南京大学学报(自然科学), 2022, 58(1): 38-48 doi: 10.13232/j.cnki.jnju.2022.01.005

形式模糊背景中单边模糊概念格的属性约简

李同军,1,2, 张晓雨1, 吴伟志1,2, 谭安辉1,2

1.浙江海洋大学信息工程学院, 舟山, 316022

2.浙江省海洋大数据挖掘与应用重点实验室, 浙江海洋大学信息工程学院, 舟山, 316022

Attribute reduction of single⁃sided fuzzy concept lattice in formal fuzzy contexts

Li Tongjun,1,2, Zhang Xiaoyu1, Wu Weizhi1,2, Tan Anhui1,2

1.School of Information Engineering,Zhejiang Ocean University,Zhoushan,316022,China

2.Key Laboratory of Oceanographic Big Data Mining & Application of Zhejiang Province,School of Information Engineering,Zhejiang Ocean University,Zhoushan,316022,China

通讯作者: E⁃mail:litj@zjou.edu.cn

收稿日期: 2021-06-26  

基金资助: 国家自然科学基金.  61773349.  61573321.  61976194

Received: 2021-06-26  

摘要

形式概念分析是一种有效的知识表示和知识发现的方法,形式背景和形式概念是形式概念分析中的两个基本概念.形式背景描述了对象集和属性集间的一个二元经典关系,隐含其中的知识通过概念格的形式表示出来.形式模糊背景是形式背景在模糊集理论下的自然推广,建立在其上的模糊概念格在实际应用中面临许多困难,为此,多种形式的模糊概念格的改进形式应运而生.单边模糊概念格就是一种具有较好应用前景的改进模糊概念格.主要研究基于经典⁃模糊概念格的形式模糊背景的属性约简问题,这里属性约简的概念具有保持相应的概念格整体结构不变的含义.关于属性约简,给出了多种形式的属性约简判定定理,针对属性约简,将所有属性分为三类,探究了不同类型属性的特征刻画.最后,通过引入模糊概念间的辨识属性集的概念,得到了基于辨识属性矩阵的属性约简方法,并通过示例验证了属性约简方法的可行性.

关键词: 概念格 ; 经典⁃模糊概念 ; 属性约简 ; 形式模糊背景

Abstract

Formal concept analysis is an effective method of knowledge representation and knowledge discovery,in which formal context and formal concept are two basic concepts. A formal context is just a binary classical relation between an object set and an attribute set,and the knowledge hidden in which is represented by a concept lattice. Formal fuzzy context is a natural extension of formal context in fuzzy set theory,the fuzzy concept lattice based on formal fuzzy context meets many difficulties in practical application,so that some modified fuzzy concept lattice are proposed. One⁃sided fuzzy concept lattice is just a kind of modified fuzzy concept lattices with better application prospect. This paper mainly focus on the study of attribute reduction of formal fuzzy contexts based on the classic⁃fuzzy concept lattices,where,notion of attribute reduction means keeping the whole structure of the corresponding concept lattices unchanged. With respect to the attribute reducts,a variety of judgement theorems for the attribute reducts are given. Based on the attribute reducts,all attributes are divided into three classes,and different types of attributes are characterized by different features. Finally,by introducing a notion of discernible attribute set between concepts,a method of attribute reduction is established,and the feasibility of the attribute reduction method is verified by an example.

Keywords: concept lattice ; crisp⁃fuzzy concept ; attribute reduction ; formal fuzzy context

PDF (485KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李同军, 张晓雨, 吴伟志, 谭安辉. 形式模糊背景中单边模糊概念格的属性约简. 南京大学学报(自然科学)[J], 2022, 58(1): 38-48 doi:10.13232/j.cnki.jnju.2022.01.005

Li Tongjun, Zhang Xiaoyu, Wu Weizhi, Tan Anhui. Attribute reduction of single⁃sided fuzzy concept lattice in formal fuzzy contexts. Journal of nanjing University[J], 2022, 58(1): 38-48 doi:10.13232/j.cnki.jnju.2022.01.005

形式概念分析(Formal Concept Analysis,FCA)是德国数学家Wille提出的一种用于数据分析和知识处理的方法1-2,已被广泛应用于数据挖掘、知识工程、机器学习、信息检索等领域3-5.

形式背景是FCA的基本数据结构,是对象集和属性集之间的一个二元关系.形式背景上的每个形式概念包括外延和内涵两个部分,外延是一个对象子集,内涵是一个属性子集,所有的形式概念形成一个完备格,即概念格.

