属性聚类下三支概念的对比

doi:10.11772/j.issn.1001-9081.2022030399

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (5): 1336-1341.DOI: 10.11772/j.issn.1001-9081.2022030399

所属专题：第九届中国数据挖掘会议(CCDM 2022)

• 第九届中国数据挖掘会议 • 上一篇下一篇

属性聚类下三支概念的对比

张晓燕(), 王佳一

西南大学人工智能学院，重庆 400715

收稿日期:2022-03-30 修回日期:2022-06-20 接受日期:2022-06-22 发布日期:2023-05-08 出版日期:2023-05-10
通讯作者: 张晓燕
作者简介:张晓燕（1979—），女，山西怀仁人，副教授，博士，CCF会员，主要研究方向：不确定性推理、人工智能的数学基础、粒计算与知识发现 zxy19790915@163.com
王佳一（1999—），女，河北正定人，硕士研究生，主要研究方向：形式概念分析、认知计算。
基金资助:
国家自然科学基金资助项目(61976245)

Comparison of three-way concepts under attribute clustering

Xiaoyan ZHANG(), Jiayi WANG

College of Artificial Intelligence，Southwest University，Chongqing 400715，China

Received:2022-03-30 Revised:2022-06-20 Accepted:2022-06-22 Online:2023-05-08 Published:2023-05-10
Contact: Xiaoyan ZHANG
About author:ZHANG Xiaoya， born in 1979， Ph. D.， associate professor. Her research interests include uncertainty reasoning， mathematical basis of artificial intelligence， granular computing and knowledge discovery.
WANG Jiayi， born in 1999， M. S. candidate. Her research interests include formal concept analysis， cognitive computing.
Supported by:
National Natural Science Foundation of China(61976245)

摘要/Abstract

摘要：

三支概念分析是人工智能领域一个非常重要的研究方向，该理论最大的优势是可以同时研究形式背景中对象“共同具有”和“共同不具有”的属性。众所周知，经过属性聚类生成的新形式背景与原形式背景具有较强的联系，同时原三支概念与经过属性聚类得到的新三支概念也存在紧密的内在联系。为此，进行属性聚类下三支概念的对比研究和分析。首先基于属性聚类提出悲观属性聚类、乐观属性聚类以及一般属性聚类的概念，并研究了这三种属性聚类的关系；然后，通过对比聚类过程与三支概念形成的过程，研究了原三支概念与新三支概念的区别，分别从面向对象和面向属性的角度提出两个最低约束指数，探索了属性聚类对三支概念格的影响，进一步丰富了三支概念分析理论，为可视化数据处理领域提供了可行的思路。

关键词: 三支概念, 属性聚类, 多粒度, 最低约束指数, 等价类

Abstract:

Three-way concept analysis is a very important topic in the field of artificial intelligence. The biggest advantage of this theory is that it can study “attributes that are commonly possessed” and “attributes that are commonly not possessed” of the objects in the formal context at the same time. It is well known that the new formal context generated by attribute clustering has a strong connection with the original formal context， and there is a close internal connection between the original three-way concepts and the new three-way concepts obtained by attribute clustering. Therefore， the comparative study and analysis of three-way concepts under attribute clustering were carried out. Firstly， the concepts of pessimistic， optimistic and general attribute clusterings were proposed on the basis of attribute clustering， and the relationship among these three concepts was studied. Moreover， the difference between the original three-way concepts and the new ones was studied by comparing the clustering process with the formal process of three-way concepts. Furthermore， two minimum constraint indexes were put forward from the perspective of object-oriented and attribute-oriented respectively， and the influence of attribute clustering on three-way concept lattice was explored. The above results further enrich the theory of three-way concept analysis and provide feasible ideas for the field of visual data processing.

Key words: three-way concept, attribute clustering, multi-granularity, minimum constraint index, equivalence class

中图分类号:

TP18

张晓燕, 王佳一. 属性聚类下三支概念的对比[J]. 计算机应用, 2023, 43(5): 1336-1341.

