旁观者视角下粒的多层次描述

doi:10.12263/DZXB.20211164

电子学报 ›› 2022, Vol. 50 ›› Issue (11): 2568-2574.DOI: 10.12263/DZXB.20211164

旁观者视角下粒的多层次描述

智慧来¹, 张丽¹, 李金海²

^1.河南理工大学计算机科学与技术学院, 河南焦作 454003
^2.昆明理工大学数据科学研究中心, 云南昆明 650500

收稿日期:2021-08-28 修回日期:2021-11-25 出版日期:2022-11-25
- 通讯作者:
- 李金海
- 作者简介:
- 智慧来男,1981年3月出生于河南省洛阳市.2010年毕业于上海大学计算机工程与科学学院.现为河南理工大学计算机科学与技术学院副教授、硕士生导师.主要研究方向为形式概念分析、粗糙集、粒计算等.E‑mail: zhihuilai@126.com
  张丽女,1995年4月出生于河南省焦作市.现为河南理工大学计算机科学与技术学院硕士研究生.主要研究方向为形式概念分析、粒计算等.E‑mail: liizhang13@163.com
  李金海（通讯作者）男,1984年1月出生于江西省上饶市.2012年毕业于西安交通大学数学与统计学院.现为昆明理工大学数据科学研究中心教授、博士生导师.主要研究方向为概念格、粗糙集、模糊集、粒计算、认知计算等.
- 基金资助:
- 国家自然科学基金 (11971211); 河南省高校基本科研业务费专项 (NSFRF210318)

Multi-Level Description of Granules From an Outsider’s Perspective

ZHI Hui-lai¹, ZHANG Li¹, LI Jin-hai²

^1.School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo, Henan 454003, China
^2.Data Science Research Center, Kunming University of Science and Technology, Kunming, Yunnan 650500, China

Received:2021-08-28 Revised:2021-11-25 Online:2022-11-25 Published:2022-11-19
- Corresponding author:
- LI Jin-hai

摘要/Abstract

摘要：

不确定性在大数据中普遍存在.现有的研究极少从外部视角研究数据的不确定性，特别是模糊数据，经常无意识地假定获得的原始数据是完全真实可靠的，不存在任何偏差.然而，鉴于数据获取的主体普遍存在着不确定性，在大多数情况下这种做法是不可取的.为此，本文基于模糊概念格提出旁观者视角下粒的多层次描述.该方法基本思想是通过单个元素隶属度找出模糊形式背景中所有的原子粒，利用原子粒的自由组合来判定一个目标粒是否为可定义粒，并由原子粒的描述获取可定义粒的描述.接着，借助粗糙集上下近似思想给出一种不可定义粒的近似描述方法，它的主要思想是用可定义粒近似刻画不可定义粒.其中，查全率和查准率是为不可定义粒选择最合适近似描述的两个重要评价指标，而近似描述的质量则通过描述精度进行度量.最后，通过商品评价的实验分析说明了所提多层次数据分析方法的必要性与可行性，同时表明模糊概念格的真值越丰富得到的多层次粒描述结果越好.

关键词: 不确定性, 模糊集, 粒计算, 概念格, 粒描述, 模糊概念, 多层次数据分析

Abstract:

Uncertainty is pervasive in big data. In the existing researches, the uncertainty of data was seldom concerned from an external perspective, especially for the fuzzy data, and it was often unconsciously assumed that the original obtained data is completely truthful and reliable without any bias. However, due to the ubiquitous uncertainty of the subject in data acquisition, this kind of assumptions are not reasonable in most cases. In order to solve this problem, a multi-level description method of granules is proposed from an outsider’s perspective based on fuzzy concept lattice. The basic idea of this method is to find out all the atomic granules in the fuzzy formal context by using the degree of membership of single element, and further determine whether a target granule is a definable granule by a free combination of the atomic granules, which can be used to obtain the description of a definable granule by the descriptions of atomic granules. After that, an approximate method to describe indefinable granules is proposed based on the ideas of the lower and upper approximations which are from the rough set theory, and the main idea of this method is to describe the indefinable granules approximately by means of definable granules, where recall and precision are two important evaluation criteria to select the most appropriate approximate descriptions for the indefinable granules, while the quality of the approximate descriptions is measured by description accuracy. Finally, the necessity and feasibility of the proposed multi-level data analysis methods are illustrated by an experimental analysis of commodity evaluation, and at the same time, the bigger the number of membership degrees in the fuzzy concept lattice, the better the obtained results of multi-level granule description.