基于概念格的知识约简是FCA的一个重要的研究方向.概念格知识约简主要分为概念约简、属性约简和对象约简,其中属性约简是寻找最小的属性子集,使得概念格的某种性质保持不变6-7.张文修等8在格同构意义下研究了概念格属性约简问题,给出基于辨识属性矩阵的属性约简方法.Wu et al9在粒计算思想下研究了概念格的粒约简问题.Kumar et al10运用矩阵分解方法研究了概念格知识约简问题.Liu et al11用粗糙集方法研究了概念格约简.决策形式背景是形式背景的一种推广,Li et al12-13研究了不同形式决策背景中规则提取、属性约简等问题.

对象集和属性集间的二元模糊关系称为形式模糊背景,建立其上的模糊概念分析是经典形式概念分析的一种扩展.Burusco and Fuentes⁃Gonzales14首次将模糊集引入形式概念分析.一些研究者将模糊集或模糊逻辑引入模糊概念格的研究中,得到了一些模糊概念格的推广模型15-17.单边模糊概念格是一种形式的模糊概念格,单边是指概念的外延和内涵一个是经典集,另一个是模糊集.Krajči18和Yahia et al19首先独立地提出“单边模糊概念”的概念.Zhang et al20给出变精度概念格的定义,其中涉及了三种单边模糊概念.

关于模糊概念格的属性约简,Shao et al21-22和Li et al23研究经典⁃模糊变精度概念格20的减少属性和减少对象的知识约简方法、粒约简以及模糊⁃经典概念格的保持格中交不可约元的属性约简问题.Singh et al24用信息熵给出计算形式模糊背景的权重的方法.Mao and Miao25运用有向图理论给出了模糊⁃经典概念格的保持交不可约元的属性方法.Shi and Yang26研究了模糊⁃经典概念格的保持属性粒不变的对象约简问题.Lin et al27-28提出布尔矩阵和粒度矩阵的概念,据此给出形式模糊背景粒度约简方法.

与经典形式背景相比,形式模糊背景上的知识约简问题的研究甚少.对应张文修等8提出的经典形式背景中保持完整格结构的属性约简,本文提出经典⁃模糊概念格的一种属性约简概念,探索属性约简的判定定理,给出不同类型属性的特征刻画.通过引入辨识属性集的概念,给出了属性约简的一种方法,在用示例说明结论正确性的同时,也验证了约简方法的可行性.

1 经典⁃模糊概念格的基本知识

本节回顾形式模糊背景下经典⁃模糊概念的基本知识18-1922.

1.1 经典⁃模糊概念

U是一个非空、有限的集合,称为论域.PUFU分别表示U中全部经典子集的集合和U上全部模糊集的集合.在这里,U上模糊集X˜U0,1的映射.

形式模糊背景是一个三元组U,A,I˜,其中UA都是非空有限集合,分别称为对象集和属性集,UA中的元素分别称为对象和属性,I˜U×A上的一个模糊集,即UA的一个模糊关系.对于xUaAxI˜I˜a分别表示AU上的模糊集,即xI˜b=I˜x,bbAI˜ay=I˜y,ayU.

下文总假设形式模糊背景U,A,I˜满足:x,yUxI˜yI˜a,bAI˜aI˜b.

U,A,I˜是一个形式模糊背景,算子f:PUFAg:FAPU定义如下:

fX=xXxI˜,XPUgB˜=xU:B˜xI˜,B˜FA

算子fg满足下列性质:

X,X1,X2PUB˜,B˜1,B˜2FA

(1) X1X2fX1fX2B˜1B˜2gB˜1gB˜2

(2) fX1X2=fX2fX2gB˜1B˜2=gB˜1gB˜2

(3) XgfXB˜fgB˜

(4) fX=fgfXgB˜=gfgB˜

这里,符号gf表示内层算子f与外层算子g的复合运算gf.

对于XPUB˜FA,若fX=B˜gB˜=X,则称X,B˜U,A,I˜的一个经典⁃模糊概念,简称概念,并分别称XB˜为概念的外延和内涵.记U,A,I˜的全部概念组成的集合为LU,A,I˜,简记为LI˜.

对于任意XPUgfX,fXLI˜;对于任何B˜FAgB˜,fgB˜LI˜.

LI˜中定义如下偏序关系:

X1,B˜1,X2,B˜2LI˜
X1,B˜1X2,B˜2X1X2

等价地,B˜1B˜2.

LI˜,是一个完备格,称为概念格,其中的下确界()和上确界()运算分别为:

X1,B˜1X2,B˜2=X1X2,fX1X2
X1,B˜1X2,B˜2=gB˜1B˜2,B˜1B˜2

不难验证,当模糊关系I˜退化为经典关系时,经典⁃模糊概念变为经典形式概念1,算子fg也变成相应的经典算子.因此,经典⁃模糊概念格是经典形式概念格的一种推广.

LUI˜LI˜中所有概念的外延构成的集合.

