论文部分内容阅读
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。基于模糊粗糙集理论,我们首先提出了模糊的、动态增量式的属性约简算法,以此来拟合动态的、大规模案例库案例检索的需求。2.本文提出一种利用被约简的属性将案例库中案例进行粒化的方法,提高了案例库中案例的检索效率。具体的粒化方法以下给出说明：粒化和聚类是一种对知识进行总结概括的方法。常用的聚类方法为k-means。由于k个中心点的选择会引起聚类准确率的扰动,所以学者又提出了k-means++算法。而我们所研究的案例库中的案例是动态不断增加的,所以在本文中,被约简的属性用来将案例库中的案例依据动态增加的k-means++算法进行粒化,从而形成案例粒。最终,目标案例检索任务等价为寻找最大匹配度的案例粒,而不是去匹配案例库中的每一个案例。并在拥有最大匹配度的案例粒中目标案例可以获得一系列最相似的案例。3.商空间的分层递阶结构为问题求解提供了有效的途径。学者张玲教授,张钹院士将经典的商空间扩展为模糊商空间理论。在此基础上,本文提出利用直觉模糊相容关系形成商空间的方法,从而得到更宽泛的分层递阶结构。文中利用同一个直觉模糊相容关系的两种方法诱导相同的分层递阶结构,并给予定理证明。4.粒计算和商空间理论在超图(复杂、大型的网络图)的最佳路径分析中起到了关键作用。本文利用超图中超边的权值将超图中的点进行粒化,进一步依据权值的不同形成分层递阶商空间链,最后根据分层递阶商空间链来降低超图路径搜索问题求解的复杂度,并获得最佳路径,从而得到最优解。