基于FP-Tree的概念格量化约简及其在GIS的应用

GIS的空间数据具有海量性、复杂性的特点,为了能更有效的挖掘隐藏在GIS中的知识引入了概念格技术。然而,又为了解决关联规则生成算法效率低、构造Hasse图效率低及冗余多的问题,提出在FP-Tree的基础上直接生成经过量化约简的频繁概念格。将该算法应用于GIS的空间数据挖掘取得了实际可行的应用结果。     

模糊推理中的规则约简

为避免模糊推理中出现复合规则爆炸的情况,研究了方程pΛq→r=(p→r)V(q→r)关于uninorm诱导蕴涵所有解的情况.选用uninorm诱导的R-蕴涵作为上述方程中蕴涵时,证明了没有新的非平凡解出现;选用uninorm诱导的S-蕴涵作为上述方程中蕴涵时,获得了uninorm满足该方程的充要条件.     

不完备模糊目标信息系统的α,β精度约简算法

本文首先定义了不完备模糊目标信息系统及其非对称相似关系,然后借鉴经典的可辨识矩阵精度约简算法,提出一种新的基于非对称相似关系的可辨识矩阵(α,β)精度约简算法,对不完备模糊目标信息系统进行属性约简.最后给出一个实例,检验算法的可行性.     

基于粗糙集方法的概念格理论研究综述

概念格与粗糙集理论是软计算领域的两种不同方法,它们都在数据挖掘、知识工程、信息检索、人工智能、系统分析与管理决策等领域有重要应用。在介绍概念格基本概念的基础上,对近年来借助粗糙集方法研究概念格的粗糙集近似扩充、概念格的约简理论与方法、变精度概念格及基于概念格的模糊推理、概念粒计算系统的数学模型及迭代算法等方面进行了综述,并提出了进一步研究的问题和方向。