例1表1给出一个形式模糊背景U,A,I˜,其中,对象集为U=x1,x2,x3,x4,属性集为A=a,b,c,d,e.UA上的模糊关系I˜表1所示,其具体含义为:比如I˜x2,d=0.82,表示对象属性对x2,d关于模糊集I˜的隶属度为0.82,也表示对象x2具有属性d的程度为0.82.U,A,I˜上的所有经典⁃模糊概念如表2所示,图1为概念格L(I˜)的Hasse图.

表1   一个形式模糊背景

Table 1  A formal fuzzy context

I˜abcde
x10.410.900.210.791.00
x20.230.440.650.820.00
x30.870.660.550.421.00
x40.530.500.730.400.00

新窗口打开| 下载CSV


表2   由表1导出的全部经典⁃模糊概念

Table 2  All crisp⁃fuzzy concepts derived from Table 1

(外延,内涵)
FC1x1,x2,x3,x4,a0.23,b0.44,c0.21,d0.40,e0.00
FC2x1,x2,x3,a0.23,b0.44,c0.21,d0.42,e0.00
FC3x2,x3,x4,a0.23,b0.44,c0.55,d0.40,e0.00
FC4x1,x3,x4,a0.41,b0.50,c0.21,d0.40,e0.00
FC5x1,x2,a0.23,b0.44,c0.21,d0.79,e0.00
FC6x1,x3,a0.41,b0.66,c0.21,d0.42,e1.00
FC7x2,x3,a0.23,b0.44,c0.55,d0.42,e0.00
FC8x2,x4,a0.23,b0.44,c0.65,d0.40,e0.00
FC9x3,x4,a0.53,b0.50,c0.55,d0.40,e0.00
FC10x1,a0.41,b0.90,c0.21,d0.79,e1.00
FC11x2,a0.23,b0.44,c0.65,d0.82,e0.00
FC12x3,a0.87,b0.66,c0.55,d0.42,e1.00
FC13x4,a0.53,b0.50,c0.73,d0.40,e0.00
FC14,a1.00,b1.00,c1.00,d1.00,e1.00

新窗口打开| 下载CSV


图1

图1   概念格LI˜的Hasse图

Fig.1   The Hasse diagram of the concept lattice LI˜


命题1

U,A,I˜是一个形式模糊背景,则

LUI˜=gfX:XPU

证明

对于任意XPU,由gfX,

fXLI˜gfXLUI˜,故:

gfX:XPULUI˜

对于X,B˜LI˜,由

X=gB˜=gfgB˜=gfX

得:

XgfX:XPU

LUI˜gfX:XPU

因此,

LUI˜=gfX:XPU

命题得证.

U是一个论域,RU上的一个二元关系,即RU×U,在粗糙集理论中,称U,R为一个广义近似空间.对于XPUXU,R中的上近似和下近似分别定义为:

R¯X=xU:RxX
R̲X=xU:RxX

其中,Rxx关于R的后继邻域,即:

Rx=yU:x,yR

对于形式模糊背景U,A,I˜aA,令:

Ra=x,yU×U:I˜x,aI˜y,a

RaU上的一个优势关系,即Ra满足自反性和传递性,也就是xUx,xRax,y,z

U,若x,yRay,zRa,则x,zRa.

命题2

U,A,I˜是一个形式模糊背景,则:

XPUgfX=aARa¯X

证明

XP(U)

gfX=xU:fXxI˜=xU:yXyI˜xI˜=xU:aAyXI˜y,aI˜x,a=xU:aAyUyX,I˜y,aI˜x,a=xU:aAyUyX,yRax=xU:aARaxX=xU:aA,xRa¯X=aARa¯X

命题得证.

1.2 形式模糊背景的子背景

U是一个论域,VUX˜FUX˜V上的限制X˜VV上的模糊集,满足对于任意xV,有X˜Vx=X˜x.

定义1

U,A,I˜是一个形式模糊背景,CA,称形式模糊背景U,C,I˜CU,A,I˜的子背景,其中,I˜C=I˜U×C.

在子背景U,C,I˜C下,算子fC:PUFCgC:FCPU定义如下:

fCX=xXxI˜C,XPU
gCB˜=xU:B˜xI˜C,B˜FC

算子fCgC与算子fg具有相同的性质.

容易证明,对于任何XPUfCX=fXC.gCfCgfC.由于fA=fgA=ggfA=gf,所以仍将fAgAgfA分别记为fggf.特别地,对于aA,简记gfagfa.

命题3

U,A,I˜是一个形式模糊背景,C1,C2A,且C1C2=,则:

gfC1C2=gfC1gfC2

证明

由命题2直接可得.

命题3说明,若C1C2A,则gfC2gfC1,即gfC2XgfC1XXPU.

命题4

U,A,I˜是一个形式模糊背景,CA,则对于任意XPUgfCXLUI˜.