Xiaoyan ZHANG, Jiayi WANG. Comparison of three-way concepts under attribute clustering[J]. Journal of Computer Applications, 2023, 43(5): 1336-1341.

图/表 2

表1 形式背景 K=(G,M,I)

Tab. 1 Formal context K=(G,M,I)

$G$	a	b	c	d	e	f	g	h	i	j	k
$α$	1	1	0	0	0	0	1	0	1	1	0
$β$	0	1	1	1	1	1	1	0	0	1	1
$γ$	1	0	0	1	1	0	1	0	0	1	1
$λ$	0	0	0	0	1	1	1	1	1	0	0

表1 形式背景 K=(G,M,I)

Tab. 1 Formal context K=(G,M,I)

$G$	a	b	c	d	e	f	g	h	i	j	k
$α$	1	1	0	0	0	0	1	0	1	1	0
$β$	0	1	1	1	1	1	1	0	0	1	1
$γ$	1	0	0	1	1	0	1	0	0	1	1
$λ$	0	0	0	0	1	1	1	1	1	0	0

表2 形式背景 KRN1=G,MRN1,IRN1与KRN2=G,MRN2,IRN2

Tab. 2 Formal context KRN1=G,MRN1,IRN1 and KRN2=G,MRN2,IRN2

$G$	$K R N 1 = G, M R N 1, I R N 1$			$K R N 2 = G, M R N 2, I R N 2$
$G$	$[a] R$	$[e] R$	$[i] R$	$[a] R$	$[e] R$	$[i] R$
$α$	1	0	1	0	0	1
$β$	1	1	1	1	1	1
$γ$	1	1	1	0	0	1
$λ$	0	1	0	0	1	0

表2 形式背景 KRN1=G,MRN1,IRN1与KRN2=G,MRN2,IRN2

Tab. 2 Formal context KRN1=G,MRN1,IRN1 and KRN2=G,MRN2,IRN2

$G$	$K R N 1 = G, M R N 1, I R N 1$			$K R N 2 = G, M R N 2, I R N 2$
$G$	$[a] R$	$[e] R$	$[i] R$	$[a] R$	$[e] R$	$[i] R$
$α$	1	0	1	0	0	1
$β$	1	1	1	1	1	1
$γ$	1	1	1	0	0	1
$λ$	0	1	0	0	1	0

