基于粒計算的增量式知識獲取方法研究.pdf

1、知識是人類智能的載體和體現(xiàn)形式。對人類智能的研究就是對知識的探索和發(fā)現(xiàn)。知識的不確定性，導(dǎo)致了不確定性人工智能的研究。不確定性知識的表示和處理是不確定性人工智能研究者面臨的問題，形式化地表示不確定性知識，使機器具有處理不確定性問題的智能，是人工智能中的重大前沿課題。當(dāng)前，數(shù)據(jù)的爆炸式增長使得傳統(tǒng)的數(shù)據(jù)挖掘方法不能滿足人們的需求。粒計算方法憑借自身優(yōu)勢處理復(fù)雜問題，成為了一種重要的數(shù)據(jù)挖掘方法，其研究目的是為了尋找一種最近似的可行方案，而

2、非最優(yōu)的解決方案，使得問題得以簡化，求解成本得以降低。
　　 本文在粒計算和粗糙集理論研究的基礎(chǔ)上，以分層遞階粒計算理論為基本思想，建立知識多粒度空間，在以下幾個方面進行研究和探索:
　　 (1)結(jié)合粒計算理論，實現(xiàn)了多粒度形式背景分析。粒度空間的劃分，是為了盡可能的減少對不必要數(shù)據(jù)的分析，從而達到簡化問題的目的。本文對形式背景進行了分析，把整個信息表看作一個粗粒度空間，然后以分層遞階粒計算思想和概念格理論為基礎(chǔ)，實現(xiàn)了

3、形式背景的多粒度屬性描述，并分析了不同粒度空間的相關(guān)性，為高效增量式知識獲取奠定了一定的基礎(chǔ)。
　　 (2)分析了動態(tài)環(huán)境下的數(shù)據(jù)挖掘方法，提出了基于粒計算的高效增量式知識獲取方法。該方法首先把原始的知識庫看作一個知識粒度空間，然后劃分這個粗粒度知識空間，使粗知識粒由多個知識子粒構(gòu)成，然后建立知識粒樹。當(dāng)新數(shù)據(jù)加入時，尋找對應(yīng)的知識子空間，在子空間上結(jié)合粗糙集和Hash數(shù)據(jù)壓縮的特點，實現(xiàn)快速、高效的知識獲取，最后更新各知識子空

4、間，達到增量式知識獲取的目的。該方法從粒計算的角度出發(fā)，主要研究了新樣本對原始知識子粒的匹配、在子空間中粒的分解以及粒子的動態(tài)學(xué)習(xí)和更新等方面，從而高效地對動態(tài)數(shù)據(jù)進行處理，并通過實驗驗證了方法的可行性和有效性。
　　 (3)由于人們對事物的認知不僅僅體現(xiàn)在對事物個體數(shù)量的不斷增加，還表現(xiàn)在對事物本質(zhì)特征認識的不斷補充。因此，屬性的不斷增加是增量式知識獲取研究的另外一個方面。結(jié)合概念格與粗糙集的思想，針對人們認知新事物需要不斷增