证明

只需证明:

gfgfCX=gfCXXPU

对于任何xgfgfCX,由定义得fgfCXxI˜,两边取在C上的限制得:

fgfCXCxI˜C

由于:

fgfCXC=fCgfCX

fCgfCX=fCX

所以fCXxI˜C,故xgfCX.因此,

gfgfCXgfCX

再结合

gfCXgfgfCX

可得:

gfgfCX=gfCX

命题得证.

命题4说明,对于任意CA,都有LUI˜CLUI˜,所以LI˜C中每个概念与LI˜中某个概念外延相等.因此LI˜C的基数不大于LI˜的基数,即LI˜CLI˜.

例2U,A,I˜是例1中的形式模糊背景,取C=b,c,e,则子背景U,C,I˜C表3所示,它的所有经典⁃模糊概念如表4所示,图2为概念格L(I˜C)的Hasse图.从表4可以看出,LUI˜CLI˜.

表3   一个子背景(U,C,I˜C)

Table 3  A sub⁃context (U,C,I˜C)

I˜bce
x10.900.211.00
x20.440.650.00
x30.660.551.00
x40.500.730.00

新窗口打开| 下载CSV


表4   (U,C,I˜C)的所有经典⁃模糊概念

Table 4  All crisp⁃fuzy concepts of (U,C,I˜C)

(外延,内涵)
FC1Cx1,x2,x3,x4,b0.44,c0.21,e0.00
FC2Cx1,x3,x4,b0.50,c0.21,e0.00
FC3Cx2,x3,x4,b0.44,c0.55,e0.00
FC4Cx1,x3,b0.66,c0.21,e1.00
FC5Cx3,x4,b0.50,c0.55,e0.00
FC6Cx2,x4,b0.44,c0.65,e0.00
FC7Cx1,b0.90,c0.21,e1.00
FC8Cx2,b0.44,c0.65,e0.00
FC9Cx3,b0.66,c0.55,e1.00
FC10Cx4,b0.50,c0.73,e0.00
FC11C,,b1.00,c1.00,e1.00

新窗口打开| 下载CSV


图2

图2   概念格L(I˜C)的Hasse图

Fig.2   The Hasse diagram of the concept lattice L(I˜C)


2 格约简的定义与判定定理

定义2

LU,A1,I˜1LU,A2,I˜2是两个概念格,若对于任何X,B˜LI˜2,都存在X',B˜'LI˜1使得X=X',则称LI˜1细于L(I˜2),记为LI˜1LI˜2.

如果LI˜1LI˜2,且LI˜2LI˜1,则称LI˜1LI˜2同构,记为LI˜1LI˜2.

由定义2可知:

LI˜1LI˜2LUI˜2LUI˜1LUI˜2LUI˜1

因而,

LI˜1LI˜2LUI˜1=LUI˜2LUI˜1=LUI˜2

根据命题4直接可得下面结论.

命题5

U,A,I˜是一个形式模糊背景,CA,则LI˜LI˜C.

定义3

U,A,I˜是一个形式模糊背景,DA.LI˜DLI˜,则称DU,A,I˜的协调集.若进一步地dDD-d不是协调集,则称DU,A,I˜的约简.

从定义3可以看出,约简是保证对应子背景的概念与原背景的概念具有相同的层次结构,而且对应概念的外延保持不变的最小的属性集.

为了求出约简,需要给出协调集的充要条件,即协调集判定定理.下面定理的结论是显然的.

定理1

协调集判定定理1 设U,A,I˜是一个形式模糊背景,DA,则:

DLUI˜D=LUI˜

定理1说明,判断D是否为协调集,只需看它对应的概念格中概念的数量是否较原概念格中的概念的数量有所减少,如果没有减少,则D就是协调集.

定理2

协调集判定定理2 设U,A,I˜是一个形式模糊背景,DA,则:

DgfDgf

证明

” 设D是协调集,由定理1得LUI˜D=LUI˜.由于对于任意XU,都有

gfXLUI˜,故gfXLUI˜D,从而gfDgfX=gfX.XgfX

gfDXgfDgfX,所以gfDX
gfX,因此gfDgf.

” 设gfDgf,由于gfgfD,所以gfD=gf.根据命题1可得LUI˜D=LUI˜,故D是协调集.定理得证.

从定理2的证明可以看出,gfDgf

gfD=gf.

定理3

协调集判定定理3 设U,A,I˜是一个形式模糊背景,DA,则D是协调集dA-DED,使得gfEgfd.

证明

” 设D是协调集,由定理2得gfDgf,再由gf=gfDgfA-D,得gfDgfA-D.dA-D,总有gfA-Dgfd,故gfDgfd.

” 设dA-DED,使得gfEgfd,由命题3得知gfDgfE成立,故gfDgfd,进而得出gfDgfA-D,再推出gfDgf.因此由定理2可知,D是协调集.定理得证.

