单边区间集模糊半概念的知识表示及提取方法

为了使“区间”形式加以表述的不确定信息的提取具有侧重性,需提取出对象(属性)集对应的属性(对象)区间集。本文在模糊形式背景中,通过引入2个阈值,将单边区间集与经典半概念结合,提取出属性(对象)集对应的对象(属性)区间集,从而提出区间集外延–集合内涵(集合外延–区间集内涵)(interval set extent-set intent(set extent-interval set intent),ISE-SI(SE-ISI))型单边区间集模糊半概念。全体ISE-SI(SE-ISI)型单边区间集模糊半概念构成格,并给出基于格搜寻全体ISE-SI(SE-ISI)型单边区间集模糊半概念的算法。通过与已有成果对比,显示出这2种知识表示形式的多方优势。本文所得结果在知识表示及提取方法上具有适用范围广、实际应用强等优点。

中智模糊半概念知识提取研究

在中智模糊形式背景下,将三支中智模糊概念与经典半概念相结合,提出面向属性的中智模糊半算子与面向对象的中智模糊半算子,进一步得到面向属性的中智模糊半概念与面向对象的中智模糊半概念。在此基础上,讨论了它们在形式概念分析理论中的核心结构——格,并得到构造其格结构的算法。通过实际案例说明了中智模糊半概念的应用价值,为知识提取提供了一种新方法。

模糊形式背景下的技能层约简与前级(后级)知识结构的充要条件

模糊技能映射为构建知识结构提供一个途径,但将基本局部独立模式应用于前级(后级)知识结构中会呈现不可识别问题,因此,在模糊技能映射的前提下,文中主要解决两个问题:技能约简耗时过长、寻找前级(后级)知识结构的充要条件.首先,基于模糊技能背景,构造一对算子,通过算子确定的模糊技能概念格直接获取简单闭包空间,同时获得每个知识状态对应的最小技能熟练程度.然后,提出技能层约简的概念,利用标记技能约简对冗余技能层进行约简,并给出技能层约简算法.同时给出模糊技能映射诱导前级(后级)简单闭包空间的充分必要条件,并提供获取前级问题集和后级问题集的算法.最后,在5个UCI数据集上的对比实验验证文中算法的可行性和有效性,同时获取前级问题集和后级问题集.

认知算子阈值变化的动态概念认知方法

在现实应用中,形式背景的隶属度可能随着时间发生变化。然而,现有的动态概念认知方法只能处理形式背景的对象和属性增量变化情况下的概念认知问题。当形式背景隶属度发生变化时,现有的动态概念认知方法不能实现认知。为了弥补这一不足,提出一种认知算子的阈值、形式背景的部分隶属度发生变化情况的动态概念认知方法。具体地,对于阈值发生变化的情况,利用增量算子将原概念转化为形式背景更新后的概念;对于隶属度发生变化的情况,利用变化情况的不同,将变化后的形式背景分成三个部分,分别在三个子形式背景上进行认知,最终生成形式背景更新后的概念。建立了一个可以处理认知算子阈值、隶属度同时发生变化的认知系统。给出了概念认知算法,并通过数据实验说明了算法的有效性。

三支决策视角下概念格的分析和比较

基于概念的构造和形式背景的构成,文中从三支决策的视角探究不同概念格之间的内在联系,分别对比不完备形式背景和经典形式背景中的概念格及直觉模糊形式背景和模糊形式背景中的概念格,展现三支决策在概念格理论中的重要价值.通过对比可以看出,相比经典形式背景和模糊形式背景中的概念格,不完备形式背景和直觉模糊形式背景中的概念格体现三支决策思想,具有数据存储所占空间更小,属性约简更简洁等优势.

模糊概念格与模糊推理

基于伽罗瓦连接,分别在交换伴随对与对合剩余格条件下,讨论了模糊概念格的四种定义形式。并证明了在对合剩余格上,对偶性成立,四种模糊算子将具有与经典意义下一致的相互关系。最后我们提出了一种基于模糊概念格的模糊推理规则,并证明了其还原性。

基于剩余蕴涵的模糊概念格构造方法

介绍了由下半连续三角模生成的剩余蕴涵.建立了关于模糊形式背景的模糊概念格,并讨论了其层次结构、由模糊集生成的模糊概念以及W ille算子的不动点.用模糊关系实例说明了基于Godel剩余蕴涵的模糊概念格的构造方法.

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。

变精度对象概念格的构造及其性质

讨论了基于模糊形式背景的模糊对象概念格的概念约简,构造出了模糊对象概念格的3种变精度概念格,即经典-模糊、模糊-经典、经典-经典变精度对象概念格,并讨论了它们的性质及相互关系。结果表明,变精度对象概念格的概念数量远远少于模糊对象概念格的概念数,而且每一种变精度概念格都保留了模糊对象概念格中相对重要的概念。

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。

一种模糊概念格快速构造方法及其计算机实现

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。

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SeqFuzCL。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。

一种新的模糊概念格及其构造方法

Will.R提出的概念格反映了对象与属性之间的精确关系,而在现实生活中,人类认识的大量概念都是模糊的,因此研究模糊概念格有着重要意义。提出了一种新的模糊概念格,讨论了它的性质以及构造方法,给出了模糊概念的构造算法。最后,用一个算例证明了该方法的有效可行性。

多源形式背景的信息融合

多源数据的知识发现是当今大数据分析领域中的重要课题。文章研究多源形式背景的信息融合方法。借助剩余格理论提出了一种将多源同域形式背景融合为一个L模糊形式背景的方法;刻画了融合形式背景中的L模糊概念与相应的单源形式背景中的形式概念之间的关系,给出了形式概念之间的相互诱导方法。

模糊概念的提出及其研究

提出模糊概念的定义,并给出模糊概念的一些基本性质.通过模糊概念与模糊语言命题的比较发现,两者在描述形式上具有一定的相似性.进而我们可以通过模糊概念的获取来很方便地从形式背景中抽取模糊语言命题.

变精度属性概念格的构造及其性质

将模糊集引入形式概念分析存在的最大问题在于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属性概念格的概念约简,构造出了模糊属性概念格的三种变精度概念格,即经典-模糊、模糊-经典、经典-经典变精度属性概念格,并讨论了它们的关系。结果表明变精度属性概念格的概念数量少于模糊属性概念格的概念数。每一种变精度概念格都保留了模糊属性概念格中相对重要的概念。

直觉模糊概念格的属性约简

研究直觉模糊形式背景下的概念格属性约简.利用直觉模糊逻辑算子给出了直觉模糊概念格的构造,通过直觉模糊集的水平截集定义了可辨识属性矩阵,给出了直觉模糊概念格的属性约简方法.

概念相似度在文本模糊聚类中的应用

文本聚类是文本挖掘的一种重要方法。基于形式概念分析和概念相似度,给出一种新的多背景文本模糊聚类方法和模型。该方法不仅考虑了多背景关键词之间的语义关系,而且通过非距离计算得到模糊相似矩阵。可根据不同要求得到相应的聚类结果,具有较好的灵活性。最后通过示例说明了所给算法的可行性。

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。