一种基于系统不确定性的主动式知识学习算法.pdfVIP

维普资讯 第 l8卷第 1期 重庆 邮电学院学报 (自然科学版 ) Vo1．18 No．1 2006年 2月 JournalofChongqingUniversityofPostsandTelecommunications(NaturalScience) Eeb．2006 文章编号 ：l004—5694(2006)O1—0086—05 一 种基于系统不确定性的主动式知识学习算法* 赵 军 (重庆邮电学院，重庆 400065) 摘 要 ：主动式知识学习方法不依赖于先验领域知识 ，其学-3过程受信息系统的内在属性控制，所产生的知识 系统 能够更客观地表达信息系统的潜在特征和规律 。系统不确定性能够有效地控制主动式知识学习过程。基于粗糙 集理论 ，提 出一种系统不确定性度量方式 ，结合 Skowron算法，设计 出一种基于系统不确定性 的主动式决策规则知 识学习算法。仿真实验结果表明该算法能够更好地适应系统的不确定性，其综合性能明显优于其他 同类算法 。 关键词 ：主动式知识学习；粗糙集 ；系统不确定 因子 ；系统确定 因子 ；系统不确定度 中图分类号：TP18 文献标识码：A 合与决策属性集合，CnD一 0；V。一 [z， ]是 口 0 引 言 ∈CUD的值域 ，V—UV ；f：U— CUD是从实 认知信息学认为：知识学习过程可 以划分为 3 例空间向属性空间的映射函数。 个层次 ，由内向外依次是哲学层 、技术层和应用层 ； DS通过实例表达 C与D之间由C到D 的逻辑 每一层解决不同环境 中的问题 ，内层 向外层提供服 关系，描述命 题 C— D。实例 E U 在属 性 务L1]。按照这个模型，哲学层从概念上来说 向技术 aECUD上 的取值记 为 a()．即 f(x，口)一 层提供先验领域知识 。在很 多现实情况 中，先验知 口()。 识往往本身不够准确 ，而且对那些人类 尚未充分认 定义2 (不可分辨关系)：给定 DS一 (U，V， 识的领域而言 ，更缺乏领域知识可供利用。因此 ，为 -厂，CUD)，若A CUD，则A在U上定义不可分 技术层提供不依赖于先验知识 的主动式知识学习方 辨二元关系 jND(A)： 法是很有必要的。这类主动式方法的学习过程完全 jND (A)一 {(z， )I(， )EU ×U A V口 受信息系统本身控制 ，不需任何外界信息或参数 ，因 ∈A(Ⅱ()一 口())} 而能够有效地避免先验知识的偏差对学习过程带来 显然 ，IND(A)是U上的等价关系。由IND(A) 的不利影响，其学习结果能够更客观地表达信息系 导出的对U的划分记为U／IND(A)，其中实例 E 统的潜在特征和规律 。这类方法在那些人类 尚未充 u 所 属 于 的等 价 类 记 为 []，。 。特 别 地 将 分认识 的领域内更独具应用优势。 U／IND((’) 中 的 等 价 类 称 为 条 件 等 价 类 ， 离开先验知识 的帮助 ，主动式学习方法必须依 U／IND(上))中的等价类称为决策等价类。 赖信息系统 固有的内在属性来控制其学习过程 。这 在粗糙集理论中[，属性集合