参考文献 19

1	GANTER B， WILLE R. Formal Concept Analysis： Mathematical Foundations［M］. Berlin： Springer， 1999： 183-214. 10.1007/978-3-642-59830-2_1
2	李金海，魏玲，张卓，等. 概念格理论与方法及其研究展望［J］. 模式识别与人工智能， 2020， 33（7）：619-642.
	LI J H， WEI L， ZHANG Z， et al. Concept lattice theory and method and its research prospect［J］. Pattern Recognition and Artificial Intelligence， 2020， 33（7）： 619-642.
3	梁吉业，王俊红. 基于概念格的规则产生集挖掘算法［J］. 计算机研究与发展， 2004， 41（8）： 1339-1344.
	LIANG J Y， WANG J H. An algorithm for extracting rule-generating sets based on concept lattice［J］. Journal of Computer Research and Development， 2004， 41（8）： 1339-1344.
4	胡学钢，薛峰，张玉红，等. 基于概念格的决策表属性约简方法［J］. 模式识别与人工智能， 2009， 22（4）：624-629. 10.3969/j.issn.1003-6059.2009.04.019
	HU X G， XUE F， ZHANG Y H， et al. Attribute reduction methods of decision table based on concept lattice［J］. Pattern Recognition and Artificial Intelligence， 2009， 22（4）： 624-629. 10.3969/j.issn.1003-6059.2009.04.019
5	马垣，马文胜. 概念格多属性渐减式构造［J］. 软件学报， 2015， 26（12）： 3162-3173. 10.13328/j.cnki.jos.004818
	MA Y， MA W S. Construction of multi-attributes decrement for concept lattice［J］. Journal of Software， 2015， 26（12）： 3162-3173. 10.13328/j.cnki.jos.004818
6	QI J J， WEI L， YAO Y Y. Three-way formal concept analysis［C］// Proceedings of the 2014 International Conference on Rough Sets and Knowledge Technology， LNCS 8818. Cham： Springer， 2014： 732-741.
7	QIAN T， WEI L， QI J J. Constructing three-way concept lattices based on apposition and sub-position of formal contexts［J］. Knowledge-Based Systems， 2017， 116： 39-48. 10.1016/j.knosys.2016.10.033
8	苏新，陈永平，杨思春. 基于对象和基于属性的三支概念格合并方法比较［J］. 计算机应用与软件， 2021， 38（11）： 282-287. 10.3969/j.issn.1000-386x.2021.11.045
	SU X， CHEN Y P， YANG S C. The comparison of the merging methods of three concept lattices based on object and attribute［J］. Computer Applications and Software， 2021， 38（11）：282-287. 10.3969/j.issn.1000-386x.2021.11.045
9	WEI L， LIU L， QI J J， et al. Rules acquisition of formal decision contexts based on three-way concept lattices［J］. Information Sciences， 2020， 516： 529-544. 10.1016/j.ins.2019.12.024
10	LI J H， HUANG C C， QI J J， et al. Three-way cognitive concept learning via multi-granularity［J］. Information Sciences， 2017， 378： 244-263. 10.1016/j.ins.2016.04.051
11	龙柄翰，徐伟华. 模糊三支概念分析与模糊三支概念格［J］. 南京大学学报（自然科学）， 2019， 55（4）： 537-545.
	LONG B H， XU W H. Fuzzy three-way concept analysis and fuzzy three-way concept lattice［J］. Journal of Nanjing University （Natural Science）， 2019， 55（4）： 537-545.
12	贺晓丽，折延宏. 基于属性粒化的近似概念分析及规则提取［J］. 山东大学学报（理学版）， 2020， 55（5）： 13-21. 10.6040/j.issn.1671-9352.c.2020.005
	HE X L， SHE Y H. Approximate concept analysis and rule acquisition based on attribute granularity［J］. Journal of Shandong University （Natural Science）， 2020， 55（5）： 13-21. 10.6040/j.issn.1671-9352.c.2020.005
13	许佳卿，彭鑫，赵文耘. 一种基于模糊形式概念分析的程序聚类方法［J］. 计算机研究与发展， 2009， 46（9）： 1556-1566. JournalArticle/5af3f6f8c095d718d8143003
	XU J Q， PENG X， ZHAO W Y. Program clustering for comprehension based on fuzzy formal concept analysis［J］. Journal of Computer Research and Development， 2009， 46（9）： 1556-1566. JournalArticle/5af3f6f8c095d718d8143003
14	李敏，杨亚锋，李丽红. 基于聚类与粒化度量的高效决策表约简［J］.电脑知识与技术， 2019， 15（26）： 246-248.
	LI M， YANG Y F， LI L H. Efficient decision table reduction based on clustering and granulation measurement［J］. Computer Knowledge and Technology， 2019， 15（26）： 246-248.
15	BELOHLAVEK R， DE BAETS B， KONECNY J. Granularity of attributes in formal concept analysis［J］. Information Sciences， 2014， 260： 149-170. 10.1016/j.ins.2013.10.021
16	LIU Z， LI B， PEI Z， et al. Formal concept analysis via multi-granulation attributes［C］// Proceedings of the 12th International Conference on Intelligent Systems and Knowledge Engineering， Nanjing： Conference Publishing Services， 2017： 1-6. 10.1109/iske.2017.8258818
17	刘美玉，祁建军，刘伟. 三支概念格中的关联规则提取算法［J］. 西安交通大学学报， 2021， 55（9）： 189-196. 10.7652/xjtuxb202109021
	LIU M Y， QI J J， LIU W. Extracting association rules in three-way concept lattices［J］. Journal of Xi'an Jiaotong University， 2021， 55（9）： 189-196. 10.7652/xjtuxb202109021
18	万青，马盈仓，李金海. 基于直观图的三支概念获取及属性特征分析［J］. 计算机科学与探索， 2022， 16（12）：2879-2889. 10.3778/j.issn.1673-9418.2104120
	WAN Q， MA Y C， LI J H. Three-way concept acquisition and attribute characteristic analysis based on pictorial diagrams［J］. Journal of Frontiers of Computer Science and Technology， 2022， 16（12）：2879-2889. 10.3778/j.issn.1673-9418.2104120
19	常丽娜，魏玲. 基于OE-近似概念格的不完备决策背景的规则提取［J］. 山东大学学报（理学版）， 2021， 56（11）： 31-37. 10.6040/j.issn.1671-9352.4.2021.033
	CHANG L N， WEI L. Rules acquisition based on OE-approximate concept lattice in incomplete formal decision contexts［J］. Journal of Shandong University （Natural Science）， 2021， 56（11）： 31-37. 10.6040/j.issn.1671-9352.4.2021.033

