动态模糊逻辑关系学习.pdfVIP

34 2011，47(29) ComputerEngineeringandApplications计算机工程与应用 动态模糊逻辑关系学习 宁 春，李凡长 NING Chun，LIFanzhang 苏州大学 计算机科学与技术学院，江苏 苏州 215006 SchoolofComputerScienceandTechnology，Soochow University，Suzhou，Jiangsu 215006，China NING Chun，LIFanzhang．Dynamicfuzzylogicrelationallearning．ComputerEngineeringandApplications。2011，47(29)： 34-39． Abstract：ADynamicFuzzyLogic(DFL)relationallearnnigmethodisproposedtodealwihtdynamicfuzzypredicatesand learn hteprogram ofvariouskindsofdynamic fuzzy first-orderrules．In thenextplace，forhte dny amic fuzzy predicatesni the algorithm ，relationalguidelniesare defined for htealgorithm process．nI hte end，examplesare taken to show thevalidity ofhte~gorithm． Keywords：dynamicfuzyz logic；dny ma ic fuzyz relationallearning；dnyma icfuzzy niferencerule 摘 要：提 出一种动态模糊逻辑 (DFL)关系学习方法，该方法处理了动态模糊谓词和学习不同种类的动态模糊一阶规则的程 序。针对不同类型的规则，定义了相关的置信度来考虑算法中的动态模糊谓词。通过实例验证了算法的有效性． 关键词：动态模糊逻辑；动态模糊关系学习；动态模糊推理规则 DOI：10．3778~．issn．1002·8331．2011．29．010 文章编号：1002-8331(2011)29—0034-06 文献标识码：A 中图分类号：TP391 1 引言 基因组的关系描述，应用于特定的癌症中找出基因差异表的 ． 关系学习已应用到数据挖掘、机器学习等领域。对已知 简洁表示群组；文献[4】提出了基于边缘的一阶规则学习，能处 数据的一些属性学习出所需要的属性 ，推理出规则。如分子 理一阶规则学习中，如优化计算复杂度和容量控制等挑战性 结构预测，在化学信息学中，往往把某个特定的分子作为样 问题，文中实验也表明关系学习方法能够达到一定的预测性 本，根据其分子结构预测其性质。分子结构由原子和化学键 能；文献[5】研究的是同一网络中的关系学习和推断，采用含有 来表示。但是决定其性质的并不是单个原子，而是一些原子 部分标记的关系数据集模型，用于预测同一张图中为标记实 通过化学键连接成的官能团。在这里，官能团就是感兴趣的 例的类别；文献 6【]研究了关系学习中的移动 目标：域。通过改 规则。关系学习是 目前机器学习领域备受关注的一个学习范 变已学习了相 同或不同概念的鸽子的训练集的尺寸，来控制 式，关系学习早期的工作可以追溯到1970年Winston的著名程 关系学习的域。文中实验结果表明由一个大的延伸训练集合 序。他采用语义网作为描述语言，把拱门及其部件，连同部件 建立的泛域可以通过用小的 I练集合约束限制起来；文献[7】 的性质，以及对性质的描述作为语义网的节点，而把它们之间 建立了优先包含模式的通用数学理论，解释了具有严格偏序 的相互关系作为节点问的有向弧。关系学习最初比较成功的 性的集合以及附带结构与关系学习问题的联系。Anthony等嗍 算法大都来自归纳逻辑程序设计 (ILP)领域。这些算法采用 给出了概念学习失败时，域受限的关系学习理论。采用了两 的逻辑语言是Horn子句集。关系学习可作为ILP的子域，关 个样本匹配(MTs)和四个相同，不同(S／D)实验来测试区别出 注的是基于一