多级概念学习的粒计算方法研究

论文摘要

本体作为人工智能研究领域的热点之一,目前已经得到较大的发展。它的提出减少了领域间概念的混乱,实现不同领域的概念共享、互操作和概念通信;解决了概念的重用和共享的问题。概念学习作为本体学习的组成部分,在知识工程、数字图书馆、信息检索诸多领域得到广泛应用。粒计算是信息处理的一种新的概念和计算范式,覆盖了所有有关粒的原理、方法、技术和工具研究。它可以将复杂的问题以粒为单位划分为一系列更易于解决的子任务,从而降低重复计算的代价;粒计算方法已经在数据挖掘和机器学习等领域都得到了广泛应用。本文分析研究粒计算及概念获取的基本理论,并将粒计算方法应用于多级概念学习中,提出了基于粒计算方法的多级概念学习算法(CGS)。该算法的思想是:借助信息粒来描述抽象概念,通过粒运算生成具有不同粒度的多层次粒度结构,从而实现具有不同抽象层次的多级概念。本文从静态和动态的两个方面研究了多级概念学习。首先,研究了领域概念的信息粒表示,给出了概念粒的定义、研究了概念粒的基本运算方法,给出多级概念粒空间模型并设计了构建算法(CGS);第二,将所提出的算法应用于ZOO数据集中,对ZOO领域构建多级概念粒度空间,从而获取该领域不同层次的概念;第三,通过与kmeans算法的比较实验,验证了CGS算法的有效性和可行性;第四、研究在数据变化的情况下的概念学习,并基于CGS算法提出多级概念增量学习模型和设计了相应算法。根据增量算法,采用JAVA语言设计概念动态生成的演示系统。最后,对增量算法与多级概念学习算法进行比较与分析。论文的最后对所研究的课题进行了讨论和总结,给出了目前存在的问题及未来的工作。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的动机和意义
• 1.2 粒计算方法的研究背景与研究现状
• 1.2.1 粒计算方法的研究背景
• 1.2.2 粒计算方法的研究现状
• 1.2.3 粒计算方法在概念学习中的应用
• 1.3 本文研究的主要工作
• 1.4 本文的组织与结构
• 第2章 基本概念和理论基础
• 2.1 粒计算理论的基本概念
• 2.1.1 粒计算的含义
• 2.1.2 粒计算的基本问题
• 2.1.3 粒计算的三大模型
• 2.2 概念学习的基本知识
• 2.2.1 概念的基本知识
• 2.2.2 概念层次及层次树的构造
• 2.2.3 概念学习的三种学习形式
• 2.3 本章小结
• 第3章 多级概念粒度空间
• 3.1 多级概念粒度空间模型
• 3.1.1 概念粒的定义
• 3.1.2 概念粒的运算
• 3.2 多级概念粒度空间模型的构建
• 3.2.1 相容关系与相容类
• 3.2.2 粗糙熵
• 3.2.3 多级概念粒度空间模型的构建算法（CGS）
• 3.3 本章小结
• 第4章 多级概念粒度空间模型的应用
• 4.1 数据集
• 4.1.1 数据集来源
• 4.1.2 数据集预处理
• 4.2 CGS算法的应用
• 4.2.1 初始化数据集
• 4.2.2 构建第一层概念粒度空间
• 4.2.3 构建多级概念粒度空间
• 4.3 算法分析及实验结果
• 4.3.1 实验测试结果
• 4.3.2 算法评价函数
• 4.3.3 实验比较
• 4.4 本章小结
• 第5章 多级概念增量学习
• 5.1 多级概念增量学习模型
• 5.2 多级概念增量学习算法的研究
• 5.2.1 新概念分类
• 5.2.2 多级概念增量学习的算法
• 5.2.3 算法的实例分析
• 5.2.4 实验比较
• 5.3 测试系统的设计与实现
• 5.3.1 Jbuilder简介
• 5.3.2 算法的Jbuilder实现
• 5.3.3 新概念增量显示过程
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 本文研究工作总结
• 6.2 进一步研究的工作
• 致谢
• 参考文献
• 攻读学位期间的研究成果