[1]	石乾宏, 杨燕, 江永全, 欧阳小草, 范武波, 陈强, 姜涛, 李媛. 面向空气质量预测的多粒度突变拟合网络[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2643-2650.
[2]	孟凡, 杨群力, 霍静, 王新宽. 基于边缘异常候选集的迭代式主动多元时序异常检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1458-1463.
[3]	唐宇皓, 彭德中, 袁钟. 面向不完备混合数据的模糊多粒度异常检测[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3097-3104.
[4]	姚华勇, 叶东毅, 陈昭炯. 考虑多粒度反馈的多轮对话强化学习推荐算法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 15-21.
[5]	胡军, 许正康, 刘立, 钟福金. 融合多粒度社区信息的网络嵌入方法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 663-670.
[6]	耿艳兵, 廉永健. 基于多粒度特征生成对抗网络的跨分辨率行人重识别[J]. 《计算机应用》唯一官方网站, 2022, 42(11): 3573-3579.
[7]	陈恒恒, 倪志伟, 朱旭辉, 金媛媛, 陈千. 基于聚类分析的差分隐私高维数据发布方法[J]. 计算机应用, 2021, 41(9): 2578-2585.
[8]	卞凌志, 王直杰. 基于增强多维多粒度级联森林的信用评分模型[J]. 计算机应用, 2021, 41(9): 2539-2544.
[9]	孟凡, 陈广, 王勇, 高阳, 高德群, 贾文龙. 基于多粒度时序结构表示的异常检测算法在储层含油性检测中应用[J]. 计算机应用, 2021, 41(8): 2453-2459.
[10]	王鹏, 李艳雯, 杨迪, 杨华民. 基于层级控制的宏观基本图交通信号控制模型[J]. 计算机应用, 2021, 41(2): 571-576.
[11]	任俊伟, 曾诚, 肖丝雨, 乔金霞, 何鹏. 基于会话的多粒度图神经网络推荐模型[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3164-3170.
[12]	徐怡, 肖鹏. 基于容差关系的多粒度粗糙集中近似集动态更新方法[J]. 计算机应用, 2019, 39(5): 1247-1251.
[13]	郑文彬, 李进金, 于佩秋, 林艺东. 变精度多粒度粗糙集近似集更新的矩阵算法[J]. 计算机应用, 2019, 39(11): 3140-3145.
[14]	翁理国, 刘万安, 施必成, 夏旻. 基于多维多粒度级联森林的高原地区云雪分类[J]. 计算机应用, 2018, 38(8): 2218-2223.
[15]	万志超, 宋杰, 沈永良. 可变直觉模糊多粒度粗糙集模型及其近似分布约简算法[J]. 计算机应用, 2018, 38(2): 390-398.

属性聚类下三支概念的对比

Comparison of three-way concepts under attribute clustering

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 19

相关文章 15

编辑推荐

Metrics