变精度对偶概念格的构造及其性质

形式概念分析作为进行数据分析的有效工具,吸引了世界各地研究者的关注。由于二值形式背景的局限性,人们将模糊集引入形式概念分析。但是模糊形式背景生成的模糊概念数量庞大。讨论了基于模糊形式背景的模糊对偶概念格的概念约简,构造出了模糊对偶概念格的三种变精度概念格,讨论了它们的关系。结果表明每一种变精度概念格都保留了模糊对偶概念格中相对重要的概念。变精度对偶概念格的概念数量远远少于模糊对偶概念格的概念数。     

基于经典-模糊变精度概念格的决策规则获取及其推理算法

在模糊形式背景上引入了4种经典一模糊变精度概念,形成4种变精度概念格,在此基础上得到4种决策规则集.利用包含度构建不同决策规则集中的推理算法,进而得到所有对象组合的决策规则.证明了由决策规则得到的决策集分别是必然性与可能性决策集,且推理算法具有协调性和相容性.     

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。     

概念粒计算系统的数学模型

文中在两个完备格之间引入了外延内涵算子与内涵外延算子,构建了概念粒计算系统,证明了由该系统生成的全体概念集合是具有最大元与最小元的格.此概念粒计算系统不仅包括了由形式背景形成的概念格以及由L模糊形式背景形成的L模糊概念格,也包括了3种变精度概念格,即概念的外延与内涵分别为经典集与经典集、经典集与模糊集、模糊集与经典集.最后在概念粒计算系统中,给出了概念粒迭代计算方法,并证明了它在某种意义下的最优性.     

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。     

基于内涵模糊概念格的汽车评价知识发现方法研究

为了有效利用汽车评论数据,参照已建立的汽车评价本体,从文本中抽取评价搭配对,提出基于五元组的对象评价度量,从而获取汽车评价模糊形式背景。在模糊形式背景中,定义了内涵模糊概念和内涵模糊概念格。设计了模糊形式背景和内涵模糊概念格构建算法,并以实例对如何基于内涵模糊概念格进行知识发现予以讨论。     

一种新的概念格结构——区间概念格

对经典概念格、粗糙概念格的分析表明,其概念外延或者具有全部属性,或者只具备一个属性,从而造成所提取关联规则支持度和可信度严重下降。为此提出一种新的概念格结构——区间概念格Lαβ(Mα,Mβ,Y),其概念外延是区间[α,β](0≤α≤β≤1)范围内满足内涵属性的对象集。证明了当α=β=1时,区间概念格退化为经典概念格;当β=1,α>0时,区间概念格退化为粗糙概念格;其次,给出了区间概念格中概念度量的精度、覆盖度等概念,并给出了相关性质;接着,证明了区间概念格具有的一些独特性质;然后,初步给出了构造区间概念格的方法;最后,通过实例证明了区间概念格提出的必要性和实用性。     

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。     

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.     

模糊概念格构建的Bordat方法

概念格是近年来兴起的知识表示模型.现实世界中的事物大多具有不精确性特征,如何将若干模糊对象构建成一个概念格具有重要的理论与应用价值.选择适于构建精确概念格的Bordat方法,应用模糊集理论对其进行改进,重新定义了概念格的顶节点确定过程和子节点生成算法,提出了构建模糊概念格的Bordat方法,结合实例说明了其应用,即生成相关的模糊概念,同时构建与之对应的模糊概念格.该方法不仅保留了作为数据源的模糊形式背景的所有信息,而且所需生成的模糊概念数量少,方法简单快捷,易于计算机实现.     

Variable threshold concept lattices

In this paper, the definition of a variable threshold concept lattice is introduced. Based on a Galois connection, three kinds of variable threshold concept lattices, in which diverse requirements of knowledge discovery can be satisfied by adjusting a threshold, are defined. The number of formal concepts in a variable threshold concept lattice is far less than that in a fuzzy concept lattice. The three kinds of variable threshold concept lattices are constructed between two crisp sets, between a crisp set and a fuzzy set, and between a fuzzy set and a crisp set. Their properties are analogous to that of the classical concept lattices, and can be induced by the fuzzy concept lattice.     

