ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
240<br />
Пара множеств (A, B), таких, что A ⊆ G, B ⊆ M, A' = B и B' = A,<br />
называется формальным понятием контекста K [84, 197]. Множества A и<br />
B замкнуты и называются объемом и содержанием формального понятия<br />
(A, B) соответственно. Для множества объектов A множество их общих<br />
признаков A' служит описанием сходства объектов из множества A, а<br />
замкнутое множество A'' является кластером сходных объектов (с<br />
множеством общих признаков A').<br />
Понятия, упорядоченные отношением (A1, B1) ≥ (A2, B2) ⇔ A1⊇A2,<br />
образуют полную решетку, называемую решеткой понятий.<br />
Для произвольного B ⊆ M величина |B'| называется поддержкой<br />
(support) B и обозначается sup(B). Нетрудно видеть, что множество B<br />
замкнуто тогда и только тогда, когда для любого D ⊃ B имеет место<br />
sup(D) < sup(B). Именно это свойство используется для определения<br />
замкнутости в методах Data Mining. Множество B ⊆ M называется k-<br />
частым, если |B'| > k (то есть множество признаков B встречается в более<br />
чем k объектах), где k – параметр. Вычисление частых замкнутых множеств<br />
признаков (содержаний) приобрело важность в Data Mining благодаря<br />
тому, что по этим множествам эффективно вычисляются множества всех<br />
ассоциативных правил [69].<br />
Для произвольных {α} ⊆ Ω и {b/B} ⊆ M {τ/T} в рамках контекста K {τ/T}<br />
запишем операторы соответствия следующим образом:<br />
{α}'| {τ/T} = {b/B ∈ M {τ/T} | ∀α ∈ {α} (α I {τ/T} b/B)}; (5.55)<br />
{b/B}'| {τ/T} = {α ∈ Ω | ∀b/B ∈ {b/B} (α I {τ/T} b/B)}. (5.56)<br />
Каждый тест во множество {b/B} входит только один раз. Справедливо<br />
предложение.<br />
Предложение 5.35. Результат операции {b/B}'| {τ/T} будет одинаковым во<br />
всех контекстах K {b/B}∪{a/A} , где {a/A} – произвольное дополнение {b/B} до<br />
полного описания {τ/T}.<br />
Можно говорить о кластере контекстов с общим ядром {b/B}:<br />
{K} {b/B} = ∪ {a/A} {K {b/B}∪{a/A} }. Другими словами, результат операции<br />
{b/B}'| {τ/T} будет одинаковым в рамках кластера контекстов {K} {b/B} .<br />
Операторы соответствия в рамках контекста K {S} имеют стандартный<br />
вид:<br />
{α}'| {S} = {S ∈ {S} | ∀α ∈ {α} (α I {S} S)}; (5.57)<br />
{Si}'| {S} = {α ∈ Ω | ∀S ∈ {Si} (α I {S} S)}. (5.58)<br />
Как известно, любую синдромную модель знаний {S} в рамках Z-задачи<br />
можно представить в виде {S} = ∪ j {S} j , где {S} j отвечает z j ∈ Z.<br />
Соответственно, Ω(Z) = ∪ j Ω(z j ).<br />
Предложение 5.36. Пусть дано множество синдромов {Si} ⊆ {S}. Если