基于粗糙集及概念格异常基因检测.docVIP

基于粗糙集及概念格异常基因检测摘要：粗糙集在数据分析中善于解决约简冗余属性、寻求最小属性集等问题,而概念格是形式概念知识表示中解决复杂性的重要途径。该文首先运用概念格刻画粗糙集的一些概念与性质给二者建立了联系，通过将粗糙集中改进的区分矩阵运用于概念格中的属性约简，最后通过异常检测算法提取异常基因，结果证明该方法是有效可行的。 关键词：粗糙集；概念格；属性约简；异常检测 中图分类号：TP18文献标识码：A文章编号：1009-3044(2012)11-2590-03 Anomaly Gene Detection Based on Rough Set and Concept Lattice LI Chao,SONG Yan-pei, LI Yi-zhe, WU Wan-tao (College of Computer and Information Technology, Henan Normal University, Xinxiang 453007, China) Abstract：In the data analysis, rough sets used to solving the reduction of redundant attributes and seeking the minimum set of attributes . However, The concept lattice is an important way to address the complexity of conceptual knowledge. The paper first use the knowledge of the concept lattice to characterize some concept and nature of the rough sets and establish contact for them. Using the improved distin? guished matrix of rough sets to the attribute reduction of the concept lattice and finally through the anomaly detection algorithm to extract the abnormal gene, the result proves that the method is effective and feasible. Key words：Rough Set;Concept lattice;Attribute Reduction;Anomaly detection 粗糙集理论是一种新的处理模糊和不确定知识的软计算工具，是一种重要的数据库知识发现方法[1]，它的基本思想是通过案例库的分类归纳出概念和规则，通过案例库的条件特征变量将案例库分类而形成概念，并通过生成的概念去研究目标特征，从而得到关联规则，其理论基础是等价关系[2]。 概念格也叫形式概念分析，是一种根据对象和属性之间的二元关系建立起来的一种概念层次结构，从数据集中生成概念格的过程实际上是一种概念聚类的过程[3]。 粗糙集理论和概念格都是基于某种数据表，建立在分类基础上的，Oosthuizen G D非形式化地讨论了粗糙集合与概念格之间的联系，Kent R E主要探讨了在概念格模型上几种可能的偏大近似与偏小近似算子的定义及其相关关系，给出了概念格上的粗糙集合运算与函数依赖生成，张文修从概念理论上探讨了二者的联系及区别，吴强通过引用粗糙集的区别矩阵方法对概念格进行约简并为二者建立联系[4]。 1基本知识与联系 1.1粗糙集基本知识[5] 经典的信息表可以用一个四元组来形式化描述，设T=() U,A,V,f表示一个信息表，其中，U表示有限非空的对象集合，即论域；A是有限非空的属性集合；V对应每一个属性a∈A的非空值域；f是一个信息函数，通过这个函数，论域中的每一个对象都有V中唯一的值与之相对应。信息表中，如果A={} C?{ } r，则r是A中可省略的，否则称r是A中不可省略的。如果A 中的任何一个属性都是A中不可省略的，则A是独立的。定义3信息表T=() 1.2概念格的基本知识[4] 定义1形式背景：称() 1.3粗糙集和概念格的联系 定理一概念格中的每个结点都是粗糙集中一个等价类，并且每一个结点是一个具有最大共同属性的对象集合。由于概念格的形式背景是二值的，而建格时针对的是属性值而不是属性，格中结点包括两部分，表示为属于这个概念的所有对象以及这些对象的所共有的属