由定理3及其证明可得下面的推论.

推论1

U,A,I˜是一个形式模糊背景,DA,则D是协调集dA-D,都有gfDgfd.

定理4

协调集判定定理4 设U,A,I˜是一个形式模糊背景,DA,则D是协调集

FA-DED,使得gfEgfF.

证明

” 若D是协调集,则由推论1和命题3得gfDgfA-D.FA-D,有gfA-D

gfF,故gfDgfF.

” 设FA-DED,使得gfEgfF,则dA-DEdD,使得gfEdgfd.因此,由定理3知道D是协调集.定理证毕.

由定理4易推出下面的推论.

推论2

U,A,I˜是一个形式模糊背景,DA,则D是协调集gfDgfA-D.

3 概念格的属性特征

U,A,I˜是一个形式模糊背景,根据定义3可知,U,A,I˜的约简一定存在,但约简可能不止一个.相对于形式模糊背景的所有约简,属性的重要性是不同的.

定义4

U,A,I˜是一个形式模糊背景,Di,i=1,2,,lU,A,I˜的全部约简.将A中属性分成三部分:(1)绝对必要属性(核心属性)c:cilDi;(2)相对必要属性b:bilDi-ilDi;(3)绝对不必要属性d:dA-ilDi.

因此,核心属性是所有约简中不可缺少的属性,绝对不必要属性是不属于任何约简的属性,而相对必要属性必属于某个约简,但是不属于每个约简.

不同类型的属性在概念格约简中有不同特征.

定理5

U,A,I˜是一个形式模糊背景,aA,则a是核心属性A-a不是协调集.

证明

” 设a为核心属性,则对于任何约简Diil),都有aDi.A-a是协调集,易知存在约简DA-a,故aD,它与a为核心属性矛盾.因此,A-a不是协调集.

” 若A-a不是协调集,由推论1得,gfA-agfa不成立.EA-a,由于gfA-agfE,所以gfEgfa不成立,由此可以断定E不是协调集,因为若E是协调集,则由定理2得gfEgf,进而gfA-agf,故A-a为协调集,矛盾!对于任何约简Diil),由于Di是协调集,所以DiA-a,故aDi.因此,从Di的任意性知道a为核心属性.定理得证.

定理6

U,A,I˜是一个形式模糊背景,aA,则a是绝对不必要属性gfagfa,其中,gfa=gfB-a:BA,gfBgf.

证明

” 设a是绝对不必要属性,即对于任何约简Diil),都有aDi.BA,若gfBgf,即B是协调集,则存在约简D,满足DB,由aDDB-a,故gfB-agfD,再由D是协调集得gfDgfa,进而gfB-agfa.因此,gfagfa.

” 设gfagfa,则对于任何约简D,由于D是协调集,所以gfDgf,故gfD-agfagfa.

由于gfD=gfD-agfa,所以gfD-a=

gfDgf.因此D-a是协调集,由约简定义得aD.D的任意性可知,a是绝对不必要属性.定理得证.

综合定理5和定理6,得到下面的属性特征刻画定理.

定理7

U,A,I˜是一个形式模糊背景,aA,则:

(1)a是核心属性A-a不是协调集.

(2)a是相对必要属性A-a是协调集,gfagfa不成立.

(3)a是绝对不必要属性gfagfa.

4 概念格约简的方法

下面引入形式模糊背景的辨识属性矩阵的概念,据此定义辨识函数,由辨识函数可以得到所有约简.

定义5

U,A,I˜是一个形式模糊背景,Xi,B˜i,Xj,B˜jLI˜,令:

DISXi,B˜i,Xj,B˜j=aA:B˜iaB˜ia,XiXjXjXi,             

则称DISXi,B˜i,Xj,B˜jX1,B˜1X2,B˜2的辨识属性集.称:

DISI˜=DISXi,B˜i,Xj,B˜j:Xi,B˜i,Xj,B˜jLI˜

U,A,I˜的辨识属性矩阵.

辨识属性矩阵是对称矩阵,即:

DISXi,B˜i,Xj,B˜j=DISXj,B˜j,Xi,B˜i

在辨识属性矩阵中,为空集的辨识属性集对概念格的属性约简没有意义,因此在辨识属性矩阵中仅列出主对角线一侧的非空辨识属性集.

例3表5给出例1中形式模糊背景的辨识属性矩阵.

表5   例1中形式模糊背景的辨识属性矩阵

Table 5  The discernibility matrix of the content in Example 1

FC1FC2FC3FC4FC5FC6FC7FC8FC9FC10FC11FC12FC13FC14
FC1dcabdabdecdcabcabdecdAabceA
FC2dabecabdecdabceA
FC3dcabcdabdeabcA
FC4bdeacbdeAacA
FC5abecdA
FC6bdacabcd
FC7cdabeA
FC8dabcA
FC9abdecA
FC10abcd
FC11A
FC12abcd
FC13A

新窗口打开| 下载CSV


定理8

U,A,I˜是一个形式模糊背景,aA,则:

a是核心属性Xi,B˜i,Xj,B˜jLI˜DISXi,B˜i,Xj,B˜j=a.

