语言值直觉模糊概念格及其应用

doi:10.7544/issn1000-1239.2018.20180240

计算机研究与发展 ›› 2018, Vol. 55 ›› Issue (8): 1726-1734.doi: 10.7544/issn1000-1239.2018.20180240

所属专题： 2018数据挖掘前沿进展专题

语言值直觉模糊概念格及其应用

邹丽¹，冯凯华¹，刘新²

¹(辽宁师范大学计算机与信息技术学院辽宁大连 116081);²(辽宁师范大学数学学院辽宁大连 116029) (zoulicn@163.com)

出版日期: 2018-08-01
基金资助:
国家自然科学基金项目(61772250，61673320，61672127)；中央高校基本科研业务费专项资金(2682017ZT12)；辽宁省自然科学基金项目(2015020059) This work was supported by the National Natural Science Foundation of China (61772250, 61673320, 61672127), the Fundamental Research Funds for the Central Universities (2682017ZT12), and the Natural Science Foundation of Liaoning Province (2015020059).

Linguistic-Valued Intuitionistic Fuzzy Concept Lattice and Its Application

Zou Li¹, Feng Kaihua¹,Liu Xin²

¹(School of Computer and Information Technology, Liaoning Normal University, Dalian, Liaoning 116081);²(School of Mathematics, Liaoning Normal University, Dalian, Liaoning 116029)

Online: 2018-08-01

摘要/Abstract

摘要： 人们经常用自然语言进行推理判断和决策，针对具有语言值信息的不确定问题，基于语言值直觉模糊代数和直觉模糊形式背景，提出了语言值直觉模糊形式背景并讨论了其相关性质，建立了语言值直觉模糊概念格.研究了语言值直觉模糊形式概念之间的贴近度，进一步给出语言值直觉模糊形式概念格之间的贴近度，进而提出了语言值直觉模糊概念格的模式识别方法，并将其应用到中医疾病诊断识别中，说明所提出方法的有效性和实用性.

关键词: 语言值直觉模糊形式背景, 语言值直觉模糊概念格, 贴近度, 模式识别方法, 中医专家诊断系统

Abstract: Natural language is always used to reason or make decision. For the uncertain problems represented by linguistic values, inspired by the linguistic value intuitionistic fuzzy algebra and the intuitionistic fuzzy formal context, the linguistic-valued intuitionistic fuzzy formal context is proposed and its related properties are analyzed. Accordingly, the linguistic-valued intuitionistic fuzzy concept lattice is constructed. Based on the degree of similarity between two linguistic-valued intuitionistic fuzzy concepts, the degree of similarity between two linguistic-valued intuitionistic fuzzy concept lattices is presented, and the pattern recognition method based on linguistic-valued intuitionistic fuzzy concept lattice is proposed. The effectiveness and practicability of this method are illustrated by an example of diagnosis and recognition of Chinese medicine diseases.

Key words: linguistic-valued intuitionistic fuzzy formal context, linguistic-valued intuitionistic fuzzy concept lattice, degree of similarity, pattern recognition method, Chinese medicine expert diagnosis system

中图分类号:

TP181

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 Kaihua,Liu Xin. Linguistic-Valued Intuitionistic Fuzzy Concept Lattice and Its Application[J]. Journal of Computer Research and Development, 2018, 55(8): 1726-1734.

	作者相关文章
	邹丽
	冯凯华
	刘新

[1]	张永, 陈蓉蓉, 张晶. 基于交叉熵的安全Tri-training算法[J]. 计算机研究与发展, 2021, 58(1): 60-69.
[2]	程大宁, 张汉平, 夏粉, 李士刚, 袁良, 张云泉. AccSMBO:一种基于超参梯度和元学习的SMBO加速算法[J]. 计算机研究与发展, 2020, 57(12): 2596-2609.
[3]	董业, 侯炜, 陈小军, 曾帅. 基于秘密分享和梯度选择的高效安全联邦学习[J]. 计算机研究与发展, 2020, 57(10): 2241-2250.
[4]	陈珂锐, 孟小峰. 机器学习的可解释性[J]. 计算机研究与发展, 2020, 57(9): 1971-1986.
[5]	丁成诚, 陶蔚, 陶卿. 一种三参数统一化动量方法及其最优收敛速率[J]. 计算机研究与发展, 2020, 57(8): 1571-1580.
[6]	王婕婷, 钱宇华, 李飞江, 刘郭庆. 消除随机一致性的支持向量机分类方法[J]. 计算机研究与发展, 2020, 57(8): 1581-1593.
[7]	贺一笑, 庞明, 姜远. 蒙德里安深度森林[J]. 计算机研究与发展, 2020, 57(8): 1594-1604.
[8]	鞠卓亚, 王志海. 基于选择性模式的贝叶斯分类算法[J]. 计算机研究与发展, 2020, 57(8): 1605-1616.
[9]	孟银凤, 梁吉业. 线性正则化函数Logistic模型[J]. 计算机研究与发展, 2020, 57(8): 1617-1626.
[10]	孙肖依, 刘华锋, 景丽萍, 于剑. 基于列表级排序的深度生成推荐方法[J]. 计算机研究与发展, 2020, 57(8): 1697-1706.
[11]	刘兴波, 聂秀山, 尹义龙. 基于双向线性回归的监督离散跨模态散列方法[J]. 计算机研究与发展, 2020, 57(8): 1707-1714.
[12]	杜圣东, 李天瑞, 杨燕, 王浩, 谢鹏, 洪西进. 一种基于序列到序列时空注意力学习的交通流预测模型[J]. 计算机研究与发展, 2020, 57(8): 1715-1728.
[13]	赵霞, 张泽华, 张晨威, 李娴. RGNE：粗糙粒化的网络嵌入式重叠社区发现方法[J]. 计算机研究与发展, 2020, 57(6): 1302-1311.
[14]	董轶群, 刘建东, 徐文星, 王淑鸿. 一种基于OPRA\-4方向关系推理定性距离变化的方法[J]. 计算机研究与发展, 2020, 57(5): 971-983.
[15]	王子晔, 苗夺谦, 赵才荣, 罗晟, 卫志华. 基于多粒度特征的行人跟踪检测结合算法[J]. 计算机研究与发展, 2020, 57(5): 996-1002.

语言值直觉模糊概念格及其应用

Linguistic-Valued Intuitionistic Fuzzy Concept Lattice and Its Application

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价