正在加载图片...
第3期 胡小康,等:基于相容模糊概念的规则提取方法 ·355· ug=min(u(g,m))m∈B (7) 证明假设(A,B)是(A,B)的一个子概念, 特别地当u(g,m)=*时可用补全法补全g与 (A,B)是粗糙相容模糊概念,即存在u(g,m)=*, m的隶属度值。在不完备形式背景下所有相似模糊 根据概念之间的继承关系可知g∈A1,m∈B1。 概念构成的集合可表示为w(K)。 相似模糊概念与相容模糊概念既有区别也有联 在相似概念(A,B)中,如果含有大量缺失数据, 系,在经典的不完备形式背景中“补全法”将缺失数 则涉及(4,B)的任何应用都是不可靠的,即它不仅 据补充为1,而在不完备的模糊形式背景中,相似模 降低了知识获取的有效性,反而会使不确定性进一 糊概念是将不完备模糊形式背景中的缺失数据补充 步扩散。下面在相似模糊概念的基础上提出了相容 为0.5得到的。而相容模糊概念是对相似模糊概念 模糊概念,通过设置参数(α,B)可满足不同用户的 的扩展,它是在相似模糊概念基础上通过设置参数 需求,(α,B)就叫做相容参数。 (α:,B),去除一些数据量缺失较大的相似模糊概念 定义7在不完备模糊形式背景K。= 而得到的。根据定义6和定义7以及传统的概念获 (G,M',Iw)中,设ACG,BCM',(M,B)∈o(K), 取算法[6,可以得出相似模糊概念和相容模糊概念 0≤a,B≤1,记作: 的构造算法,具体算法步骤参考算法1与算法2。 X(A,B)={a∈B1|(A,B).|≥a×Al}(8) 算法1在不完备形式背景K。中,相似模糊概 P(A,B)={x∈AI|(A,B)|≥×|B|}(9) 念的构造算法。 y(A,B)=AI+B(IX(A,B)+l(A,B)1) 输入不完备模糊形式背景K=(G,M,Iy), w(K)为空集。 (10) 输出相似模糊概念w(K)。 式中:(A,B)={x∈AIt1≤u(x,a)≤t2},(A,B)'= 1)先对不完备模糊形式背景进行处理,如果 {a∈BIt1≤u(x,a)≤t2},在相似模糊概念 (g,m)小于置信度阈值T,则u(g,m)为0,然后将 (A,B)中,X(A,B)表示属性a(Ha∈B)在K。中满 K。中的空缺数据*全部填充为0.5,即用补全法把 足集合(A,B)中元素数量大于α×|A的属性集 不完备形式背景转化为完备形式背景。 合。P(A,B)表示为对象x(Hx∈A)在K。满足集合 2)获得第一个概念(FO(M),M)设置概念的隶 (A,B)中元素数量大于a×|B|的对象集合。 属度值并加入(K)中。 如果Y(A,B)≥B则称(A,B)是相容模糊概念, 3)遍历对象g,其中g∈G,如果遍历完成转到 定义u为(A,B)的隶属度值,u可以表示为 6),反之转到4)。 ∑“ 4)遍历近似模糊概念(A,B),其中(A,B)∈ (11) w(K),如果遍历完成转到3),否则转到5)。 在不完备模糊形式背景K中,基于参数(α,B) 5)求出B与FA(g)交集I,如果获得的交集I不 的所有相容概念构成的集合为w(K)。不完备模 是已获得w(K)的内涵,则计算出(FO(I),I)隶属 糊形式背景K.用补全法转化为完备的模糊形式背 度值并加入w(K)中然后回到4)。 景,其上获得的相似模糊概念(K)中有许多填充 6)输出w(K),算法结束。 的信息,通过参数:与外延中对象数量与内涵中属 算法2在不完备形式背景K中,相容模糊概 性数量的乘积,即aα×A与α×|B可以去掉填充值 念的获取算法。 较大概念。 输入不完备模糊形式背景K。=(G',M',I), 定义8如果在一个相容模糊概念中有“ 相似模糊概念o(K),w(K)为空集。 (g,m)=*则这个相容模糊概念称为粗糙概念,反 输出相容模糊概念wg(K。)。 之称为精确概念。 1)任取o(K)里的相似模糊概念并计算出 定理1在不完备模糊形式背景K。= X(4,B)、P(A,B)与Y(A,B)。如果Y(A,B)>B,计 (G',M',IM)中,如果(A,B)是粗糙概念,那么这个相 算出(A,B)的隶属度值并加入到相容模糊概念 容模糊概念的子概念至少存在一个概念,其粗糙 wg(K)中。 度为 2)如果相似模糊概念都被进行计算过,则输出 I u(g,m)(VeA=I 相容模糊概念转到3),反之再进行1)。 I AI XI BI (12) 3)输出u(K),算法结束。ug = min(u(g,m) ) m ∈ B (7) 特别地当 u (g,m) = ∗时可用补全法补全 g 与 m 的隶属度值。 在不完备形式背景下所有相似模糊 概念构成的集合可表示为 w Kc ( ) 。 在相似概念(A,B) 中,如果含有大量缺失数据, 则涉及(A,B) 的任何应用都是不可靠的,即它不仅 降低了知识获取的有效性,反而会使不确定性进一 步扩散。 下面在相似模糊概念的基础上提出了相容 模糊概念,通过设置参数(α,β)可满足不同用户的 需求,(α,β)就叫做相容参数。 