证明

” 设DISX1,B˜1,X2,B˜2=a,不妨设X1X2.由于Xi=gfXii=1,2,所以gfX1gfX2.由辨识属性集定义可知,bA-aB˜1b=B˜2b,故B˜1A-a=B˜2A-a.fXi=B˜ii=1,2)得fA-aX1=fA-aX2,故gfA-aX1=gfA-aX2.因此gfA-agf,等价地,gfA-agf不成立.根据定理2得A-a不是协调集,再由定理5知道a是核心属性.

” 设a是核心属性,则由定理5知A-a不是协调集,从而由定理2得gfA-agf不成立,即存在XU,使得gfXgfA-aX.X1=gfXX2=gfA-aX,则有X1,fX1X2,fX2LI˜.因为:

fX2A-a=fgfXA-a=fA-agfA-aX=fgfA-aX=fA-aX=fXA-a=fgfXA-a=fgfXA-a=fX1A-a

X1X2可推出fX1fX2,所以fX1afX2a,故由辨识属性集定义可得:

DISX1,fX1,X2,fX2=a

定理得证.

定理8给出一个寻找核心属性的方法,也就是判断属性a是否为核心属性,只需观察单点集a是否为辨识属性矩阵中的一个元素.

定理9

协调集判定定理5 设U,A,I˜是一个形式模糊背景,DA,则D是协调集对于任何DISXi,B˜i,Xj,B˜j,都有DDISXi,B˜i,Xj,B˜j.

证明

” 设D是协调集,DISXi,B˜i,

Xj,B˜j.由定理2易知,Xi=gfDXii=1,2,故gfDX1gfDX2,从而fDX1

fDX2,也就是,aD,使得fX1a

fX2a,即B˜1aB˜2a.因此DDISXi,B˜i,Xj,B˜j.

” 设对于任何DISXi,B˜i,Xj,B˜j都有DDISXi,B˜i,Xj,B˜j.要证D是协调集,由定理2可知只需证明gfDgf.假设XU,有gfXgfDX,记X1=gfXX2=gfDX,则X1,fX1X2,fX2LI˜,且X1X2.因为fX=fgfX=fgfX=

fX1,所以fDX=fDX1,再由fX2D=fDX2=fDgfDX=fDXfDX2=fDX1.于是由辨别属性集定义可知DDISX1,fX1,X2,fX2=,矛盾!因此,XUgfDXgfX,即gfDgf.定理得证.

定理9说明,寻找形式模糊背景的约简,只需寻找与辨识属性矩阵中非空元素的交集不是空集的最小属性集.

例4表5为例1中形式模糊背景U,A,I˜的辨识属性矩阵,据此可以确定U,A,I˜的全部约简.

首先,由辨识属性矩阵的单点集可知,cd为核心属性.

接下来,考虑属性集D1=a,c,dD2=b,c,dD3=c,d,e.

由于b,e=A-D1a,e=A-D2以及它们的非空子集都不是辨识属性集,所以D1D2都是协调集.对于D1的三个子集a,ca,dc,d以及D2的三个子集b,cb,dc,d,由于dca,b是辨识属性集,而且a,c

d=a,dc=b,cd=b,dc=c,da,b=,所以六个子集都不是协调集,因此D1D2是约简.

对于D3,由于D3a,b=,所以D3不是协调集,故它不是约简.

最后得到:U,A,I˜共有两个约简a,c,db,c,d.因此,属性cd是核心属性,ab是相对必要属性,e是绝对不必要属性.

定义6

U,A,I˜是一个形式模糊背景,DISI˜为其辨识属性矩阵,令:

ΔI˜=H

其中,H表示一些布尔变量的析取,这些布尔变量恰好对应H中全部属性,在不至于引起混淆的情况下,布尔变量仍用其对应的属性的标记符号来表示,称ΔI˜U,A,I˜的辨识函数.

运用吸收律和分配律可以将辨识函数ΔI˜变换成极小析取范式,再依据下面的定理可以得到形式模糊背景U,A,I˜的全部约简.

定理10

U,A,I˜是一个形式模糊背景,若等式ΔI˜=D1D2Dl的右端为极小析取范式,则D1,D2,,DlU,A,I˜的全部约简.

