کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944356 1437984 2017 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
On attribute reduction in concept lattices: Methods based on discernibility matrix are outperformed by basic clarification and reduction
ترجمه فارسی عنوان
در کاهش ویژگی در مفهوم شبکه ها: روش های مبتنی بر ماتریس قابل تشخیص با اشکال و کاهش پایه بهتر عمل می کنند
کلمات کلیدی
ترجمه چکیده
چندین مقاله اخیر، مسئله کاهش ویژگی در شبکه های مفهومی را با استفاده از یک ماتریس قابل تشخیص در فرمت های مختلف تحلیل مفهوم رسمی مورد مطالعه قرار داده اند. ما گمان و ویل روش روشن سازی و کاهش را به یاد می آوریم و نشان می دهیم که به شدت برتر از روش های مبتنی بر ماتریس قابل تشخیص است. در نتیجه، ما نشان می دهیم که چگونه روش اصلاح و کاهش را به پسوند تحلیل مفهومی رسمی که در مقالات اخیر مطرح شده است، تطبیق دهیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Several recent papers have studied the problem of attribute reduction in concept lattices by using a discernibility matrix in various extensions of formal concept analysis. We recall the clarification and reduction method by Ganter & Wille and show that it is strictly superior to the methods based on discernibility matrix. Consequently, we show how to adapt the clarification and reduction method to the extensions of formal concept analysis considered in the recent papers.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 415–416, November 2017, Pages 199-212
نویسندگان
,