ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ... ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
238 бинарное отношение I ⊆ G × M говорит о том, какие объекты какими признаками обладают [69, 197]. Многозначный формальный контекст в АФП есть четвёрка (G, M, W, J), где G, M, W – множества (объектов, признаков и значений признаков, соответственно), а J – тернарное отношение J ⊆ G × M × W, задающее значение w признака m, причём: (g, m, w) ∈J и (g, m, v) ∈J влечёт w = v. Процедура сведения многозначных контекстов к однозначным называется шкалированием (scaling). Для шкалирования каждый признак многозначного контекста представляется формальным контекстом, называемым шкалой [69]. При анализе прецедентов Ω = {α({τ/T})} под контекстом K в общем случае можно понимать тройку , а в традиционной нотации K {τ/T} = (Ω, {G(τ)}, I {τ/T} ), что означает фиксирование определенного уровня описания (доменов) по всем тестам. Без потери общности будем предполагать, что каждый тест входит в описание прецедента один раз, принимает одно значение и что для каждого прецедента известны значения всех тестов на всех уровнях (база прецедентов с полной информацией). Последнее требование фактически означает, что прецеденты должны быть описаны с помощью базовых доменов всех тестов: Ω = {α({τ/T 0 })}. Главной особенностью контекста (Ω, {G(τ)}, I {τ/T} ) является зависимость результатов всех операций АФП от рассматриваемого уровня общности. Бинарное отношение I {τ/T} в контексте K {τ/T} можно представить следующим образом (все элементы всех доменов считаются различными): I {τ/T} ⊆ Ω × M {τ/T} , где M {τ/T} = T τ1 ∪⋅⋅⋅∪ T τN , N = |{τ}|. Прецеденты могут описываться с помощью событий: Ω = {α({})}, где – событие. Под контекстом K в этом случае можно понимать пару . Для сведения к классическому варианту АФП необходимо синхронизировать и согласовать по уровню общности события во всех прецедентах. Если на каком-то уровне общности {τ/T}, t/Λ такое согласование удается сделать, то фактически это означает, что переопределением названий тестов на данном уровне общности можно уйти от событий, т.е. получить описание Ω = {α({τ/T})}. В таком случае приходим к контексту K {τ/T} . Если уровень общности не фиксирован, то такой контекст будем называть свободным и обозначать K ∪{τ/T} = . Прецеденты могут быть описаны на уровне синдромов той или иной
239 синдромной модели знаний {S}, т.е. Ω(Z) = {α({S})} ≡ {{S} α }. Под контекстом K {S} в этом случае можно понимать пару . В традиционной интерпретации можно записать: K {S} = (Ω(Z), {S}, I {S} ), где I {S} ⊆ Ω × {S}. Ясно, что K ∪{τ/T} , Z → K {S} → K {S*} . В рамках данной цепочки происходит радикальное изменение объектно-признакового описания. Контекст K {S} имеет значительно более высокий системный уровень, чем контексты K {τ/T} и K ∪{τ/T} , особенно, если речь идет о контекстах K {S*} . В рамках контекста K {S} категоризация осуществляется в два этапа: на первом этапе формируется синдромная модель знаний (формируются новые системные признаки), а на втором этапе формируются понятия уже на основе системных признаков. Контекст K {S*} с полным основанием можно отнести к базовому уровню концептуальной организации. Следовательно, и понятия контекста K {S*} также можно отнести к базовому уровню. К этому уровню относится и редуцированный Банк тестов {G * (τ)} * , с помощью которого можно формировать контексты K {τ/T} базового уровня («пучок признаков» является предшественником синдрома). Поскольку предельные синдромы являются гештальтами, то и идеализированные понятия базового уровня несут многие черты гештальтов. База прецедентов может представлять собой множество образов Ω({w}). Для каждого образа w автоматизмами среды строятся орграфы набросков Gs(w). Орграф набросков содержит слои набросков {p}/Gs(w), где p – набросок, а также экстремальный пограничный слой набросков {p*}/Gs(w). Соответственно можно рассматривать множество разных контекстов, например: K {Gs} = – свободный контекст, K {p/Gs} – контекст фиксированного уровня общности, K {p*/Gs} – контекст базового уровня и т.д. На основе орграфов набросков {Gs(w)} могут быть построены (предельные) синдромные модели знаний {S w }, следовательно, контекстом базового уровня является контекст K {S/Gs} = . Более детально вопросы построения таких контекстов будут рассмотрены в главе 6. Для произвольных A ⊆ G и B ⊆ M в АФП определены операторы соответствия Галуа [84, 197]: A' = {m ∈ M | ∀g ∈ A (g I m)}; B' = {g ∈ G | ∀m ∈ B (g I m)}. (5.54) Оператор '' (двукратное применение оператора ') является оператором замыкания: он идемпотентен (A'''' = A''), монотонен (A ⊆ B влечет A'' ⊆ B'') и экстенсивен (A ⊆ A ''). Множество объектов A ⊆ G такое, что A'' = A, называется замкнутым. Аналогично для замкнутых множеств признаков – подмножеств множества M.
