叉插入到模糊概念格中,实现对模糊概念格的渐进式构造。实验及分析表明该算法不仅能有效地渐进式构造模糊概念格,而且解决了以往渐进式概念格生成算法,针对属性和对象交叉渐增更新需要重新构造概念格的问题。     

图像情感本体背景下的模糊概念格生成及维护算法

从算法的角度,阐述将FCA的核心——概念格,应用于以图像底层特征为外延、VAD心情空间中的情感分类为内涵所构成的模糊形式背景中,给出了基于图像情感本体的模糊概念格的基本概念,根据模糊形式背景构建并维护相应模糊概念格,提出了今后的研究方向,为同课题组的其他研究提供支持。     

一种模糊概念格构造算法研究

基于有限L_背景的模糊格在扩展和时空复杂度上有局限。该文定义了广义的模糊概念格和其上的截运算以简化格构造,提出了一种模糊格构造算法。在概念格结点级上定义了两个模糊参数α和δ粎,以避免提取因高偏差导致的无效规则。给出一个实例,说明了从模糊概念格提取不确定规则、计算规则支持度、置信度的原则、方法。实现了构造算法与Godin算法的对比实验,结果表明本算法在时空性能上要优于Godin算法。     

一种模糊概念格模型及其渐进式构造算法

传统形式概念分析方法无法处理现实中模糊和不确定信息,因此,对模糊概念格及其信息表示的研究具有重要意义.文中提出了一种模糊概念格模型,提出了模糊形式背景中属性隶属度值的窗口截取方法,定义了模糊概念的模糊参数σ和λ,给出了模糊概念格渐进式构造算法,推导出了模糊参数σ和λ的渐进式计算公式.模糊参数σ和λ分别体现了概念外延对于属性的隶属度的均值和发散程度.在模糊概念格渐进式构造算法中引入两个中间参数以实现模糊参数的渐进式计算.最后,进行了算法性能评估实验,结果表明模糊概念格的这种渐进式构造算法在时间上和空间上都具有良好的性能.     

区间值模糊Lukasiewicz蕴涵的研究

Lukasiewicz蕴涵是一个常用的重要蕴涵。在区间值模糊集合上给出了交并等几个运算的概念,证明了是有界格、分配格、完备格和有余格,其中,c>是有余格诱导的代数系统。重新构造了一种区间值模糊Lukasiewicz蕴涵,讨论了该蕴涵的正则、单调和代数等重要性质。     

基于同义概念的概念格纵向合并算法

在FCA中,如何提高概念格构造算法的效率一直是研究的重点之一。将形式背景进行分解后造格是解决这一问题的有效途径,其中概念格的合并算法是关键。提出同义概念的观点,在格的合并算法中引入了概念格的线性索引结构,通过寻找同域概念格之间的同义概念,根据父概念-子概念的关系实现对其所有父节点的快速更新。实验表明,该算法和文献中的同域概念格纵向合并算法相比,其时间性能有明显改善。     

基于蕴涵算子L_p的模糊推理的FMP反向三I算法

研究了基于蕴涵算子Lp模糊推理的FMP反向三I支持算法及α-反向三I支持算法,给出了FMP模型的反向三I算法及α-反向三I算法的计算公式。     

基于强正则蕴涵算子的加权模糊度量空间

在强正则蕴涵算子的统一框架下给出了加权正则度量的定义,建立了基于强正则蕴涵算子的加权正则模糊度量空间,并且研究了该模糊度量空间的性质,分析了常用的逻辑连接词所对应的映射关于加权正则度量的连续性,最后证明了基于Lukasiewicz蕴涵的加权正则模糊度量空间是最适宜于展开模糊推理的模糊度量空间。     

基于概念格的语言真值不确定性推理*

利用概念格来实现不确定性推理的过程中,给出了一个具体的语言真值格蕴涵代数的完备结构;作为概念格的扩充理论,提出了用于处理不确定性信息的语言真值概念格,并基于语言真值概念格给出了内逼近不确定性推理规则和外逼近不确定性推理规则,进而验证了这两种规则的还原性。     

不同蕴涵算子下三I方法的解

以R_M、R_Z、R₀三个蕴涵算子为基础,研究了11种形式的三I算法的解,并在此基础上给出了这11种解的同一形式：B*（y）=SUP{A*（x）∧φ（x,y）},其中φ：X×Y→[0,1]表示某一函数,而且φ（x,y）与E_Y的选取依赖蕴涵算子R_i的选取。     

基于概念格的关联规则算法

对经典Apriori算法的优、缺点进行了剖析,在实际应用项目中,提出了一种基于概念格的关联规则算法ACL(AprioriAlgorithmBasedOnConceptLattices)。在该算法中,引入了概念格和等价关系等概念,利用粗糙集相关方面的理论,计算得到频繁2-项集L2。实验表明,ACL算法是一种有效的快速的关联规则挖掘算法。