Key words: uncertainty, fuzzy set, granular computing, concept lattice, granule description, fuzzy concept, multi-level data analysis

中图分类号:

TP182

智慧来, 张丽, 李金海. 旁观者视角下粒的多层次描述[J]. 电子学报, 2022, 50(11): 2568-2574.

ZHI Hui-lai, ZHANG Li, LI Jin-hai. Multi-Level Description of Granules From an Outsider’s Perspective[J]. Acta Electronica Sinica, 2022, 50(11): 2568-2574.

图/表 5

表1 模糊形式背景K

$X$	$y 1$	$y 2$	$y 3$	$y 4$	$y 5$
$x 1$	0.5	0.5	1	0.5	0
$x 2$	1	0.5	0.5	1	0.5
$x 3$	0	1	0.5	0.5	1

表1 模糊形式背景K

$X$	$y 1$	$y 2$	$y 3$	$y 4$	$y 5$
$x 1$	0.5	0.5	1	0.5	0
$x 2$	1	0.5	0.5	1	0.5
$x 3$	0	1	0.5	0.5	1

表2 K的原子粒和最简描述

模糊原子粒	最简描述	模糊原子粒	最简描述
$1 x 1, 1 x 2, 0.5 x 3$	$0.5 y 1, ¬ 0.5 y 2, ¬ 0.5 y 5$	$1 x 1, 0.5 x 2, 0.5 x 3$	$1 y 3$
$0.5 x 1, 1 x 2$	$1 y 1$	$0.5 x 1, 1 x 2, 0.5 x 3$	$1 y 4$
$1 x 1, 1 x 2, 1 x 3$	$0.5 y 2, 0.5 y 3, 0.5 y 4$	$0.5 x 1, 1 x 2, 1 x 3$	$0.5 y 5, ¬ 0.5 y 3$
$0.5 x 1, 0.5 x 2, 1 x 3$	$1 y 2$	$0.5 x 2, 1 x 3$	$1 y 5$

表2 K的原子粒和最简描述

模糊原子粒	最简描述	模糊原子粒	最简描述
$1 x 1, 1 x 2, 0.5 x 3$	$0.5 y 1, ¬ 0.5 y 2, ¬ 0.5 y 5$	$1 x 1, 0.5 x 2, 0.5 x 3$	$1 y 3$
$0.5 x 1, 1 x 2$	$1 y 1$	$0.5 x 1, 1 x 2, 0.5 x 3$	$1 y 4$
$1 x 1, 1 x 2, 1 x 3$	$0.5 y 2, 0.5 y 3, 0.5 y 4$	$0.5 x 1, 1 x 2, 1 x 3$	$0.5 y 5, ¬ 0.5 y 3$
$0.5 x 1, 0.5 x 2, 1 x 3$	$1 y 2$	$0.5 x 2, 1 x 3$	$1 y 5$

表3 K的可定义模糊粒和最简描述

可定义模糊粒	最简描述	可定义模糊粒	最简描述
$1 x 1, 1 x 2, 1 x 3$	$0.5 y 2, 0.5 y 3, 0.5 y 4$	$0.5 x 2, 0.5 x 3$	$¬ 1 y 3$
$0.5 x 1, 1 x 2, 1 x 3$	$0.5 y 5, ¬ 0.5 y 3$	$1 x 1, 0.5 x 2$	$¬ 1 y 5$
$1 x 1, 1 x 2, 0.5 x 3$	$0.5 y 1, ¬ 0.5 y 2, ¬ 0.5 y 5$	$0.5 x 1, 1 x 3$	$¬ 1 y 1$
$1 x 1, 0.5 x 2, 1 x 3$	$¬ 0.5 y 1, ¬ 0.5 y 4$	$0.5 x 1, 0.5 x 3$	$¬ 1 y 4$
$0.5 x 1, 0.5 x 2, 1 x 3$	$1 y 2$	$0.5 x 1, 0.5 x 2$	$¬ 1 y 2$
$0.5 x 1, 1 x 2, 0.5 x 3$	$1 y 4$	$0.5 x 1$	$¬ 1 y 2 ∧ ¬ 1 y 4$
$1 x 1, 0.5 x 2, 0.5 x 3$	$1 y 3$	$0.5 x 2$	$¬ 1 y 2 ∧ ¬ 1 y 3$
$0.5 x 1, 1 x 2$	$1 y 1$	$0.5 x 3$	$¬ 1 y 3 ∧ ¬ 1 y 4$
$0.5 x 2, 1 x 3$	$1 y 5$	$0.5 x 1, 0.5 x 2, 0.5 x 3$	$1 y 2 ∧ 1 y 3,$
$1 x 3$	$¬ 1 y 1 ∧ ¬ 1 y 5$	$0.5 x 1, 0.5 x 2, 0.5 x 3$	$1 y 2 ∧ 1 y 4,$ $1 y 3 ∧ 1 y 4$