- Page 187 and 188: 187 ГЛАВА 5. МЕТОД ПРЕ
- Page 189 and 190: 189 синдромов в меди
- Page 191 and 192: 191 существует единс
- Page 193 and 194: 193 Сведем в один алг
- Page 195 and 196: 195 Описание «T1 - B3» О
- Page 197 and 198: 197 описания {τ/T 0 } мо
- Page 199 and 200: 199 Видно, что {τ/T} {S} =
- Page 201 and 202: 201 «T3 - B2» S = (τ 1 /T3 Но
- Page 203 and 204: 203 for α ∈ Ω do {S * } Full :=
- Page 205 and 206: 205 модель знаний {S},
- Page 207 and 208: 207 которые классифи
- Page 209 and 210: 209 предельных обобщ
- Page 211 and 212: 211 один синдром. В р
- Page 213 and 214: 213 Выход: Модель зна
- Page 215 and 216: 215 минимальное числ
- Page 217 and 218: 217 Таблица 5.7 - Приме
- Page 219 and 220: 219 Пусть α({τ/T}, z/Z) - н
- Page 221 and 222: 221 и {τ} S’ ({S, S’}⊆{S}),
- Page 223 and 224: 223 предполагать для
- Page 225 and 226: 225 Описание {τ/T} наз
- Page 227 and 228: 227 доминирование. П
- Page 229 and 230: 229 Выход: Маркер кри
- Page 231 and 232: 231 произвольный арт
- Page 233 and 234: 233 3 {Сниженное ^a; Но
- Page 235 and 236: 235 Главный результа
- Page 237: 237 понятия) устроен
- Page 241 and 242: 241 существуют i, j та
- Page 243 and 244: 243 {α}’| F = {b/B} F = F ({α},
- Page 245 and 246: 245 B3») является такж
- Page 247 and 248: 247 Таблица 5.13 - Обуч
- Page 249 and 250: 249 2} 2 {Норма ^0 [1,40; 2,10
- Page 251 and 252: 251 ГЛАВА 6. МНОГОУРО
- Page 253 and 254: 253 обезразмеривани
- Page 255 and 256: 255 получаемой чувст
- Page 257 and 258: 257 предпоследнем сл
- Page 259 and 260: 259 «заколок» в опер
- Page 261 and 262: 261 то K(W) = 0 и FS(W) ≡ W,
- Page 263 and 264: 263 На рис. 6.3 показан
- Page 265 and 266: 265 (V/Gs(W)) -1 = {P’ | ∃T ∈
- Page 267 and 268: 267 Орграф набросков
- Page 269 and 270: 269 построения оргра
- Page 271 and 272: 271 VI этап Формирова
- Page 273 and 274: 273 заключается в пр
- Page 275 and 276: 275 Шаг 1. Выявляем на
- Page 277 and 278: 277 множество стабил
- Page 279 and 280: 279 состояния новоро
- Page 281 and 282: 281 Среднее АД ^САД { 3
- Page 283 and 284: 283 информационных т
- Page 285 and 286: 285 часть этого прос
- Page 287 and 288: 287 Большую роль в кв
238<br />
бинарное отношение I ⊆ G × M говорит о том, какие объекты какими<br />
признаками обладают [69, 197].<br />
Многозначный формальный контекст в АФП есть четвёрка (G, M, W,<br />
J), где G, M, W – множества (объектов, признаков и значений признаков,<br />
соответственно), а J – тернарное отношение J ⊆ G × M × W, задающее<br />
значение w признака m, причём:<br />
(g, m, w) ∈J и (g, m, v) ∈J влечёт w = v.<br />
Процедура сведения многозначных контекстов к однозначным называется<br />
шкалированием (scaling). Для шкалирования каждый признак<br />
многозначного контекста представляется формальным контекстом,<br />
называемым шкалой [69].<br />
При анализе прецедентов Ω = {α({τ/T})} под контекстом K в общем<br />
случае можно понимать тройку , а в традиционной<br />
нотации K {τ/T} = (Ω, {G(τ)}, I {τ/T} ), что означает фиксирование<br />
определенного уровня описания (доменов) по всем тестам. Без потери<br />
общности будем предполагать, что каждый тест входит в описание<br />
прецедента один раз, принимает одно значение и что для каждого<br />
прецедента известны значения всех тестов на всех уровнях (база<br />
прецедентов с полной информацией). Последнее требование фактически<br />
означает, что прецеденты должны быть описаны с помощью базовых<br />
доменов всех тестов: Ω = {α({τ/T 0 })}.<br />
Главной особенностью контекста (Ω, {G(τ)}, I {τ/T} ) является зависимость<br />
результатов всех операций АФП от рассматриваемого уровня общности.<br />
Бинарное отношение I {τ/T} в контексте K {τ/T} можно представить следующим<br />
образом (все элементы всех доменов считаются различными):<br />
I {τ/T} ⊆ Ω × M {τ/T} , где M {τ/T} = T τ1 ∪⋅⋅⋅∪ T τN , N = |{τ}|.<br />
Прецеденты могут описываться с помощью событий: Ω = {α({})}, где – событие. Под контекстом K в этом случае можно<br />
понимать пару . Для сведения к классическому варианту АФП<br />
необходимо синхронизировать и согласовать по уровню общности события<br />
во всех прецедентах. Если на каком-то уровне общности {τ/T}, t/Λ такое<br />
согласование удается сделать, то фактически это означает, что<br />
переопределением названий тестов на данном уровне общности можно<br />
уйти от событий, т.е. получить описание Ω = {α({τ/T})}. В таком случае<br />
приходим к контексту K {τ/T} .<br />
Если уровень общности не фиксирован, то такой контекст будем<br />
называть свободным и обозначать K ∪{τ/T} = .<br />
Прецеденты могут быть описаны на уровне синдромов той или иной