变精度粗糙集模型

针对基本RS模型的不足,介绍了变精度粗糙集模型,并讨论了它与基本RS模型的关系.最后,定义了变精度粗糙集模型上的属性近似依赖、近似约简.

基于变精度可能算子的网络概念认知

网络上的概念认知是网络数据分析领域的一个重要方向。从形式概念分析中的必然算子、可能算子出发,提出变精度可能算子,表明经典可能算子是变精度可能算子的特殊情形;进一步,对可能算子的性质进行研究,并解释它们在传染病网络研究中的意义;接着,根据变精度可能算子提出两种网络广义概念及其上下近似与边界,通过实例说明基于变精度可能算子的上下近似和边界在网络概念认知中具有更丰富的语义;然后,结合复杂网络分析中的网络特征值方法,定义网络弱概念,并提出基于变精度可能算子的网络弱概念获取方法;最后,利用文中算法在UCI数据集上进行测试,结果证实了变精度可能算子在网络概念认知中的优势。

网络决策形式背景下基于因果力的邻域推荐算法

网络数据下的概念认知与知识发现是网络数据分析领域的热门研究方向,已应用于推荐系统领域,但是如何构建合理的弱概念集以提高邻域推荐效果仍是一个难题.为了解决该问题,文中提出变精度弱概念集,诱导出包含较多信息量的邻域,在此基础上提出基于因果力的邻域推荐算法.首先,定义相似性网络聚合中心度,确定专家节点,得到变精度弱概念集,进行邻域划分.然后,在每个邻域中利用变精度共有算子得到对象的条件属性弱概念和对象的决策属性弱概念,通过因果力代换原理和相关推论给出邻域推荐算法.在MovieLens、Filmtrust数据集上的对比实验表明,文中算法在精确度、召回率、F1值和运行时间上均有明显提升.

变精度粗糙集

本文定义了变精度粗糙集,从精度的取值情况分类讨论了其基本结构.对比一般粗糙集性质,研究了变精度粗糙集三个方面的性质:集合与其变精度近似集的关系、变精度近似算子的幂作用、变精度边界算子对粗糙集性质的修正.得出了若干具有理论和应用价值的结果,并从算子论和集合论的角度丰富了粗糙集理论。