基于粒计算模型的知识推理理论与方法
知识是人类认知能力的重要基石,同时也是人工智能学科的基础研究问题之一。随着计算机技术与Internet的迅速发展,各个领域中的数据和信息产生了爆炸式地增长,而且这些数据和信息具有动态、高噪音、分布不均匀以及高维等特点。
利用以往常规的知识推理方法在大知识库上进行有效推理,方法不仅耗时,而且难以有效地获得问题合理的解。粒计算模型利用其自身模拟人类智能的特点。
在求解问题时,通过选择合适的粒度,降低问题求解难度,使得问题得到简化,为知识挖掘与知识推理提供一个可行的有效解决方案。现阶段,基于粒计算的研究主要是在理论方面,在应用中还没有得到广泛的推广。
本文主要研究粒计算理论在大知识库中进行知识推理的可行性和有效性,是关于粒计算理论与应用相结合的研究。本文利用粒计算模型、模糊粗糙集以及商空间理论研究大知识库中知识推理的有效方法。
主要研究工作和创新点归纳如下:1.粗糙集理论中,经典的属性约简是针对离散性的属性,而现实生活中,大多数属性的取值是连续的。若进行属性值的离散化,势必会丢失许多有用的信息。
在此情形下,学者推广粗糙集理论到模糊粗糙集理论。基于模糊粗糙 ...


雷达卡


京公网安备 11010802022788号







