Realization of Rough Set Approximation Toplogical Operations Based on Formal Concept Analysis

There is an intimate correlation between rough set theory and formal concept analysis theory, so rough set approximations can be realized by means of formal concept analysis. For any given multiple valued information system, the realization of rough set approximation operation has two major steps, firstly convert the information system from multiple valued one to single valued formal context, secondly realize rough set approximation operations aided by concept lattice, which is equivalent to a query operation under some necessary conditions.

概念格与粗糙集的关系研究

概念格理论和粗糙集理论是两种不同的知识表示与知识发现的工具,都已被成功应用于许多领域。粗糙集理论的数据表现方式是信息系统,其研究基础是对象之间的等价关系;概念格理论的数据表现方式是形式背景,其研究基础是一种有序的层次结构——概念格。本文讨论了概念格理论与粗糙集理论之间的基本联系;重点分析了形式概念与等价类之间、概念格与分划之间的关系;证明了概念格与分划之间可以相互转换,给出了转换算法,并用例子加以说明。

概念格的外延覆盖约简

概念格是数据分析与知识发现的一种有效的形式化工具。知识发现的一个重要课题是知识约简,因此,寻求简单有效的属性约简方法是很有必要的。近年来,概念格属性约简方法的研究得到了很多学者的关注,提出了多种形式的概念格属性约简方法。本文利用形式背景的外延基本元,提出了概念格的外延覆盖约简的概念。讨论了这种约简与已有的几种约简之间的关系。证明了外延覆盖约简等价于粒约简,且概念格属性协调集一定是外延覆盖协调集。给出了外延覆盖协调集的判定定理,借鉴粗糙集属性约简的思想,得到了利用辨识矩阵计算全部外延覆盖约简的Boole方法。

基于形式概念分析的不完备电子病历系统粗糙挖掘研究

形式概念分析与粗糙集理论是近年来获得飞速发展的两种数据挖掘工具。充分利用概念格在形式概念表示和粗糙集在知识约简等方面的独特优势,提出了基于形式概念分析的不完备电子病历系统粗糙挖掘算法(FCRM)。该算法利用决策规则格进行不完备知识的形式概念表示和粗糙正域近似约简,并能较好地提取相应一致的决策规则。最后构建不完备中医电子病历方剂挖掘专家系统,实验结果表明该算法在不完备电子病历系统约简和挖掘方面均具有较好性能。

形式概念分析与粗糙集的比较研究

形式概念分析与粗糙集理论为数据挖掘和知识获取提供了两种不同的方法。该文首先对于形式概念的外延及粗糙集的等价类进行了讨论,给出了它们之间的区别和联系;其次通过引入反链形式背景,对它们之间的关系进行了更进一步的研究;最后给出了形式背景约简和划分约简之间的关系。

概念格与粗糙集的数据分析方法研究

概念格和粗糙集是数据挖掘中对数据进行分析与处理的两个有力工具,它们在数据分析方面有相似之处。通过运用概念格刻画粗糙集的一些概念与性质给二者建立了联系。指出了概念格每个结点都是粗糙集中一个等价类,并借鉴粗糙集的思想,提出了在概念格中进行概念近似的方法。同时使用概念格中的概念重新描述了粗糙集的上下近似,最后通过事例将粗糙集中改进的区分矩阵运用于概念格中的属性约简,从而减少了区别矩阵的存储空间,并同时减少了区别矩阵的计算量,真正从一定意义上结合了二者的优点。

协调决策形式背景的属性约简

本文研究基于对象定向概念格和属性定向概念格协调决策形式背景属性约简的问题。首先介绍了协调决策形式背景属性约简的概念,讨论了其等价的定义。进一步给出了属性约简的判定定理和相应的可辩识属性矩阵,从而为概念格中协调决策形式背景属性约简提供了一种具体的方法。

一种基于粗集理论的概念格构造方法

概念格是数据分析与规则提取的一种有效工具 .但是在实际应用中由于需要处理的数据是海量的 ,使得直接基于概念格上提取规则的冗余度过大 ,造成机器计算时间和空间的浪费 .而粗集理论在数据预处理和不确定性规则提取等方面表现出很强的优势 .因此 ,为了减少人力物力的浪费 ,本文提出了一种应用粗集理论构造概念格的算法 。