证明

对于任何Diil),由:

H=D1D2Dl

可知,DiΔI˜H,这里HDISI˜,且H.易证,DiH等价于DiH,故由定理9得Di是协调集.另外,aDi,记Di'=Di-a,则Di<Di'.由析取范式的极小性知道,Dj,jl中元素两两互不包含,因此Djji)不是Di'的子集,于是不难证出:

ΔI˜=D1Di-1DiDi+1Dl<D1Di-1Di'Di+1Dl

假设Di'是协调集,则HDISI˜,若H,则有,Di'H,从而,Di'H,进而可得Di'ΔI˜,再由DjΔI˜ji)得:

D1Di-1Di'Di+1DlΔ

式(1)矛盾.因此,Di'不是协调集,故Di是约简.

D是一个约简,由于它是协调集,所以HDISI˜H,有DH,故DH,于是DΔI˜.Di-Dil,取aiDi-D,记D'=ai,il,则Diaiil,进而DiD',于是ΔI˜=ilDiD',故DD',从而DD',即aiil),有aiD,这与aiDi-D矛盾.因此,Diil),使得Di-D=,即DiD,由于DiD都是约简,所以Di=D.

综上得出,D1,D2,,DlU,A,I˜的全部约简.定理得证.

例5 利用表5给出的例1中形式模糊背景U,A,I˜的辨识属性矩阵,可以写出辨识函数,将辨识函数转换成极小析取范式,即可得到背景的全部约简.

对辨识函数做范式转换时,由吸收律可知相同的辨识属性集在辨识函数的表达式可以只用一次.所有非空的不重复的辨识属性集为:

cda,ba,cc,db,da,b,ca,b,eb,d,e
a,b,c,da,b,c,ea,b,d,e,A

则:

ΔI˜=cdabacbdcdabcabebdeabcdabceabdeA=cdab=acdbcd

因此,依据定理8得a,c,db,c,d是背景的全部约简.这与例4中得到的结论一致.

从文献[29]可知,在某种意义下,经典概念格约简是唯一的.然而,从例4或例5可以看出,经典⁃模糊概念格的约简可能有多个.

利用辨识属性矩阵,构造辨识函数,求出经

典⁃模糊概念格的全部约简的计算复杂度比较高,但是在解决实际问题时可能只需求出一个约简,这时可以考虑采用如下较简单的约简计算方法:

(1)计算辨识矩阵,删除辨识矩阵中非极小的辨识属性集,初始化D为空集

(2)将辨识矩阵中所有单点集里的属性存入集合D中,删除辨识矩阵中含有D中属性的辨识属性集.若辨识矩阵中不存在为单点集的辨识属性集,则直接执行下一步.

(3)从辨识矩阵中任取一个非空的辨识属性集E,从此辨识属性集E中任取一个属性a,将该属性a存入集合D中,删除辨识矩阵中所有含该属性a的辨识属性集,在辨识矩阵中,从每个非空辨识属性集中删除属于E的属性.

(4)重复步骤(3).若辨识矩阵为空集,则停止计算,且D为约简.

5 结论与展望

单边模糊概念格是经典概念格在形式模糊背景下的自然推广,单边模糊概念的特点是概念的外延和内涵一个是经典集合,一个是模糊集.尤其是经典⁃模糊概念,由于取外延是经典集合,所以运用经典⁃模糊概念提取决策规则更具优势.因此,研究基于经典⁃模糊概念的形式模糊背景的属性约简问题具有明显的实际应用意义.本文提出了经典⁃模糊概念格约简的概念,即寻找能够完全确定具有相同层次结构的经典⁃模糊概念格的最小属性集;给出了一些判断协调属性集的充分必要条件;相对于属性约简,对不同类型的属性进行了刻画;引入形式模糊背景的辨识属性矩阵的概念,并据此给出了属性约简的方法.

参考文献

Ganter BWille R.

Formal concept analysis:Mathematical foundations

Springer Berlin Heidelberg,1999.

[本文引用: 2]

Wille R.

Restructuring lattice theory:An approach based on hierarchies of concepts

∥Rival I. Ordered sets. Springer Berlin Heidelberg,1982445-470.

[本文引用: 1]

邹丽冯凯华刘新.

语言值直觉模糊概念格及其应用

计算机研究与发展,201855(8):1726-1734.

[本文引用: 1]

Zou LFeng K HLiu X.

Linguistic⁃valued intuitionistic fuzzy concept lattice and its application

Journal of Computer Research and Development,201855(8):1726-1734.

[本文引用: 1]

Formica A.

Semantic web search based on rough sets and fuzzy formal concept analysis

Knowledge⁃Based Systems,2012(26):40-47.

Li J HMei C LWang J Het al.

Rule⁃preserved object compression in formal decision contexts using concept lattices

Knowledge⁃Based Systems,2014(71):435-445.

[本文引用: 1]

Dias S MVieira N J.

Concept lattices reduction:definition,analysis and classification

Expert Systems with Applications,201542(20):7084-7097.

[本文引用: 1]

李美争李磊军米据生.

