不确定性信息系统中的知识表达与约简

发布时间：2019-11-23 20:54

【摘要】：概念是认知的基本单位,在学习、记忆和推理等认知过程中发挥着重要作用.形式概念分析是表达形式化概念的一种重要理论模型,可以反映概念之间的层次关系,已被广泛应用于软件工程、知识发现、信息检索等领域.经典概念格是建立在完备离散数据的基础上的.但是现实世界的数据往往具有不确定性,如何从不完备、不精确、不一致的数据中获取人们需要的知识,是广大学者一直关注的问题.知识约简是概念格理论研究的一个重要问题.通过知识约简,可以降低概念格的计算复杂度,简化概念格的结构,有利于重要知识的发现.本文主要研究了不确定性信息系统中的知识表达与约简,主要成果包括：1.基于三支决策理论构造了不完备形式背景的三支近似概念格,提出了该模型下的两种属性约简方法.三支近似概念格同时利用包含法和排除法从两个角度表达不确定性概念,便于人们全面地理解不确定性知识.通过将不完备形式背景转化为完备形式背景,揭示了三支近似概念格与经典概念格之间的联系.为简化三支近似概念的表达,提出了两种三支近似概念格的属性约简方法,其中一种基于辨识矩阵和辨识函数,另一种基于△-不可约属性.2.提出了一种基于对象-概念辨识矩阵(OC辨识矩阵)的属性约简方法.通过辨识矩阵计算概念格的属性约简是一种经典方法,被广泛用于各种概念格模型.传统辨识矩阵需要两两比较概念格中的概念,计算复杂度为O(nl2),其中n表示形式背景中的属性个数,l表示概念格大小.OC辨识矩阵仅需要比较每个对象和不包含该对象的概念,计算复杂度为O(mnl),其中m表示形式背景中的对象个数.一般情况下,m远远小于l,所以OC辨识矩阵的计算复杂度大大降低.结合概念格的偏序关系,构造了简化OC辨识矩阵,仅需比较每个对象和不包含该对象的最大概念,进一步简化了OC辨识矩阵.实验结果表明,本文提出的方法对多个具有经典外延的概念格模型(包括经典概念格、三支近似概念格、变精度概念格等)有效.3.提出了一种经典生成模糊概念格模型下的基于辨识矩阵的属性约简方法.经典生成模糊概念格是由经典属性子集生成的模糊概念格,具有概念格相对较小、每个概念都比较重要、几乎不依赖模糊逻辑连接等特点,是一种重要的模糊概念格模型.在该模型下,本文提出了基于辨识矩阵和辨识函数的属性约简方法.根据不同属性在构造经典生成模糊概念格时起到的不同作用,将所有属性分为绝对必要属性,相对必要属性和绝对不必要属性,并分析了每类属性的特征.最后,将本文提出的方法应用于变精度概念格模型中的知识约简,完善了变精度概念格的知识约简方法,并通过实例验证了本文方法的有效性.4.提出了一种基于概念格的不协调信息系统中的值约简方法.在计算值约简时面临着两个主要问题.一是在传统值约简计算方法中通常需要先进行属性约简,而这样有可能得不到最优值约简；二是在概率粗糙集模型中,阈值的引入使得决策域(正域、非负域)关于属性子集不满足单调性,在计算属性约简和值约简的时候需要检查所有的属性子集,但是在经典粗糙集模型中,并不存在这一问题.为了解决这两个问题,在经典粗糙集模型中,提出了一种基于概念格的启发式值约简算法FCAVR,该算法不需要进行属性约简而直接获得值约简,简化了计算步骤.在特殊的概率粗糙集模型——决策粗糙集模型中,本文提出了一种将不协调决策表转化成协调决策表的方法,进而将不协调决策表的值约简问题转化成了协调决策表的值约简问题,从而可以用现有算法计算不协调决策表的值约简.实验结果表明,相较于传统算法,FCAVR得到规则集更加简洁.
【图文】：

在ＣＦ－变精度概念格模型中，分别比较了据集１２－１３在不同阀值下的经典辨识矩阵、逡逑ＯＣ辨识矩阵、ＱＩ辨识矩阵和简化ＯＣ辨识矩阵中的非空项个数．其中将数据集６是看逡逑作是不完备形式背景的特例．实验结果见表３－９和图３－４．（图３－４中经典辨识矩阵、ＯＣ逡逑辨识矩阵、ＱＩ辨识矩阵和简化ＯＣ辨识矩阵分别用深蓝色、绿色、天蓝色和红色表示．）逡逑从实验结果可Ｗ看出，从实验结果可Ｗ看出，ＱＩ辨识矩阵和ＯＣ辨识矩阵的非空项逡逑个数都小于经典辨识矩阵，简化ＯＣ辨识矩阵的非空项个数小于ＯＣ辨识矩阵．且在所选逡逑择的数据集上，，经典辨识矩阵的非空项个数最多，性能最差，ＯＣ辨识矩阵的非空项个数逡逑次之（后者平均非空项个数约为前者的４０％），ＱＩ辨识矩阵的平均非空项个数仅为经典辨逡逑识矩阵的１７％，简化ＯＣ辨识矩阵的非空项个数最少，平均非空项个数约为经典辨识矩逡逑阵的１１％．本组实验充分说明了在ＣＦ－变精度概念格框架下，ＯＣ辨识矩阵

（ｂ）逦似逡逑图３－３邋ＯＥ－近似概念格的４类辨识矩阵的非空项个数比逡逑３．４．３邋ＣＦ－变精度概念格的４类辨识矩阵对比实验逡逑在ＣＦ－变精度概念格模型中，分别比较了据集１２－１３在不同阀值下的经典辨识矩阵、逡逑ＯＣ辨识矩阵、ＱＩ辨识矩阵和简化ＯＣ辨识矩阵中的非空项个数．其中将数据集６是看逡逑作是不完备形式背景的特例．实验结果见表３－９和图３－４．（图３－４中经典辨识矩阵、ＯＣ逡逑辨识矩阵、ＱＩ辨识矩阵和简化ＯＣ辨识矩阵分别用深蓝色、绿色、天蓝色和红色表示．）逡逑从实验结果可Ｗ看出，从实验结果可Ｗ看出，ＱＩ辨识矩阵和ＯＣ辨识矩阵的非空项逡逑个数都小于经典辨识矩阵，简化ＯＣ辨识矩阵的非空项个数小于ＯＣ辨识矩阵．且在所选逡逑择的数据集上，经典辨识矩阵的非空项个数最多，性能最差，ＯＣ辨识矩阵的非空项个数逡逑次之（后者平均非空项个数约为前者的４０％），ＱＩ辨识矩阵的平均非空项个数仅为经典辨逡逑识矩阵的１７％，简化ＯＣ辨识矩阵的非空项个数最少，平均非空项个数约为经典辨识矩逡逑阵的１１％．本组实验充分说明了在ＣＦ－变精度概念格框架下，ＯＣ辨识矩阵（在没有记录概逡逑
【学位授予单位】：西南交通大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP18


本文编号：2565133