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。

基于不可约元的概念格属性特征识别方法

形式概念分析是数据挖掘与知识获取的一种有效的数学工具。概念格作为形式概念分析的一个核心内容,刻画了对象和属性之间的内在联系。基于概念格中外延、内涵闭系统中不可约元的性质,本文研究了概念格理论中的属性分类问题,给出了一种属性特征的识别方法。这种方法不仅揭示了交不可约元与属性特征的关系,同时为知识约简提供了一种新的途径。

基于概念格粗糙集的采矿方法优选研究

为了正确选择矿山初选的采矿方法,提出基于概念格粗糙集的采矿方法评价体系。综合考虑影响采矿方法选择的众多因素后,对指标进行分层处理,利用改进的粗糙集建立采矿方法评价体系,生成最少决策规则集。属性约简是粗糙集中的核心问题,选择概念格作为约简工具,对条件属性进行约简。将模型用于15种采矿方法的优选,得到了最大可约简属性集,决策规则集的分类质量为100%。最后,将约简概念格与传统粗糙集中的分辨矩阵进行对比,结果表明:概念格在属性约简方面比分辨矩阵更有效,利用概念格的粗糙集构建采矿方法评价体系对矿山生产具有一定的理论指导意义。

基于粗糙集理论的面向属性概念格动态压缩

形式概念分析是知识获取的一种有效工具,已被广泛应用到各个领域。本文提出了一种面向属性概念格动态压缩的新方法。首先,利用依赖空间的理论,讨论了同余关系和面向属性概念格之间的联系;其次,基于同余关系给出了面向属性概念格约简的定义并证得约简集是保持同余划分不变的最小属性子集;最后,给出了面向属性概念格动态压缩的新方法。

基于概念格同构下的属性约简及其算法研究

通过研究概念格和同构理论,发现不同的概念格之间存在同构关系,并引入算子E=A-D和G=E-D**,给出一系列概念格同构的判定定理。基于概念格同构这一理论,对形式背景的属性约简及最小属性约简集的算法进行初步研究,为应用概念格进行数据挖掘提供新的理论依据。

概念格属性约简的判定

引入Galois联络,利用Galois联络深入研究了概念格的基本性质。指出概念格同构是格同构。为了寻求更为简洁、合理的约简算法,在更一般的形式背景(即对象集和属性集有限或无限)中,给出协调集的四类判定定理,将已有结果做了推广而且丰富了协调集的判定。举例说明在一般的形式背景中,约简不一定存在。

基于概念格基本定理的属性约简

研究了概念格属性约简理论,在更一般的形式背景(即对象集和属性集有限或无限)中,基于概念格基本定理,从新的角度给出协调集的判定,进而得到约简的判定.对属性集的分类做了进一步的刻画,改进了已有的结果.

决策形式背景上区间集概念格的属性约简

将区间集思想引入决策形式背景,研究决策形式背景上的区间集概念格及其属性约简方法.首先在决策形式背景上建立条件区间集概念格和决策区间集概念格,引入这两个区间集概念格之间的加细,给出协调决策形式背景上的区间集协调集及约简的定义,讨论区间集协调集的判定方法.通过在决策形式背景上定义可辨识区间集属性矩阵,给出寻找决策形式背景上区间集约简的方法.

基于概念格的知识约简算法的实现

探讨了Rough集和概念格的基本理论,将Rough集和概念格模型有机地结合起来,运用Rough集的约简理论提出一种基于概念格的知识约简方法并通过实验进行了验证,结果表明利用Rough集理论对以形式背景形式描述的原始数据集进行约简,可以在一定程度上减小概念格的规模。

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。

缺值背景中的概念分析与知识获取

In formal concept analysis ,concept lattice as the fundamental data structure can be construct-ed front a formal context. Howevt, r,it is required that the relation between object and feature in the for-real context should be certain, For uncertain relation,this paper uses the thoughts of upper and lowerapproximation in rough set theory to deal with it ,and gives out the corresponding definitions of missing-value context and rough formal concept, Based on them, this paper employs rough concept lattice,formed by rough formal concepts and partial order relation on them,as the basic data structure for con-cept analysis and knowledge acquisition. Then a theroem is presented to describe the method of extract-ing rules from constructed rough formal concept lattice,and the semantic interpretation of discoveredrules is explained.

形式背景下粗糙集近似算子的公理化方法

给出了在形式概念分析中粗糙集近似算子的一种新的定义方式,并给出了它们的公理化刻画。同时也给出了作者Shao提出的另外一对形式概念分析中粗糙集近似算子的公理化刻画。公理化方法有助于理解近似算子的数学结构特征。