表3 K的可定义模糊粒和最简描述

可定义模糊粒	最简描述	可定义模糊粒	最简描述
$1 x 1, 1 x 2, 1 x 3$	$0.5 y 2, 0.5 y 3, 0.5 y 4$	$0.5 x 2, 0.5 x 3$	$¬ 1 y 3$
$0.5 x 1, 1 x 2, 1 x 3$	$0.5 y 5, ¬ 0.5 y 3$	$1 x 1, 0.5 x 2$	$¬ 1 y 5$
$1 x 1, 1 x 2, 0.5 x 3$	$0.5 y 1, ¬ 0.5 y 2, ¬ 0.5 y 5$	$0.5 x 1, 1 x 3$	$¬ 1 y 1$
$1 x 1, 0.5 x 2, 1 x 3$	$¬ 0.5 y 1, ¬ 0.5 y 4$	$0.5 x 1, 0.5 x 3$	$¬ 1 y 4$
$0.5 x 1, 0.5 x 2, 1 x 3$	$1 y 2$	$0.5 x 1, 0.5 x 2$	$¬ 1 y 2$
$0.5 x 1, 1 x 2, 0.5 x 3$	$1 y 4$	$0.5 x 1$	$¬ 1 y 2 ∧ ¬ 1 y 4$
$1 x 1, 0.5 x 2, 0.5 x 3$	$1 y 3$	$0.5 x 2$	$¬ 1 y 2 ∧ ¬ 1 y 3$
$0.5 x 1, 1 x 2$	$1 y 1$	$0.5 x 3$	$¬ 1 y 3 ∧ ¬ 1 y 4$
$0.5 x 2, 1 x 3$	$1 y 5$	$0.5 x 1, 0.5 x 2, 0.5 x 3$	$1 y 2 ∧ 1 y 3,$
$1 x 3$	$¬ 1 y 1 ∧ ¬ 1 y 5$	$0.5 x 1, 0.5 x 2, 0.5 x 3$	$1 y 2 ∧ 1 y 4,$ $1 y 3 ∧ 1 y 4$

表4 提高分析层次前后外延可能不一致的概念数量占比统计

数据集	$L ˜ (K, L 1)$	$N 1$	$r 1 / %$	$L ˜ (K, L 2)$	$N 2$	$r 2 / %$
#1	208	89	42.79	2567	1208	47.06
#2	203	87	42.86	2507	1291	51.50
#3	221	88	39.82	2791	1263	45.25
#4	621	217	34.94	12735	4867	38.22
#5	542	218	40.22	10788	4640	43.01
#6	614	205	33.39	12663	4695	37.08
#7	1271	500	39.34	38656	16027	41.46
#8	1462	446	30.51	44377	15226	34.31
#9	1387	488	35.18	43665	16259	37.24
#10	3544	1094	30.87	171016	56816	33.22
#11	3327	955	28.70	152613	49380	32.36
#12	3637	1084	29.80	177459	57503	32.40

表4 提高分析层次前后外延可能不一致的概念数量占比统计

数据集	$L ˜ (K, L 1)$	$N 1$	$r 1 / %$	$L ˜ (K, L 2)$	$N 2$	$r 2 / %$
#1	208	89	42.79	2567	1208	47.06
#2	203	87	42.86	2507	1291	51.50
#3	221	88	39.82	2791	1263	45.25
#4	621	217	34.94	12735	4867	38.22
#5	542	218	40.22	10788	4640	43.01
#6	614	205	33.39	12663	4695	37.08
#7	1271	500	39.34	38656	16027	41.46
#8	1462	446	30.51	44377	15226	34.31
#9	1387	488	35.18	43665	16259	37.24
#10	3544	1094	30.87	171016	56816	33.22
#11	3327	955	28.70	152613	49380	32.36
#12	3637	1084	29.80	177459	57503	32.40