定义 7 在 不 完 备 模 糊 形 式 背 景 Kc = G′,M′,IM ( ) 中,设 A⊆G′,B⊆M′, (A,B) ∈w Kc ( ) , 0≤α,β≤1,记作: χ (A,B) = {a ∈ B | (A,B) a ≥ α × A } (8) φ(A,B) = {x ∈ A | (A,B) x ≥ α × B } (9) γ(A,B) = 1 | A | +| B | (| χ (A,B) + φ(A,B) | ) (10) 式中:(A,B) a = {x∈A | t 1≤u (x,a) ≤t 2 }, (A,B) x = {a ∈ B | t 1 ≤ u (x,a) ≤ t 2 }, 在 相 似 模 糊 概 念 (A,B) 中, χ (A,B) 表示属性 a(∀a∈B)在 Kc 中满 足集合(A,B) a 中元素数量大于 α × A 的属性集 合。 φ(A,B) 表示为对象 x(∀x∈A)在 Kc 满足集合 (A,B) x 中元素数量大于 α× B 的对象集合。 如果 γ(A,B) ≥β 则称(A,B) 是相容模糊概念, 定义 u - 为(A,B) 的隶属度值,u - 可以表示为 u - = ∑g∈A ug A (11) 在不完备模糊形式背景 Kc 中,基于参数(α,β) 的所有相容概念构成的集合为 w α β (Kc )。 不完备模 糊形式背景 Kc 用补全法转化为完备的模糊形式背 景,其上获得的相似模糊概念 w Kc ( ) 中有许多填充 的信息,通过参数 α 与外延中对象数量与内涵中属 性数量的乘积,即 α× A 与 α× B 可以去掉填充值 较大概念。 定义 8 如 果 在 一 个 相 容 模 糊 概 念 中 有 u (g,m) = ∗则这个相容模糊概念称为粗糙概念,反 之称为精确概念。 定理 1 在 不 完 备 模 糊 形 式 背 景 Kc = G′,M′,IM ( ) 中,如果(A,B)是粗糙概念,那么这个相 容模糊概念的子概念至少存在一个概念,其粗糙 度为 | u (g,m) (∀g∈A) = ∗ | | A | ×| B | (12) 证明 假设(A1 ,B1 ) 是(A,B) 的一个子概念, (A,B)是粗糙相容模糊概念,即存在 u (g,m) = ∗, 根据概念之间的继承关系可知 g∈A1 ,m∈B1 。 相似模糊概念与相容模糊概念既有区别也有联 系,在经典的不完备形式背景中“补全法”将缺失数 据补充为 1,而在不完备的模糊形式背景中,相似模 糊概念是将不完备模糊形式背景中的缺失数据补充 为 0.5 得到的。 而相容模糊概念是对相似模糊概念 的扩展,它是在相似模糊概念基础上通过设置参数 (α,β),去除一些数据量缺失较大的相似模糊概念 而得到的。 根据定义 6 和定义 7 以及传统的概念获 取算法[16] ,可以得出相似模糊概念和相容模糊概念 的构造算法,具体算法步骤参考算法 1 与算法 2。 算法 1 在不完备形式背景 Kc 中,相似模糊概 念的构造算法。 输入 不完备模糊形式背景 Kc = G′,M′,IM ( ) , w Kc ( ) 为空集。 输出 相似模糊概念 w Kc ( ) 。 1)先对不完备模糊形式背景进行处理,如果 u (g,m) 小于置信度阈值 T,则 u (g,m) 为 0,然后将 Kc 中的空缺数据∗全部填充为 0.5,即用补全法把 不完备形式背景转化为完备形式背景。 2)获得第一个概念(FO(M),M)设置概念的隶 属度值并加入 w(Kc)中。 3)遍历对象 g,其中 g∈G,如果遍历完成转到 6),反之转到 4)。 4)遍历近似模糊概念( A,B),其中( A,B) ∈ w Kc ( ) ,如果遍历完成转到 3),否则转到 5)。 5)求出 B 与 FA(g) 交集 I,如果获得的交集 I 不 是已获得 w Kc ( ) 的内涵,则计算出(FO( I),I)隶属 度值并加入 w Kc ( ) 中然后回到 4)。 6)输出 w Kc ( ) ,算法结束。 算法 2 在不完备形式背景 Kc 中,相容模糊概 念的获取算法。 输入 不完备模糊形式背景 Kc = G′,M′,IM ( ) , 相似模糊概念 w Kc ( ) ,w α β(Kc)为空集。 输出 相容模糊概念 w α β(Kc)。 1)任取 w Kc ( ) 里的相似模糊概念并计算出 χ (A,B) 、φ(A,B) 与 γ( A,B)。 如果 γ( A,B) >β,计 算出(A,B) 的隶属度值 u - 并加入到相容模糊概念 w α β(Kc)中。 2)如果相似模糊概念都被进行计算过,则输出 相容模糊概念转到 3),反之再进行 1)。 3)输出 w α β(Kc),算法结束。 第 3 期 胡小康,等:基于相容模糊概念的规则提取方法 ·355·
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有