On sets of graded attribute implications with witnessed non-redundancy

ما خواص مجموعه های خاص غیر اضافی از قوانین اگر و سپس توصیف وابستگی بین صفات درجه بندی شده مطالعه. معانی مفاهیم در نظر گرفته شده توسط الگوریتم های زبانی پارامتریک است. در حالت عمومی هیدز حقیقتی مستقل از حقیقت، ما مفاهیم اشباع را معرفی می کنیم و شاهد عدم افزونگی مجموعه ای از ضوابط ویژگی درجه بندی می شویم. علاوه بر این، ما نشان می دهیم که مبانی معیارهای ارزیابی صفتی که توسط سیستم های شبه محتوا ارائه می شوند، به مجموعه های غیر افزایشی از ویژگی های درجه بندی شده با پیامدهای اشباع می رسند که در آن عدم انطباق توسط پیشینی از ضوابط ویژگی درجه بندی شده دیده می شود. برای یک مورد خاص از ویژگی های درجه بندی شده پارامتر شده توسط جهانی سازی، ما معرفی یک الگوریتم است که هر مجموعه کامل از قوانین اگر و سپس تبدیل به یک پایگاه داده شده توسط شبه هدف. ارزیابی تجربی برای مقایسه روش های به دست آوردن پایگاه ها با رویکردهای مبتنی بر گراف مبتنی بر ارائه شده است.