表5 提高分析层次前后状态改变量统计

数据集	$A V E 1$	$A V E 2$	$d / %$
#1	0.3378	0.3122	7.58
#2	0.2967	0.2913	1.82
#3	0.3396	0.3216	5.30
#4	0.3340	0.3134	6.17
#5	0.3291	0.3062	6.96
#6	0.3466	0.3217	7.18
#7	0.3197	0.2881	9.88
#8	0.3297	0.2987	9.40
#9	0.3318	0.2977	10.28
#10	0.3205	0.2797	12.73
#11	0.3151	0.2798	11.20
#12	0.3172	0.2803	11.63

表5 提高分析层次前后状态改变量统计

数据集	$A V E 1$	$A V E 2$	$d / %$
#1	0.3378	0.3122	7.58
#2	0.2967	0.2913	1.82
#3	0.3396	0.3216	5.30
#4	0.3340	0.3134	6.17
#5	0.3291	0.3062	6.96
#6	0.3466	0.3217	7.18
#7	0.3197	0.2881	9.88
#8	0.3297	0.2987	9.40
#9	0.3318	0.2977	10.28
#10	0.3205	0.2797	12.73
#11	0.3151	0.2798	11.20
#12	0.3172	0.2803	11.63

参考文献 22

1	梁吉业, 钱宇华, 李德玉, 等. 大数据挖掘的粒计算理论与方法[J]. 中国科学: 信息科学, 2015, 45(11): 1355‐1369.
	LIANG Ji-ye, QIAN Yu-hua, LI De-yu, et al. Theory and method of granular computing for big data mining[J]. Science China: Information Sciences, 2015, 45(11): 1355 ‐1369. (in Chinese)
2	ZADEH L A. Fuzzy sets[J]. Information Control, 1965, 8(3): 338‐353.
3	YAO Y Y. Three-way decision and granular computing[J]. International Journal of Approximate Reasoning, 2018, 103: 107‐123.
4	LIU D, YANG X, LI T R. Three-way decisions: beyond rough sets and granular computing[J]. International Journal of Machine Learning and Cybernetics, 2020, 11(5): 989 ‐1002.
5	ZADEH L A. Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic[J]. Fuzzy Sets and Systems, 1997, 90(2): 111‐127.
6	徐计, 王国胤, 于洪. 基于粒计算的大数据处理[J]. 计算机学报, 2015, 38(8): 1497‐1517.
	XU Ji, WANG Guo-yin, YU Hong. Review of big data processing based on granular computing[J]. Chinese Journal of Computers, 2015, 38(8): 1497‐1517. (in Chinese)
7	PEDRYCZ W. Interpretable Artificial Intelligence: A Perspective of Granular Computing[M]. Berlin: Springer-Verlag, 2021: 333‐369.
8	PEDRYCZ W. From numeric to granular description and interpretation of information granules[J]. Fundamenta Informaticae, 2013, 127(1-4): 399‐412.
9	ZHI H L, LI J H. Granule description based on formal concept analysis[J]. Knowledge-Based Systems, 2016, 104: 62 ‐73.
10	智慧来, 李金海. 基于必然属性分析的粒描述[J]. 计算机学报, 2018, 41(12): 2702‐2719.
	ZHI Hui-lai, LI Jin-hai. Granule description based on necessary attribute analysis[J]. Chinese Journal of Computers, 2018, 41(12): 2702‐2719. (in Chinese)
11	LI J H, LIU Z M. Granule description in knowledge granularity and representation[J]. Knowledge-Based Systems, 2020, 203: 106160.
12	ZHU X B, PDERYCZ W, LI Z W. Granular data description: Designing ellipsoidal information granules[J]. IEEE Transactions on Cybernetics, 2017, 47(12): 4475‐4484.
13	苗夺谦, 徐菲菲, 姚一豫, 等. 粒计算的集合论描述[J]. 计算机学报, 2012, 35(2): 351‐363.
	MIAO Duo-qian, XU Fei-fei, YAO Yi-yu, et al. Set-theoretic formulation of granular computing[J]. Chinese Journal of Computers, 2012, 35(2): 351‐363. (in Chinese)
14	GANTER B, WILLE R. Formal Concept Analysis: Mathematical Foundation[M]. Berlin: Springer-Verlag, 1999: 25‐36.
15	BURUSCO JUANDEABURRE A, FUENTES-GONZALEZ R. The study of the L-fuzzy concept lattice[J]. Mathware and Soft Computing, 1994, 1(3): 209‐218.
16	BELOHLAVEK R, DVORAK J, OUTRATA J. Fast factorization by similarity in formal concept analysis of data with fuzzy attributes[J]. Journal of Computer and System Sciences, 2007, 73(6): 1012‐1022.
17	刘宗田, 强宇, 周文, 等. 一种模糊概念格模型及其渐进式构造算法[J]. 计算机学报, 2007, 30(2): 184‐188.
	LIU Zong-tian, QIANG Yu, ZHOU Wen, et al. A fuzzy concept lattice model and its incremental construction algorithm[J]. Chinese Journal of Computers, 2007, 30(2): 184‐188. (in Chinese)
18	邹丽, 冯凯华, 刘新. 语言值直觉模糊概念格及其应用[J]. 计算机研究与发展, 2018, 55(8): 1726‐1734.
	ZOU Li, FENG Kai-hua, LIU Xin. Linguistic-valued in intuitionistic fuzzy concept lattice and its application[J]. Journal of Computer Research and Development, 2018, 55(8): 1726‐1734. (in Chinese)
19	HE X L, WEI L, SHE Y H. L-fuzzy concept analysis for three-way decisions: basic definitions and fuzzy inference mechanisms[J]. International Journal of Machine Learning and Cybernetics, 2018, 9(11): 1857‐1867.
20	ZHANG Z. Constructing L-fuzzy concept lattices without fuzzy Galois closure operation[J]. Fuzzy Sets and Systems, 2018, 333: 71‐86.
21	BARTL E, KONECNY J. L-concept analysis with positive and negative attributes[J]. Information Sciences, 2016, 360: 96‐111.
22	YAO Y Y. Rough-set concept analysis: Interpreting RS-definable concepts based on ideas from formal concept analysis[J]. Information Sciences, 2016, 346-347: 442 ‐462.

