认知观点下基于粒计算的概念学习

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61562050
项目类别：
地区科学基金项目
资助金额：
37.0万
负责人：
李金海
依托单位：
昆明理工大学
学科分类：
F0607.知识表示与处理
结题年份：
2019
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2019-12-31

项目参与者：
刘文奇；赵宁；任悦；汤亚强；黄晨晨；赵颖秀；郑斌；
关键词：
概念格粗糙集粒计算概念学习形式概念分析

项目摘要

In the field of knowledge engineering, concept learning is the key task of discovering knowledge for data analysis in which complexity and effectiveness are two important indices for measuring how much concept learning can be successful. We make a series of studies to reduce complexity and improve effectiveness. Concretely, in order to reduce complexity of concept learning, parallel algorithm is used to build cognitive system quickly, technique of multi-source information fusion is employed to compute granular concepts, and heuristic algorithm is adopted to approximate concepts in cognitive processes. Moreover, in order to improve effectiveness of concept learning, the update of cognitive operators is realized by intersection and union of function domain when multi-source information is updated in cognitive system, axiomatic method of cognitive operators is studied under the condition of isotone Galois connection, and concept matching is performed based on similarity measure in cognitive processes. This project shows, from the perspective of cognition, that concept learning via granular computing can make conceptual knowledge discovery effective at the cost of satisfactory time complexity.

在知识工程领域中，概念学习是获取知识进行数据分析的首要任务，而复杂性和有效性是衡量概念学习在多大程度上取得成功的两个重要指标。本项目将围绕如何降低概念学习的复杂性和提高概念学习的有效性展开研究。具体内容：采用并行算法快速构建认知系统，利用多源信息融合技术计算粒概念，通过启发式算法实现认知过程中概念的近似，从而降低概念学习的复杂性；在认知系统进行多源信息更新时，通过认知算子的值域交、并叠加实现自我修正，研究保序Galois连接意义下的认知算子公理化构造方法，并利用相似性度量实现认知过程中的概念匹配，从而提高概念学习的有效性。本项目的研究将从认知角度表明，基于粒计算的概念学习能够在时间复杂度较为满意的情况下实现概念知识的有效发现。

结项摘要

在知识工程领域中，概念学习是获取知识进行数据分析的首要任务，而复杂性和有效性是衡量概念学习在多大程度上取得成功的两个重要指标。本项目围绕如何降低概念学习的复杂性和提高概念学习的有效性展开研究。. 已开展的主要研究内容包括：（1）提高认知观点下基于粒计算的概念学习效率；（2）建立多源信息更新的开放式认知系统；（3）给出公理化构造认知算子和模拟认知过程的有效方法。. 截止目前，已取得的重要结果及意义：. （a）认知系统及其粒概念的快速计算方法. 基于MapReduce研究了粒概念的算子分解定理，从外延和内涵角度建立了概念认知系统形成粒概念的快速算法，提高了概念认知学习的效率。. （b）多源动态数据更新环境下的概念认知学习方法.利用多源动态数据处理技术，提出了概念认知算子融合更新方法，开放式认知系统融合更新方法，粒概念形成融合更新方法，以及模拟概念认知过程的多源动态融合算法，提高了概念认知学习的效率。. （c）保序Galois连接条件下认知算子的多粒度公理化方法. 基于三支概念构造了满足保序Galois连接的概念认知算子，揭示了概念认知学习的多粒度认知机理，针对概念认知学习的复杂性给出了多粒度认知视角的一种直观解释。. （d）概念的渐进式认知方法. 从认知主体具有认知局限性的角度研究了概念认知算子的渐进式构造过程，使得概念认知学习能够模拟认知主体的阶段性决策，有助于理解认知主体的认知局限性。