基于固定β值的概念格上变精度粗糙集近似

计算机工程与科学

• 论文 • 上一篇

基于固定β值的概念格上变精度粗糙集近似

毛华,康然,杨兰珍

(河北大学数学与信息科学学院，河北保定 071002)

收稿日期:2016-06-02 修回日期:2016-08-21 出版日期:2017-12-25 发布日期:2017-12-25
基金资助:
国家自然科学基金(61572011,61073121)；河北省自然科学基金(A2013201119)

Variable precision rough set approximations in

concept lattice based on the fixed value of β

MAO Hua,KANG Ran,YANG Lan-zhen

(School of Mathematics and Information Science,Hebei University,Baoding 071002,China)

Received:2016-06-02 Revised:2016-08-21 Online:2017-12-25 Published:2017-12-25

摘要/Abstract

摘要：

粗糙集理论和概念格理论均为研究知识发现与不确定性决策问题的重要方法，二者之间紧密相关。在提出概念格上的变精度粗糙集的β-上、下近似定义的基础上，一方面，对于任意给定的变精度β，讨论了概念格上变精度粗糙集β-上、下近似的性质；另一方面，针对不可定义对象集，分别提出了概念格上的变精度粗糙集β-上、下近似算法；最后，实例验证了新给出的算法可以满足用户对不同近似精度的要求，使近似结果有弹性的变化，较Yao和Monhanty给出的算法有一定的优势。

关键词: 变精度粗糙集, 概念格, 上近似, 下近似

Abstract:

Both rough set theory and concept lattice theory are important methods for knowledge discovery and uncertainty decision, and they are closely connected. Based on the concepts of β-upper and lower approximations of variable precision rough sets in a concept lattice, we discuss the properties of the β-upper and β-lower approximations of variable precision rough sets in a concept lattice for any given variable precision β, and for any undefinable object in a formal context, we propose an algorithm about β-upper and β-ower approximations of variable precision rough sets in a concept lattice, respectively. What’s more, an example is given to verify that the new algorithm can meet the requirements of users’ different approximations and make the approximation results change flexibly. The new algorithm outperforms Yao and Mohanty' algorithms in β-lower approximations.

Key words: variable precision rough set, concept lattice, upper approximation, lower approximation

毛华,康然,杨兰珍. 基于固定β值的概念格上变精度粗糙集近似[J]. 计算机工程与科学.

MAO Hua,KANG Ran,YANG Lan-zhen.

Variable precision rough set approximations in

concept lattice based on the fixed value of β

[J]. Computer Engineering & Science.

[1]	佘志用,段超，张雷. 变精度最小平方粗糙熵的图像分割算法[J]. 计算机工程与科学, 2019, 41(04): 657-664.
[2]	吴尚智1，佘志用2，张霞1，赵慧琴3. 利用变精度粗糙熵的图像分割算法[J]. 计算机工程与科学, 2018, 40(10): 1837-1843.
[3]	徐怡1,2，李策2. 基于多重阈值的变精度多粒度粗糙集模型[J]. 计算机工程与科学, 2016, 38(08): 1727-1734.
[4]	张春英，王立亚,刘保相. 区间概念格的纵向维护原理与算法[J]. J4, 2015, 37(06): 1221-1226.
[5]	徐红升，张瑞玲. 基于粗概念格模型的电子商务领域本体的构建研究[J]. J4, 2014, 36(03): 530-535.
[6]	王艳平. 基于变精度粗糙直觉模糊集的决策规则获取[J]. J4, 2014, 36(03): 541-544.
[7]	常志玲，王岚. 一种新的决策树模型在就业分析中的应用[J]. J4, 2011, 33(5): 141-145.
[8]	周〓顽，周才学. 基于扩展概念格模型的文本分类规则提取的研究[J]. J4, 2010, 32(8): 98-100.
[9]	丁春荣1,李龙澍2. 变精度粗糙集模型在决策树构造中的应用[J]. J4, 2010, 32(7): 86-88.
[10]	臧国轻沈夏炯李国雁王鸿铭. 同义概念格的纵向合并[J]. J4, 2008, 30(3): 149-152.
[11]	徐凤生. 一种属性与值约简及规则提取算法[J]. J4, 2008, 30(2): 61-63.
[12]	刘利峰吴孟达王丹. 基于属性约简的概念格构造[J]. J4, 2007, 29(6): 10-142.
[13]	徐凤生李海军. 不相容决策表的求核方法[J]. J4, 2007, 29(11): 84-85.
[14]	徐凤生. 一种改进的二进制可辨识矩阵及属性核计算方法[J]. J4, 2006, 28(8): 66-69.
[15]	徐凤生. 属性约简中一种新的求核算法[J]. J4, 2006, 28(11): 60-62.

基于固定β值的概念格上变精度粗糙集近似

Variable precision rough set approximations in

concept lattice based on the fixed value of β

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价