三元背景基于二元关系不变的约简

针对三元背景,提出了基于二元关系不变的约简问题。根据每个论域中元素对约简所起的不同作用对所有元素进行分类,并对不同类型元素的性质进行讨论。最后研究了约简前后三元概念之间的关系。     

用矩阵方法进行概念格的属性约简

本文给出了概念格的可辨识布尔矩阵的概念,把概念格的属性分成绝对必要属性、相对必要属性和绝对不必要属性三类,建立了概念格的属性约简模型.用布尔矩阵的初等行变换把可辨识布尔矩阵化为最简矩阵,给出了通过可辨识布尔矩阵和最简矩阵判定绝对必要属性、相对必要属性和绝对不必要属性方法,并由此给出了一种初等、直观的属性约简算法.     

基于可辨识布尔矩阵和分类系数的属性约简算法

为了增强粗糙集理论中某些概念与运算的直观性，分别给出了可辨识布尔矩阵和分类系数的定义．用分类系数简捷地描述了粗糙集中的相关概念与运算．提出了基于可辨识布尔矩阵和分类系数的快速属性约简算法．     

形式背景上基于矩阵信息熵的矩阵熵约简

概念格的属性约简是知识表示和数据处理的一种有力工具,已被成功应用到多个领域,寻求高效快速的属性约简算法仍然是概念格理论的主要研究热点.从信息熵和布尔矩阵的角度研究形式背景的属性约简,提出属性约简的新方法.首先,在形式背景上定义矩阵信息熵、矩阵条件熵、矩阵联合熵和矩阵互信息熵,研究它们的性质和相互之间的关系.接着,在形式背景上提出基于矩阵信息熵的矩阵熵协调集和矩阵熵约简的定义,给出了属性的重要性度量,利用矩阵信息熵刻画核心属性、相对必要属性和不必要属性的属性特征,再给出获取矩阵熵约简的方法和算法.最后,利用UCI数据集进行测试,验证了基于矩阵信息熵的矩阵熵约简算法的有效性.通过对比实验,证明该算法具有更加高效的约简性能且适用于大数据样本.     

基于三元因子分析的三元概念约简

三元概念的约简是三元概念分析的重要问题,因为它既能简化三元图的表示,又有助于更好地理解三元概念的语意并从中提取有价值的信息.基于三元因子分析,研究保持三元背景中所有三元关系不变的三元概念约简.首先,基于三元因子分析提出三元概念约简的定义.该方法是在保持三元背景不变的条件下寻找尽可能少的三元概念,即这些三元概念能够完整地反映原始三元背景所包含的所有三元关系.其次,讨论三元因子分解与三元概念协调集的关系,并给出三元概念协调集和约简的判定方法 .最后,利用三元概念约简将三元概念分为三类:核心(绝对必要)概念、相对必要概念和不必要概念,并得到每类三元概念的充要条件.此外,通过实例给出由三元因子分解和概念约简定义两种方法寻找三元概念约简的详细过程.     

基于概念背景的概念格启发式属性约简

提出了概念格的概念背景,在保持概念格中各概念外延不变的情况下,即保持概念背景的论域划分不变的情况下对概念格的属性集进行了约简,提出了概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性.     

布尔矩阵空间及正则布尔矩阵的g—逆线性空间

研究了布尔矩阵空间和自则布尔矩阵的ｇ－逆线笥空间的一些性质，在些基础上，给出了正则布尔矩阵的ｇ－逆集的另一个表示法，进而，提出了正则布尔矩阵的特征矩阵概念，通过了特征矩阵可以表征一个正则布尔矩阵的极小ｇ－逆集、主ｇ－逆和ｇ－逆线性空间的一些重要性质。     

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.     