概念格中基于粗糙熵的属性约简方法

计算机科学,201845(1):84-89.

[本文引用: 1]

Li M ZLi L JMi J Set al.

Rough entropy based algorithm for attribute reduction in concept lattice

Computer Science,201845(1):84-89.

[本文引用: 1]

张文修魏玲祁建军. 概念格的属性约简理论与方法. 中国科学E辑,信息科学200535(6):628-639.

[本文引用: 2]

Zhang W XWei LQi J J. Attribute reduction theory and approach to concept lattice. Science in China Series EInformation Sciences200548(6):713-726.

[本文引用: 2]

Wu W ZLeung YMi J S.

Granular computing and knowledge reduction in formal contexts

IEEE Transactions on Knowledge and Data Engineering,200921(10):1461-1474.

[本文引用: 1]

Kumar C ADias S MVieira N J.

Knowledge reduction in formal contexts using non⁃negative matrix factorization

Mathematics and Computers in Simulation,2015(109):46-63.

[本文引用: 1]

Liu MShao M WZhang W Xet al.

Reduction method for concept lattices based on rough set theory and its application

Computers & Mathematics with Applications,200753(9):1390-1410.

[本文引用: 1]

Li J HMei C LLv Y J.

Knowledge reduction in real decision formal contexts

Information Sciences,2012189191-207.

[本文引用: 1]

Li J HMei C LLv Y J.

Incomplete decision contexts:approximate concept construction,rule acquisition and knowledge reduction

International Journal of Approximate Reasoning,201354(1):149-165.

[本文引用: 1]

Burusco AFuentes⁃González R.

Concept lattices defined from implication operators

Fuzzy Sets and Systems,2000114(3):431-436.

[本文引用: 1]

Li L F.

Multi⁃level interval⁃valued fuzzy concept lattices and their attribute reduction

International Journal of Machine Learning and Cybernetics,20178(1):45-56.

[本文引用: 1]

张静马建敏.

基于依赖空间的F⁃C变精度概念格

山东大学学报(理学版),202156(1):68-74.

Zhang JMa J M.

F⁃C variable threshold concept lattices based on dependence spaces

Journal of Shandong University (Natural Science),202156(1):68-74.

He X LWei LShe Y H.

L⁃fuzzy concept analysis for three⁃way decisions:Basic definitions and fuzzy inference mechanisms

International Journal of Machine Learning and Cybernetics,20189(11):1857-1867.

[本文引用: 1]

Krajči S.

Cluster based efficient generation of fuzzy concepts

Neural Network World,200313(5):521-530.

[本文引用: 2]

Yahia S BArour KSlimani Aet al.

Discovery of compact rules in relational databases

Information Science Journal,20004(3):497-511.

[本文引用: 2]

Zhang W XMa J MFan S Q.

Variable threshold concept lattices

Information Sciences,2007177(22):4883-4892.

[本文引用: 2]

Shao M WYang H ZWu W Z.

Knowledge reduction in formal fuzzy contexts

Knowledge⁃Based Systems,2015(73):265-275.

[本文引用: 1]

Shao M WLeung YWang X Zet al.

Granular reducts of formal fuzzy contexts

Knowledge⁃Based Systems,2016(114):156-166.

[本文引用: 2]

Li K WShao M WWu W Z.

A data reduction method in formal fuzzy contexts

International Journal of Machine Learning and Cybernetics,20178(4):1145-1155.

[本文引用: 1]

Singh P KCherukuri A KLi J H.

Concepts reduction in formal concept analysis with fuzzy setting using Shannon entropy

International Journal of Machine Learning and Cybernetics,20178(1):179-189.

[本文引用: 1]

Mao HMiao H R.

Attribute reduction based on directed graph in formal fuzzy contexts

Journal of Intelligent & Fuzzy Systems,201834(6):4139-4148.

[本文引用: 1]

Shi L LYang H L.

Object granular reduction of fuzzy formal contexts

Journal of Intelligent & Fuzzy Systems,201834(1):633-644.

[本文引用: 1]

Lin Y DLi J JTan A Het al.

Granular matrix⁃based knowledge reductions of formal fuzzy contexts

International Journal of Machine Learning and Cybernetics,202011(3):643-656.

[本文引用: 1]

林艺东李进金张呈玲.

基于矩阵的模糊⁃经典概念格属性约简

模式识别与人工智能,202033(1):21-31.

[本文引用: 1]

Lin Y DLi J JZhang C L.

Attribute reductions of fuzzy⁃crisp concept lattices based on matrix

Pattern Recognition and Artificial Intelligence,202033(1):21-31.

[本文引用: 1]

Li T JWu W Z.

Attribute reduction in formal contexts:a covering rough set approach

Fundamenta Informaticae,2011111(1):15-32.

[本文引用: 1]

/