概念格上的粗糙集合运算与函数依赖生成.pdfVIP

清华大学学报(自然科学版) 01／57 1998年第38卷 Journalof TsinghuaUniversity(Sei＆-Tech)第S2期第l～4页 概念格上的粗糙集合运算与函数依赖生成。 王志海，胡寸云，刘宗田，张奠成，黄厚宽 合肥工业大学计算机与信息学院，台肥230009； 北方交通大学计算机科学技术系，北京100044 文擅研究表明概念格是数据分析与规则提取的一种有效工具．粗糙集合理论是一种 新的处理模糊和不确定性的数学工具，它已经应用于机器学习、知识发现，决策支持系 统和模式识别等领域．两者的结合能够增强处理数据的能力．本文我们提出在概念格上 实现粗糙集合基本运算和生成函数依赖的思想和并给出了_相应算法． 这些方法已用于我 们所开发的数据库知识发现工具原型系统中． 关键词概念格；粗糙集舍；知识发现：函数依赖 在知识发现过程中建造与应用概念层次结构具有许多优点，而概念层次结构并非局限 于树型结构．概念格及其相应Hasse图就反映r一种概念层次结构”’．粗糙集合(Rough Set(Rs))理论是一种采用新方式来处理模糊性和不确定性的数学工具”1，其特别适合于数据 之间(精确的或近似的)依赖关系发现，评价属性的重要性，数据相似或差异发现，从数 据中产生一般决策规则，缩减冗余对象与属性等等”J．粗糙集合和概念格之间存在着一定 的联系，两者关系引起了许多研究者的兴趣．如OosthuizenGD非形式化地讨论了粗糙集 合与概念格间的联系州，KentRE尝试了将两者相结合，其主要探讨了概念格上几种可能 的偏太近似与偏小近似算子的定义p1．本文我们将概念格视为实现概念层次的数据结构， 研究了如何在概念格上实现粗糙集合基本运算，并依据规则集台利用这些运算来求解完全 或部分函数依赖． 1基本概念 本节简要地介绍所需概念格的基本概念，关于概念格的形式化描述可参考文献【l，6】． 定义1一个近似空间(知识库)定义为二元组(u，R)，其中U≠o是对象或实体的有 限集合，R是u之上等价关系的一个族集． 定义2一个形式背景是～个三元组(u，D，I)，其中u是对象集合，M是属性(描述符) 定义3形式背景中的一个概念定义一个二元组(x，x‘)，其中 (1)x．-“x)={x。eD}VxeX，xlx‘}，称之为此概念的外延(extension)； 本文研究得到安徽省自然科学基金和国家教委博士点专习l科研基金资助 清华大学学报(自然科学版) 1998·38s2) (2)x=g(X’)=缸∈ulV一∈x1，xW)，称之为此概念的内蔫(intension)． 属性一∈x1称为该概念所支撑的属性，对象xeX称为该概念所覆盖的实体．每个概念(x， X’)∈列U)x反D)关于关系I都是完备的，即概念必须是展大扩展的．在所有完备概念集合之 [6|．概念格的Hasse图揭示了概念的内涵与外延间的泛化和例化关系，可作为数据分析与 知识获取的一种有效工具。 2粗糙集合运算的实现 下面，给出如何在概念格上实现粗糙集合基本运算的方法． 上的不可区分关系，记作IND(P)，HP[xl唧=n旺】R。 不可区分关系是粗糙集合理论的基础．由于概念格的特殊结构使得在格上寻求不可区 分关系相对简单．事实上，不可区分关系就是格L中包含属性集合P的结点(x，x’)的最小 P 上界的并集．即IND(P)=nX’，(X，X’)∈L}． sup{Xl 下面算法给出在格上求不可区分关系的过程． 一 function IND(P)／·求属性集台P所形成的不可区分关系IND(P)+／ 1 begin