基于关联格的概念格约简理论

研究概念格与其关联格之间的关系并给出了两者之间的同构定理,进而研究了由概念格的关联格来进行属性约简的理论与方法。     

基于粒辨识属性矩阵的动态形式背景约简更新方法

知识约简是知识发现中的一项重要任务,它的研究使得在数据中寻找蕴含规则更加简易,但现实中的信息往往都不是一成不变的,随着时间的推移需要不断地对原有信息进行适当更新。本文主要从粒辨识属性矩阵出发,讨论当所研究的形式背景处于更新状态时,如何由原有的粒协调集更新得到新的粒协调集,并讨论了粒辨识属性矩阵的相关性质。     

知识基的布尔矩阵求解方法

用布尔矩阵方法对知识空间的原子和知识基进行研究.首先,建立知识空间和(反)知识背景之间的联系;其次,用布尔矩阵表示(反)知识背景,研究其对应的关系矩阵和对象关系矩阵的性质;最后,从知识状态、算子、布尔向量和布尔矩阵等角度判定原子的特征,给出知识空间中原子和知识基的求解方法.     

基于ECⅡ代数的概念格属性约简

概念格是数据分析与知识发现的重要理论.知识发现的一个重要方面是知识约简,因而找到简单有效的约简方法是非常必要的.本文从形式背景上ECⅡ代数结构的角度出发,研究了概念格的属性约简定理,约简方法及属性特征.     

基于差别矩阵的区间值形式背景属性约简

目的在形式概念分析理论框架下,研究区间值形式背景的属性约简。方法给出区间值属性集差别矩阵和区间值形式背景属性约简的定义,并研究相关性质;研究协调区间值属性集的判定定理。结果给出协调区间值属性集的判定定理,以及基于区间值属性集差别矩阵的区间值形式背景约简方法。结论区间值形式背景可进行属性约简。     

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.     

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.     

基于素数性质的布尔函数约简算法

提出了基于素数性质的布尔函数约简算法,其主要思想是用素数表示布尔变量,以素数乘积有序对表示合取式,用算术运算取代原有的逻辑运算.将基于素数性质的布尔函数约简算法运用于粗糙集中,结果表明,该算法能够节省存储空间,提高运算效率,约简算法行之有效.     

布尔矩阵空间及正则布尔矩阵的g－逆线性空间

研究了布尔矩阵空间和正则布尔矩阵的ｇ－逆线性空间的一些性质。在此基础上，给出了正则布尔矩阵的ｇ－逆集的另一个表示法。进而，提出了正则布尔矩阵的特征矩阵概念，通过特征矩阵可以表征一个正则布尔矩阵的极小ｇ－逆集、主ｇ－逆和ｇ－逆线性空间的一些重要性质。     

基于互信息粒度的相对约简的矩阵计算方法

提出了一种基于互信息粒度的相对约简模型,该模型利用互信息度量决策系统中的条件属性,将互信息对属性的度量映射到布尔矩阵,并能得到完备的相对约简结果;同时给出了基于布尔矩阵属性重要度的度量方法,在此基础上,设计了一种相对约简启发式计算方法,最后通过实验验证了方法的有效性.     

形式模糊背景中单边模糊概念格的属性约简

形式概念分析是一种有效的知识表示和知识发现的方法,形式背景和形式概念是形式概念分析中的两个基本概念.形式背景描述了对象集和属性集间的一个二元经典关系,隐含其中的知识通过概念格的形式表示出来.形式模糊背景是形式背景在模糊集理论下的自然推广,建立在其上的模糊概念格在实际应用中面临许多困难,为此,多种形式的模糊概念格的改进形式应运而生.单边模糊概念格就是一种具有较好应用前景的改进模糊概念格.主要研究基于经典-模糊概念格的形式模糊背景的属性约简问题,这里属性约简的概念具有保持相应的概念格整体结构不变的含义.关于属性约简,给出了多种形式的属性约简判定定理,针对属性约简,将所有属性分为三类,探究了不同类型属性的特征刻画.最后,通过引入模糊概念间的辨识属性集的概念,得到了基于辨识属性矩阵的属性约简方法,并通过示例验证了属性约简方法的可行性.     

概念格属性约简的一种快速求法

形式概念分析理论对于知识发现、信息检索、机器学习、软件工程等领域是一种很有效的数据分析工具．通过对概念格属性约简的研究,给出了绝对必要属性、相对必要属性和绝对不必要属性的判定定理,在此基础上给了直接从对象集求约简属性的快速算法．