多级概念学习的计算方法研究.pdf

摘要 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 提出减少了领域问概念的混乱，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JA、，A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。 关键词：概念学习；粒计算；信息粒；概念粒；多级概念空间 ABSTRACT isaresearchfocusintheartificial field．At Ontologylearning intelligence hasbeena tothe present，it greatdevelopment．Dueconceptlearningproposed，the chaosof intheareas isreduced；theof and concepts system conceptsharing in differentfieldsarerealized of interoperation byconceptstudy；theproblem many and reuseareresolved．Asabasicof conceptsharingconcept Ontologylearning， in is used libraries， Conceptlearningwidely knowledgeengineering，digital informationretrievaland otherfields． many Granular isan and in computingemergingconceptualcomputingparadigm information asa be asalabelof umbrella，i