基于粒計算模型的知識推理理論與方法.pdf

1、知識是人類認(rèn)知能力的重要基石，同時也是人工智能學(xué)科的基礎(chǔ)研究問題之一。隨著計算機技術(shù)與Internet的迅速發(fā)展，各個領(lǐng)域中的數(shù)據(jù)和信息產(chǎn)生了爆炸式地增長，而且這些數(shù)據(jù)和信息具有動態(tài)、高噪音、分布不均勻以及高維等特點。利用以往常規(guī)的知識推理方法在大知識庫上進(jìn)行有效推理，方法不僅耗時，而且難以有效地獲得問題合理的解。
　　粒計算模型利用其自身模擬人類智能的特點。在求解問題時，通過選擇合適的粒度，降低問題求解難度，使得問題得到簡化，為

2、知識挖掘與知識推理提供一個可行的有效解決方案?，F(xiàn)階段，基于粒計算的研究主要是在理論方面，在應(yīng)用中還沒有得到廣泛的推廣。本文主要研究粒計算理論在大知識庫中進(jìn)行知識推理的可行性和有效性，是關(guān)于粒計算理論與應(yīng)用相結(jié)合的研究。
　　本文利用粒計算模型、模糊粗糙集以及商空間理論研究大知識庫中知識推理的有效方法。
　　主要研究工作和創(chuàng)新點歸納如下:
　　1.粗糙集理論中，經(jīng)典的屬性約簡是針對離散性的屬性，而現(xiàn)實生活中，大多數(shù)屬性的

3、取值是連續(xù)的。若進(jìn)行屬性值的離散化，勢必會丟失許多有用的信息。在此情形下，學(xué)者推廣粗糙集理論到模糊粗糙集理論?；谀：植诩碚摚覀兪紫忍岢隽四：?、動態(tài)增量式的屬性約簡算法，以此來擬合動態(tài)的、大規(guī)模案例庫案例檢索的需求。
　　2.本文提出一種利用被約簡的屬性將案例庫中案例進(jìn)行?；姆椒?，提高了案例庫中案例的檢索效率。具體的粒化方法以下給出說明:?；途垲愂且环N對知識進(jìn)行總結(jié)概括的方法。常用的聚類方法為k-means。由于k個中

4、心點的選擇會引起聚類準(zhǔn)確率的擾動，所以學(xué)者又提出了k-means++算法。而我們所研究的案例庫中的案例是動態(tài)不斷增加的，所以在本文中，被約簡的屬性用來將案例庫中的案例依據(jù)動態(tài)增加的k-means++算法進(jìn)行?；?，從而形成案例粒。最終，目標(biāo)案例檢索任務(wù)等價為尋找最大匹配度的案例粒，而不是去匹配案例庫中的每一個案例。并在擁有最大匹配度的案例粒中目標(biāo)案例可以獲得一系列最相似的案例。
　　3.商空間的分層遞階結(jié)構(gòu)為問題求解提供了有效的途徑

5、。學(xué)者張玲教授，張鈸院士將經(jīng)典的商空間擴展為模糊商空間理論。在此基礎(chǔ)上，本文提出利用直覺模糊相容關(guān)系形成商空間的方法，從而得到更寬泛的分層遞階結(jié)構(gòu)。文中利用同一個直覺模糊相容關(guān)系的兩種方法誘導(dǎo)相同的分層遞階結(jié)構(gòu)，并給予定理證明。
　　4.粒計算和商空間理論在超圖（復(fù)雜、大型的網(wǎng)絡(luò)圖）的最佳路徑分析中起到了關(guān)鍵作用。本文利用超圖中超邊的權(quán)值將超圖中的點進(jìn)行?；?，進(jìn)一步依據(jù)權(quán)值的不同形成分層遞階商空間鏈，最后根據(jù)分層遞階商空間鏈來降低