[1]	张清华, 黄志康, 高满, 艾志华. 基于不确定性与错误分类率博弈的序贯三支决策模型[J]. 电子学报, 2022, 50(5): 1033-1041.
[2]	张浩, 胡昌华, 杜党波, 裴洪, 张建勋. 多状态影响下基于Bi‑LSTM网络的锂电池剩余寿命预测方法[J]. 电子学报, 2022, 50(3): 619-624.
[3]	伍邦谷, 张苏林, 石红, 朱鹏飞, 王旗龙, 胡清华. 基于多分支结构的不确定性局部通道注意力机制[J]. 电子学报, 2022, 50(2): 374-382.
[4]	史宏艳, 罗敏霞. 基于区间值相似度的模糊推理算法[J]. 电子学报, 2022, 50(11): 2738-2745.
[5]	陶凌, 陈安庆, 邓贞宙, 韩春雷, 王玉皞, 王平. 应用分形几何与混沌理论进行植物形态建模[J]. 电子学报, 2021, 49(9): 1776-1782.
[6]	张志勇, 程曦. 色散有损介质土壤对电磁回波影响的不确定性分析研究[J]. 电子学报, 2021, 49(3): 614-618.
[7]	汤萍萍, 董育宁. 基于粒关系矩阵的流量在线分类[J]. 电子学报, 2021, 49(1): 1-7.
[8]	张清华, 吕功勋, 陈玉洪, 谢秦. 基于字符型属性值更新的动态三支决策模型[J]. 电子学报, 2019, 47(2): 344-350.
[9]	徐俊艳, 孙贵东, 赵静. 新的犹豫模糊集相关系数及多属性决策应用[J]. 电子学报, 2018, 46(6): 1327-1335.
[10]	邓大勇, 卢克文, 黄厚宽, 邓志轩. 概念的属性约简及异构数据概念漂移探测[J]. 电子学报, 2018, 46(5): 1234-1239.
[11]	米允龙, 李金海, 刘文奇, 林晶. MapReduce框架下的粒概念认知学习系统研究[J]. 电子学报, 2018, 46(2): 289-297.
[12]	潘刚, 尚朝轩, 梁玉英, 蔡金燕, 孟亚峰. 相关竞争失效场合雷达功率放大系统可靠性评估[J]. 电子学报, 2017, 45(4): 805-812.
[13]	孙野, 王加阳, 张思同. 代数商空间的同余结构研究[J]. 电子学报, 2017, 45(10): 2434-2438.
[14]	张清华, 薛玉斌, 胡峰, 于洪. 粗糙集近似集不确定性研究[J]. 电子学报, 2016, 44(7): 1574-1580.
[15]	齐现英, 刘伯强, 徐建伟. 基于不确定性信息融合的高密度椒盐噪声降噪方法[J]. 电子学报, 2016, 44(4): 878-885.

旁观者视角下粒的多层次描述

Multi-Level Description of Granules From an Outsider’s Perspective

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 22

相关文章 15

编辑推荐

Metrics