一种区间数分解与定标算法及其扩展形式背景的概念格生成方法

现有的概念格模型无法处理既包含以布尔值表示的信息,又包含以标量、模糊数及区间数表示的信息。因此,针对包含所有这些信息类型的扩展的形式背景提出它的处理方法,在此基础上,生成经扩展的概念格,是一项有意义的工作。提出了一种新的区间数分解与定标算法,以处理含有多种类型的扩展形式背景,并给出了相应的扩展格生成算法。最后,实验表明,该方法具有良好的效果。     

一种基于模糊形式概念分析的模糊本体学习方法

模糊本体是语义网中处理模糊信息的重要工具,而模糊本体学习是构建模糊本体的一种有效方法,因此模糊本体学习已逐渐成为现今本体研究的热点。作为模糊本体的另一种图结构的表现形式,模糊概念格构造与演化的研究也渐渐引起人们的关注。模糊形式概念分析是一种基于模糊形式背景表示形式概念的新模型,是由模糊集理论与形式概念分析结合而成,其主要表现形式即是模糊概念格。这种模糊概念层次结构是数据分析及规则提取的有效工具,且支持概念间相似度的计算。提出一种基于模糊形式概念分析的模糊本体学习方法,意图从领域文档中获取模糊概念和模糊概念关系,并通过模糊形式概念分析,将其添加到源模糊本体转化的模糊概念格中,以完成模糊本体学习。     

模糊概念格在知识发现中的应用研究

概念格是一种优良的形式化分析工具,已经广泛应用于知识发现和数据挖掘中。在大量研究中概念格基于精确的形式背景,即二值背景,而在实际中,形式背景中的信息往往是模糊、不确定的。本文将“模糊”引入概念格,定义了属性模糊概念格和其上的截运算,在概念格结点级上定义了两模糊参数α和δ,提出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,并给出了一个实例。     

序列模糊概念格模型及其渐进式构造

传统的序列模式挖掘主要是挖掘满足最小支持度的频繁序列,没有考虑序列在实际中的重要度。为了能够有效地挖掘重要的序列模式,提出了一种序列模糊概念格模型,对所有序列的项目引入了重要度权值,定义了序列的重要度及可以动态调整最小支持度minsup的自适应系数;扩展了模糊形式背景,使其能够方便地表示序列,定义了概念的Galois闭包连接、序列模糊概念及序列模糊格结构,并给出了序列模糊概念格的渐进式构造算法 ScqFuzCL。实验表明,序列模糊概念格模型可以方便有效地组织自适应序列模式,在时间与空间上都具有良好的性能,并为进一步挖掘自适应序列模式提供了理论支持。     

基于模糊概念格的语义Web服务匹配

针对不同本体领域语Web服务匹配问题,提出基于模糊概念格模型的语义Web服务匹配方法。将不同本体映射成统一形式背景,进而形成模糊概念格结构,最后在模糊概念格结构的基础上,提出了服务的相似度计算方法。实验结果表明该服务匹配方法的有效性。     

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。     

A note on variable threshold concept lattices: Threshold-based operators are reducible to classical concept-forming operators

The present paper deals with formal concept analysis of data with fuzzy attributes. We clarify several points of a new approach of [S.Q. Fan, W.X. Zhang, Variable threshold concept lattice, Inf. Sci., accepted for publication] which is based on using thresholds in concept-forming operators. We show that the extent- and intent-forming operators from [S.Q. Fan, W.X. Zhang, Inf. Sci., accepted for publication] can be defined in terms of basic fuzzy set operations and the original operators as introduced and studied e.g. in [R. Belohlavek, Fuzzy Galois connections, Math. Logic Quarterly 45 (4) (1999) 497-504; R. Belohlavek, Concept lattices and order in fuzzy logic, Ann. Pure Appl. Logic 128 (2004) 277-298; S. Pollandt, Fuzzy Begriffe, Springer-Verlag, Berlin/Heidelberg, 1997]. As a consequence, main properties of the new operators from [S.Q. Fan, W.X. Zhang, Inf. Sci., accepted for publication], including the properties studied in [S.Q. Fan, W.X. Zhang, Inf. Sci., accepted for publication], can be obtained as consequences of the original operators from [R. Belohlavek, 1999; R. Belohlavek, 2004; S. Pollandt, 1997].     

概念格维护原理与算法

将把形式背景的变化分为对象-属性关系的增加和删除、对象或属性的增加和删除两类,分别研究了这两类变化引起的概念格的维护问题。在对象-属性关系的增加引起的概念格维护中,提出了父子概念对的概念,用来确定概念格维护的位置以及概念之间关系的调整。在对象-属性关系的删除引起的概念格维护中,提出确定概念格维护位置后用父子概念对代替被维护的概念,对父子概念对中的冗余概念进行判别并对父子概念对进行更新。在对象或属性的删除引起的概念格维护中,提出了利用唯一路径上的关键概念来调整因为概念的删除引起的概念之间关系的变动。     

一种新的网格资源模型研究

提出了模糊概念格和模糊概念Trie树的网格资源模型，将形式概念分析理论和网格资源管理技术进行了有机地结合。给出了网格、资源的形式概念定义，构造了网格资源模糊概念格。利用形式概念分析方法，生成了网格资源模糊概念的外延Trie树和内涵Trie树，并给出了树的生成和资源与服务检索算法。实验和实例表明，这种资源组织方式是可行和有效的。