基于RFCA的概念相似度计算方法

本文主要针对基于FCA的概念相似度计算模型不能计算非形式概念之间的相似度问题,引入粗糙集理论,给出了FCA中等价关系的定义,提出了基于RFCA的概念相似度计算方法,通过实例说明该方法是可行的。

在FCA中的粗糙概念

在研究了粗糙近似和形式概念之后,把Roughsets思想应用于FCA中,拓宽了形式概念的范围,对一些特殊的不可定义的概念进行了研究.

模糊粗糙集在科技文档检索中的应用研究

关于提高文献的检索效率,在科技文献检索过程中,传统的基于关键词匹配的检索方法缺乏对知识的理解和处理,只能检索出包含关键词的文献,而不能检索出与关键词语义相似的文献,因而检索结果在查全率和查准率都无法满足检索者的要求。将模糊粗糙集理论引入信息检索当中,对信息检索模型的缺陷进行了改进。首先用传统的互信息函数计算标引词之间的语义关联权重,构建出模糊近似空间;然后用TF-IDF方法获得文档的模糊向量表示,在计算标引词重要度权重时,不但考虑了标引词出现的频度,还考虑位置因素,查询的模糊向量表示完全由用户的兴趣确定;最后用模糊近似空间对关键词进行概念扩展,挖掘出相似概念类,计算文档和查询模糊表示的上、下近似集,文档和查询的匹配不再是关键词匹配,而是利用布尔逻辑的合取、析取公式对上、下近似集进行模糊匹配,并返回按相似度值排序的检索结果。仿真测试表明,方法能提高科技文档检索的性能,能对科技文献进行概念意义上的检索。

基于相似性的近似信息系统概念优化算法

在现实的物理世界中,信息系统允许是不完备的、多值的、近似的、离群的,即非定常的(non-deterministic).本文基于容错粗糙集理论提出非定常信息系统的形式描述,分析了近似信息系统的六种表现,并给出强相似和弱相似的概念.论文在定义了容错粗糙集的相似性测度的基础上,结合FCA理论对不可定义概念进行了扩展,分别对属性不可定义、对象不可定义和上下文不可定义进行了讨论,并给出了相应的近似系统形式概念的最佳逼近算法.实例仿真表明算法具有较好的时间复杂性.

本体领域综合概念相似度计算中的权重确定方法

利用粗糙集及条件信息熵的相关理论,针对基于相似度计算的本体映射方法在相似度融合时权重过分依赖专家参与等问题,给出一种自动确定权重的策略,并通过实例验证了该方法的可行性.该方法充分考虑在信息量不确定情况下,用各属性对系统信息熵的影响程度确定各属性在当前信息系统中所占的权重,从而使本体的自动化映射和语义网的实时服务成为可能.

最优近似粗糙集

为了更好地解决近似空间(U,R)上目标概念边界域的不确定性问题,提出了一种新的粗糙集最优近似集的计算方法。为此引入集合相似度的定义,通过对目标概念与其近似集相似度的讨论,得到目标概念的最优近似集为上、下近似集的条件,并进一步得到目标概念的最优近似集判定与算法。通过实例对其进行了说明。

基于相似关系的局部粗糙集模型

粗糙集理论是一种有监督学习模型,一般需要适量有标记的数据来训练分类器,但现实中的一些问题往往存在大量无标记的数据,若标记数据则代价过大。概念近似是粗糙集理论的一个关键所在,基于相似关系粗糙集的提出,扩大了粗糙集理论的应用范围。为了应对大数据标记特性有限和计算效率低的问题,本文介绍了一个相似关系下的局部粗糙集理论模型,提出了具有线性时间复杂度的概念近似模型,理论证明和实例分析验证了基于相似关系的局部粗糙集中概念近似模型的优越性。