面向本體構建的非分類關系學習的粒計算方法研究.pdf

1、本體學習的許多方法也已經被國內外許多科研人員提出并應用,而對于本體學習任務中概念間非分類關系的獲取,卻被研究的較少,它也是本體學習中的難點。隨著網絡的發(fā)展,越來越多的針對某一特定領域的信息系統(tǒng)產生,其包含的數據也越來越復雜,這些數據有可能是結構完整、內容完備的,也可能是結構不完整、內容不完備,也可能是不精確不確定的多值的,并且數據量比較大,又是動態(tài)的,又需要分布式存儲。本文研究對象就是這種或完備或不完備或多值的領域信息系統(tǒng)。粒計算在處理

2、不完備、不確定信息以及復雜問題中擁有明顯的優(yōu)勢,所以針對領域信息系統(tǒng),通過研究面向本體構建的非分類關系獲取的粒計算方法不僅可以擴展數據挖掘的研究內容和方法,而且也可以為復雜數據源下本體中非分類關系學習提供一些指導。
　　 本文通過研究本體非分類關系學習和粒計算的相關理論,提出了面向本體構建的非分類關系學習粒計算方法,主要包括以下四個方面:
　　 (1)給出了屬性值基本粒、概念粒、粒層、粒度空間等用來表示具體信息的形式化定

3、義,以及概念粒間的運算、概念粒相容關系等。
　　 (2)針對領域信息系統(tǒng)的特點詳細介紹了領域信息系統(tǒng)上的概念粒度空間的構建算法,并用具體流程圖說明。
　　 (3)針對兩個領域信息系統(tǒng)上的概念粒度空間中的概念粒進行關聯(lián)分析來獲取概念粒間的非分類關系,并用準確率和覆蓋率來評價獲取的非分類關系概念粒對。
　　 (4)針對所提出的面向本體構建的非分類關系粒計算方法設計實現(xiàn)測試系統(tǒng),并用具體數據集進行了測試,驗證了算法的有