基于相似性的模糊概念因子格的構(gòu)造算法研究.pdf

1、概念格是形式概念分析所用到的核心數(shù)據(jù)結(jié)構(gòu)，已經(jīng)越來(lái)越廣泛地被應(yīng)用到人工智能或者是數(shù)據(jù)分析等諸多領(lǐng)域之中。而一般的形式概念分析是基于精確的形式背景，但是在現(xiàn)實(shí)世界中，由于事物的復(fù)雜性與多樣性，使人們對(duì)于事物的認(rèn)識(shí)，對(duì)概念的定義很難用精確的數(shù)據(jù)來(lái)進(jìn)行表示。所以，為了是形式概念分析能夠更加廣泛的被應(yīng)用到各個(gè)研究領(lǐng)域當(dāng)中，一些學(xué)者們將模糊集的理論和模糊邏輯，以及經(jīng)典概念格理論（精確概念格理論）這三個(gè)研究方向相結(jié)合，從而提出了模糊形式概念分析與模

2、糊概念格理論這一個(gè)新的研究方向，同時(shí)模糊概念格的構(gòu)造問(wèn)題就成為了學(xué)者們研究的首要課題。根據(jù)概念格的數(shù)據(jù)結(jié)構(gòu)本身的特點(diǎn)可以得知，當(dāng)前，如何處理大規(guī)模的模糊形式背景，以及如何構(gòu)造大規(guī)模的模糊概念格成了該領(lǐng)域中比較主要問(wèn)題之一。而德國(guó)的學(xué)者Radim Bělohlávek等人為解決大規(guī)模數(shù)據(jù)生成概念格，簡(jiǎn)化大型模糊概念格，以及高效地生成模糊概念格等問(wèn)題，提出了一系列的相關(guān)理論與算法。其中提到了因子格的構(gòu)造，卻并未給出完整的因子格的構(gòu)造算法。<

3、br>　　本研究為了完善模糊概念格因子格的構(gòu)造算法，提出了基于模糊概念相似性的模糊概念格因子格構(gòu)造算法。首先，文中對(duì)模糊概念格的相關(guān)研究背景加以概括，同時(shí)對(duì)模糊概念格的相關(guān)基本概念進(jìn)行了介紹。然后，對(duì)于目前已經(jīng)提出的模糊概念格的相關(guān)構(gòu)造算法進(jìn)行了闡述與概括，指出當(dāng)前模糊概念格構(gòu)造算法所存在的問(wèn)題，進(jìn)而提出本論文的研究方向。接著為了完善模糊因子格的構(gòu)造,提出了一種基于模糊概念相似性的模糊因子格的構(gòu)造算法(Factor Lattice Al

4、gorithm）。其中，該算法以用戶(hù)自定義的相似性真值為一個(gè)閾值，依據(jù)已給出的模糊概念因子格的上確界,采用批處理的方式,根據(jù)模糊下鄰生成因子自頂向下地計(jì)算出模糊概念節(jié)點(diǎn)的直接下鄰節(jié)點(diǎn)的集合，逐步得到完備的模糊因子格。并從理論方面對(duì)算法的正確性進(jìn)行證明，首先證明因子格的上確界所具有的局部最小性，下確界具有局部最大的性質(zhì)，接著證明在調(diào)整相似性的值得同時(shí)，概念格的大小也會(huì)隨之改變，最后對(duì)生成格的偏序順序進(jìn)行證明。文章的第五部分是從實(shí)驗(yàn)的方面證