粗糙概念格分层建格算法及应用

粗糙概念格能够反映对象与特征间的确定与不确定关系,具有处理不确定性知识的能力,格的构建在应用过程中具有重要的意义。通过分析粗糙概念格的概念和结构,并结合一般概念格的构建思想,针对决策形式背景,提出一种以决策属性值为切入点的粗糙概念格的分层建格方法,从而丰富了粗糙概念格的构建理论。通过实例验证了该方法简单直观,效果良好。

粗糙概念格构造的算法

针对形式背景,利用概念外延与内涵之间特殊的关系,结合粗糙集上下近似概念,提出一种粗糙概念格构造算法,属性约简后运用粗糙度进行挖掘,获取可靠性知识。在构造过程中,对节点属性进行判断,有效地降低算法的时间复杂度。实际案例分析结果表明,通过属性约简与粗糙度的结合,该算法可以有效地挖掘获取可靠性知识,为数据分析挖掘知识提供了一种可行的思路和方法。

基于粗糙概念格的属性约简及规则获取

基于粗糙集和概念格理论进行结合,给出了决策背景下的多属性约简与规则提取方法。为此,针对决策背景的辨识矩阵和辨识函数给出了决策背景属性约简的具体属性约简方法;在此基础上得到了决策背景下的规则提取与属性约简方法,并通过实例表明了该约简方法的可行性与有效性.

概念格的粗糙性质研究(英文)

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。

粗糙形式概念抽取的属性集合幂集方法

为了最大限度地抽取出形式背景中的粗糙形式概念,以便为粗糙概念格的构建提供完整的信息源,对粗糙形式概念的抽取进行了研究,提出了粗糙形式概念抽取的属性集合幂集方法。其操作要点为:粗糙形式概念的内涵由属性集合幂集方法所求得的子集确定,粗糙形式概念的外延由属性集合幂集所对应对象的上下近似集确定。该方法实现了粗糙形式概念的抽取,保证了从形式背景中抽取出概念的完整性,并能发掘一些隐含的概念,该方法简单快捷,易于计算机实现。

L-可定义集与L-粗糙概念格

对基于剩余格L的L-形式背景引入了L-可定义集概念,研究L-可定义集的性质及其与L-粗糙概念之间的关系。给出L-可定义集的刻画;得到常值L-集均为L-可定义集的若干等价条件;证明全体L-可定义集在L-集包含序下是相应L-幂集格及L-粗糙概念格的子完备格;给出全体L-可定义集恰为全体L-粗糙概念外延的一个充要条件。

内涵粗糙三支概念及个性化推荐

作为一种高效的数据分析工具,三支概念分析为推荐系统提供了新的思路。为解决评分系统中存在的数据稀疏问题,该文提出一种内涵粗糙三支概念以及基于它的个性化推荐方案。内涵粗糙三支概念由三支概念扩展得来,是由外延、正内涵以及负内涵组成的三元组,正负内涵由外延结合对应的阈值α和β分别生成,内涵粗糙三支概念具有边界模糊、信息丰富等特点。首先,以最大化概念体积为优化目标,设计启发式方法针对每个用户生成相应的内涵粗糙三支概念;其次,移除重复的内涵粗糙三支概念以构成概念集;最后,基于正负内涵特性和推荐置信度,对用户进行个性化推荐。在6个公开数据集上进行实验,结果表明,与k NN、MF、IBCF、CFGAN以及基于形式概念的推荐算法GreConD-k NN和GRHC相比,该文算法具有更优的推荐效果。

粗糙本体构建的格-树转化方法

粗糙本体是处理不精确性信息的一种基础性工具,其存在形式是由粗糙概念和粗糙关系构成的树形结构。粗糙本体的具体形式因为参与构建的领域专家的不同而呈现多样性,然而同样也是由粗糙概念和粗糙关系构成的粗糙概念格却具有结构上的惟一性。粗糙本体的构建因而可以利用格和树的组成与结构的相似性,构建粗糙概念格,转化生成粗糙本体。探讨了格-树转化方法的实现步骤:构建粗糙概念格;聚类粗糙概念格中的粗糙概念生成粗糙概念树;转化粗糙概念树为粗糙本体。构建实例阐释了格-树转换方法的具体应用。

基于概念格的语义Web粗糙模糊本体构建

为了完整地反映人类对客观世界认知的不精确性,在讨论语义Web粗糙模糊本体定义以及组成模型的基础上,研究了基于概念格的语义Web粗糙模糊本体构建方法。根据实际领域中的模糊形式背景,采用粗糙集的方法对其划分,使用上近似模糊概念和下近似模糊概念近似地表示粗糙模糊概念,并构建粗糙模糊概念格,最终使用OWL将粗糙模糊概念格中的概念和概念之间的关系代码化,构建生成语义Web粗糙模糊本体。

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。

偏序集的完备化与形式概念分析

借用形式概念分析中构造粗糙概念的方法,给出偏序集的几种完备化构造.然后由偏序集诱导一个形式背景,讨论该形式背景下的粗糙概念与完备化的关系.最后得到本文给出的完备化与经典的Dedekind-MacNeille完备化同构的结论.

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。

名老中医喘证经验挖掘的新思路

文章为名老中医喘证经验挖掘开发一种新思路,即以中医喘证为研究对象,选择整理中医喘证医案,应用粗糙概念格聚类技术探索常用喘证临床用药经验规律,以中药、属性和功效或方、证、药之间的相应原理为基础,研究建立中医喘证的粗糙集数学模型。

不完备形式背景上的知识表示

不完备形式背景中包含有不确定性信息,其上的知识表示与完备形式背景上的知识表示既有区别又有联系。为了研究两者的内在联系,定义了偏小近似形式背景与偏大近似形式背景,以及偏小近似概念格与偏大近似概念格,提出了偏大近似概念格上粗糙概念的识别方法,研究了偏小近似概念格与偏大近似概念格之间的蕴含关系。结论表明,可以用偏大近似概念格来作为不完备形式背景的知识表示工具。

应用Rosetta对中医喘证用药经验规律的挖掘研究

目的:在遵循中医以药测症、方证对应规律的基础上,应用粗糙概念格聚类技术和方法挖掘喘证用药经验中的基础数据,通过整理、分析和归纳药症之间的对应关系,总结喘证的用药规律。方法:利用Rosetta计算机软件对喘证用药经验进行数据挖掘和聚类解析。结果:得到喘证各个症状与用药之间的关联规则和用药规律。结论:利用粗糙概念格聚类技术和方法可以有效地挖掘出中医喘证临症经验中药味的用药规律,为中医临床用药经验规律的数据挖掘研究提供了一个新模式。