matlab 概念格 hasse建法,模糊概念格的一种建格方法

1引言概念包括外延和内涵两部分,概念的内涵是概念所有外延具有的共同特征,概念的外延是由共同具有内涵里所有特征的对象组成。现实生活中,概念的外延和内涵大多是不确定的关系,而不是非此即彼的确定性关系,如“年轻人消费水平高”“,肥胖人患疑难病的几率大”等。这里的“肥胖人”作为对象,它是一个模糊集,因为到底体重到达多少称为“肥胖”,没有明确的数值确定。因此建立描述概念内涵与外延之间的模糊关系也就成为必然。2模糊概念格基础知识定义1:(形式背景)一个模糊形式背景是三元组K=(U,V,I),U是对象集合,V是属性集合,I是U和V直接的一个二元关系,且I(x,y)[0,1],xU,yV。定义2假设F(U),F(V)分别是对象空间U和属性空间V的模糊子集族,映射f:F(U)F(V)?AF(U),LU(U,V,I)={A:(A,B)L(U,V,I)}。对于形式背景(U,V,I),记[x]={yU|y??=x??},[x]??=x??,且[x]???U,令EA={[x]??|xU}。定理1:设(U,V,I)为形式背景,则EA中的元素是构成构成概念外延的基本单位。即?XLU(U,V,I),则?[x1]??,[x2]??,L[xt]??EA,使得1tX=i=[x]?i?。也就是说,任何一个概念的外延都可以由EA中的元素做并运算得到,通过EA可以得到构成了模糊概念格的极小元的集合E0,即模糊概念格的所有节点,可以通过极小元得到。其中,E0={[x]??,f([x]??)|xU}3模糊概念格的建格方法3.1寻找模糊概念节点()(i,j)jjfA=Ixyy其中xiA,yjV,为模糊集合中的符号“,”是取小运算符号;映射记Ei={?},i=0,1,2,3L令i=0,(1)取节点Ct(At,Bt)E0,C(A,B)Ei,满足AtIA=?,若在g:F(V)F(U),?BF(V)g(B)={xU|I(x,y)B(y),?yB}则称f为U到V的模糊属性映射,g为V到U的模糊对象映射。定义3由U的子集A和V的子集B所构成的序偶对,若满足f(A)=B且g(B)=A(记为A?=B,B?=A)则称(A,B)是一个模糊概念,记全体模糊概念的集合为L(U,V,I)。在L(U,V,I)上定义偏序关系:(A1,B1),(A2,B2)为L(U,V,I)中的概念(A1,B1)(A2,B2)?A1?A2(或者B1?B2)则上确界、下确界分别为:(A1,B1)(A2,B2)=(g(B1B2),B1B2)(A1,B1)(A2,B2)=(A1A2,f(A1A2))Ei+1中存在节点Ci+1(Ai+1,Bi+1),满足Ai+1=AtUA,则不生成临时节点,否则生成临时节点,记为Cn(An,Bn)=(AtUA,BtIB),并将Cn存入Ei+1中,若Bt?B,将节点C(A,B)从Ei中删去,依次类推,直到不存在满足AtIA=?的节点。(2)令i=i+1,返回(1)。由此得到Galois格,称L(U,V,I)为模糊概念格。定义4设A是一个偏序集,B是A的子集,对于bB,如果B中没有任何元素x,满足xb且xb,则称b是B的极小元。外延集的极小元为偏序集{LU(U,V,I),?}中的极小元,其中(3)最后,L(U,V,I)=iEi3.2分层建格Ci+1(Ai+1,Bi+1)进行比较,若满足Ai?Ai+1,Bi?Bi+1,则节点(1)将每个节点中对象个数相同的分为一层,结果由少到多进行编号排序,记层数是n。(2)对第i层上的节点Ci(Ai,Bi),与第i+1层的节点图1表1abcde10.20.40.60.80.520.10.