1(昆明理工大学数据科学研究中心 昆明 650500);2(昆明理工大学理学院 昆明 650500);3(中国科学院大学计算机与控制学院 北京 100190);4(浙江海洋大学数理与信息学院 浙江舟山 316022);5(浙江省海洋大数据挖掘与应用重点实验室(浙江海洋大学) 浙江舟山 316022) (jhlixjtu@163.com)
出版日期:
2020-02-01基金资助:
国家自然科学基金项目(11971211,61976194,61562050,61573173,61573321,41631179)Meso-Granularity Labeled Method for Multi-Granularity Formal Concept Analysis
Li Jinhai1,2, Li Yufei1,2, Mi Yunlong3, and Wu Weizhi4,51(Data Science Research Center, Kunming University of Science and Technology, Kunming 650500);2(Faculty of Science, Kunming University of Science and Technology, Kunming 650500);3(School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing 100190);4(School of Mathematics, Physics and Information Science, Zhejiang Ocean University, Zhoushan, Zhejiang 316022);5(Key Laboratory of Oceanographic Big Data Mining and Application of Zhejiang Province (Zhejiang Ocean University), Zhoushan, Zhejiang 316022)
Online:
2020-02-01Supported by:
This work was supported by the National Natural Science Foundation of China (11971211, 61976194, 61562050, 61573173, 61573321, 41631179).摘要/Abstract
摘要: 现有的多粒度标记形式背景将所有属性的粒度标记值通过多个单粒度标记形式背景的并置予以表示,这可能导致后续相关问题的研究主要集中于多个单粒度标记形式背景的知识发现及其相互关系,不利于挖掘多粒度标记形式背景的多层次知识.通过重构单粒度标记形式背景的属性粒度标记值,在多粒度标记形式背景中研究介粒度标记形式背景,使得知识发现不仅仅局限于数据采集或表示所形成的粗细粒度标记数据,还包括跨粒度重组数据的知识发现.首先,提出介粒度标记形式背景的概念,给出相应的语义解释;其次,讨论介粒度标记形式背景的泛化与特化,在此基础上证明所有介粒度标记形式背景在泛化-特化关系下构成一个完备格;然后,给出多粒度标记决策形式背景的介粒度知识发现方法,得到粗细介粒度标记形式背景之间的决策蕴涵诱导关系;最后,实验分析表明介粒度标记方法的有效性和优势所在.
参考文献
相关文章 15
[1] | 王霞,江山,李俊余,吴伟志. 三元概念的一种构造方法[J]. 计算机研究与发展, 2019, 56(4): 844-853. |
[2] | 罗晟,苗夺谦,张志飞,张远健,胡声丹. 基于层次信息粒表示的属性图链接预测模型[J]. 计算机研究与发展, 2019, 56(3): 623-634. |
[3] | 王念, 彭政红, 崔莉. EasiFFRA:一种基于邻域粗糙集的属性快速约简算法[J]. 计算机研究与发展, 2019, 56(12): 2578-2588. |
[4] | 陈玉明,李伟. 粒向量与K近邻粒分类器[J]. 计算机研究与发展, 2019, 56(12): 2600-2611. |
[5] | 谢秦,张清华,王国胤. 基于相似度量的自适应三支垃圾邮件过滤器[J]. 计算机研究与发展, 2019, 56(11): 2410-2423. |
[6] | 邹丽,冯凯华,刘新. 语言值直觉模糊概念格及其应用[J]. 计算机研究与发展, 2018, 55(8): 1726-1734. |
[7] | 吴伟志,杨丽,谭安辉,徐优红. 广义不完备多粒度标记决策系统的粒度选择[J]. 计算机研究与发展, 2018, 55(6): 1263-1272. |
[8] | 韩朝,苗夺谦,任福继,张红云. 基于粗糙集知识发现的开放领域中文问答检索[J]. 计算机研究与发展, 2018, 55(5): 958-967. |
[9] | 姚晟,徐风,赵鹏,纪霞. 基于自适应邻域空间粗糙集模型的直觉模糊熵特征选择[J]. 计算机研究与发展, 2018, 55(4): 802-814. |
[10] | 周艳红,张贤勇,莫智文. 粒化单调的条件邻域熵及其相关属性约简[J]. 计算机研究与发展, 2018, 55(11): 2395-2405. |
[11] | 顾沈明,顾金燕,吴伟志,李同军,陈超君. 不完备多粒度决策系统的局部最优粒度选择[J]. 计算机研究与发展, 2017, 54(7): 1500-1509. |
[12] | 付志耀,高岭,孙骞,李洋,高妮. 基于粗糙集的漏洞属性约简及严重性评估[J]. 计算机研究与发展, 2016, 53(5): 1009-1017. |
[13] | 邓大勇,苗夺谦,黄厚宽. 信息表中概念漂移与不确定性分析[J]. 计算机研究与发展, 2016, 53(11): 2607-2612. |
[14] | 张志飞,苗夺谦,聂建云,岳晓冬. 否定句的情感不确定性度量及分类[J]. 计算机研究与发展, 2015, 52(8): 1806-1816. |
[15] | 邓大勇,徐小玉,黄厚宽. 基于并行约简的概念漂移探测[J]. 计算机研究与发展, 2015, 52(5): 1071-1079. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4129