介粒度空间中的最优粒度选择和属性约简

以往的形式概念分析采用介粒度形式背景,满足对数据跨层粒化的需求,但其既没有将寻找最优粒度和属性约简有效结合起来,又没有在多粒度的背景下高效地解决组合爆炸问题。为此,基于介粒度中粒度选择和属性约简的联系,提出了一种新的最优粒度选择方式——最优粒度约简,以同步进行粒度选择和属性约简。鉴于寻找最优粒度约简存在组合爆炸的问题,设计了逐步搜索方法,通过已搜索的信息更新粒度空间,去除大量非最优粒度约简,显著提高了搜索效率。实验结果表明了所提方法的有效性和优势。     

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.     

决策形式背景属性约简的关系

形式背景的属性约简是形式概念分析的重要研究方向。针对决策形式背景,已有多种属性约简标准及属性约简方法。文中研究了相关属性约简方法之间的关系,从形式概念的角度给出了规则协调集的等价描述方法;证明了强协调决策形式背景中的规则协调集为协调集,粒协调决策形式背景中的规则协调集为粒协调集。     

不协调决策形式背景的矩阵型属性约简

形式概念分析的属性约简是知识表达和数据处理的一种有力的工具。对于不协调决策形式背景,已有多种属性约简的方法。从布尔矩阵运算的角度研究不协调决策形式背景的属性约简问题,提出属性约简的新的刻画。首先,借助矩阵的运算给出广义矩阵协调集的定义,并研究属性之间相似性的度量。接着,针对在属性约简过程中起不同作用的属性,将条件属性区分为核心属性和非核心属性,提出一个属性是否是核心属性的充要判断条件,以及得出属性约简的判别方法。最后,在此框架上设计出不协调决策形式背景属性约简的一种启发式算法,通过例题说明此算法的可行性和合理性。通过属性约简,该形式背景下的概念格计算更为简便。上述结果有助于进一步的应用及为研究形式概念分析的矩阵方法提供理论基础。     

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。     

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。     

决策形式背景的启发式属性约简算法

在决策形式背景中给出了核心概念的定义,将决策形式背景的条件属性区分为必要属性与不必要属性,提出判定一个条件属性是否必要的等价刻画定理;在此基础上设计出了决策形式背景属性约简的一种启发式算法,通过实例证明了该算法的可行性与有效性。     

协调决策形式背景下概念格的属性约简

概念格是知识处理与分析中的一个有力工具,对它进行约简可以提高效率简化问题。该文在协调决策形式背景下给出了协调集及属性特征的判定定理,并在此基础上得到了一种求属性约简的方法。     

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。     

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。     

多粒度形式背景的不确定性度量与最优粒度选择

多粒度形式概念分析是数据挖掘与知识发现的重要工具,但现有的多粒度形式概念分析理论中并未提出选择最优形式背景的标准,这导致只能对多个单粒度形式背景逐一研究其知识发现问题,因此无法应对含有多个粒度属性的形式背景.鉴于此,对多粒度形式背景的粒度树上的属性块进行组合,将信息熵作为组合形式背景优劣的判别标准以评价最优粒度选择的性...     

决策形式背景面向属性与面向对象的决策规则

决策形式背景是形式概念分析的重要研究内容,决策形式背景的知识体现为决策规则。文中提出了面向对象与面向属性概念格的决策规则,给出了决策规则的语义解释;刻画了面向属性概念格的决策规则与基于Wille概念格的决策规则的关系,给出了一种属性集协调性判别方法。     

多粒度决策系统属性约简的最优粒度选择

粒计算理论从多个角度、多个不同的粒度层次出发,对不确定、不精确或复杂的问题进行求解,现已成为人工智能领域研究的一种重要方法。针对决策系统属性约简与高效决策的粒度选择问题,分析了多粒度决策系统中信息粒与粒度划分的概念,定义了粒化度量和粒结构关于对象的粒化粗糙度,能够准确地反映决策系统中不同粒结构下的知识粒度大小。为弥补传统决策系统约简往往只考虑基于论域属性约简的缺陷,讨论了基于对象的局部约简方法,提出了基于论域和对象的决策系统最优粒度选择约简算法,并结合实例验证了该算法的有效性。     

基于粒度决策熵的属性约简

近年来,人们越来越关注粗糙集中的属性约简算法,尤其是启发式的约简算法。为了度量属性重要度,人们把各种不同的信息熵模型应用到粗糙集中,同时在信息熵这一理论的基础上得出了许多约简算法,用来解决粗糙集中属性约简的问题。然而,现有的基于信息熵的方法还存在一系列问题。针对这些问题,本文首先将知识粒度与相对决策熵这2个概念结合在一起,从而引入一种新的信息熵模型--粒度决策熵;然后,利用粒度决策熵来度量属性的重要性,并由此得出新的约简算法--ARGDE约简算法;最后,用不同的UCI数据集来做实验,通过与已有的约简算法比较,该算法能够得到更好的实验结果。     

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.     

多粒度覆盖信息系统的属性约简方法比较

为拓展覆盖粗糙集模型,用多粒度方法研究了张燕兰等提出的广义覆盖决策信息系统模型,定义了多粒度意义下的覆盖上下近似,提出了多粒度属性约简算法。用实例对多粒度覆盖粗糙集属性约简方法和胡清华等提出的单粒度方法进行了比较。     

基于粗糙集的形式背景属性约简及属性特征

本文在形式背景中,定义了一种上、下近似算子,给出近似算子的性质。基于算子给出形式背景属性约简的定义,得到属性约简的判定理论,刻画出不同类型属性的特征。最后,给出形式背景属性约简的方法。     

一种基于知识粒度的属性约简算法

通过引入知识粒度的概念,对信息系统中属性的重要度进行了定义;并以属性重要度为启发式信息,提出一种基于知识粒度的属性约简启发式算法,该算法的时间复杂度是多项式的.最后通过例子说明了该算法的有效性.     

决策形式背景三支粒约简

针对决策形式背景,文中研究了基于对象导出三支概念格的粒约简问题。首先提出了三支粒协调决策形式背景的概念以及三支粒协调集的概念,以此为基础给出了三支粒协调集的判定定理。然后结合区分矩阵和区分函数给出了三支粒约简方法,并通过实例说明了提出的约简方法的有效性。最后讨论了决策形式背景下三支粒约简、粒约简、分类约简之间的关系。