約束歸納邏輯程序設計系統(tǒng)的研究與實現(xiàn).pdf

1、大多數(shù)數(shù)據(jù)挖掘方法針對的對象是傳統(tǒng)的單表形式的數(shù)據(jù).然而,通常現(xiàn)實數(shù)據(jù)中包含很多不同類型的實體(多表).對這樣的數(shù)據(jù)的挖掘形成了關系數(shù)據(jù)挖掘研究領域.關系數(shù)據(jù)挖掘主要技術之一是歸納邏輯程序設計(Inductive Logic Programming,ILP).ILP是機器學習(Machine Learning)與邏輯程序設計(Logic Programming)相交叉形成的研究領域.ILP借助邏輯程序設計的理論與方法,利用背景知識學習一

2、階規(guī)則.一階規(guī)則較之基于屬性-值表示方式的命題級規(guī)則具有更強的表達能力.隨著ILP開始應用于數(shù)據(jù)挖掘問題,并成為關系數(shù)據(jù)挖掘的技術源泉,ILP技術研究的重要性也更加顯著.由于以Prolog作為表示語言,ILP系統(tǒng)處理數(shù)值量的能力較弱.這使得數(shù)值量的處理問題成為將ILP技術應用于數(shù)據(jù)挖掘的瓶頸.約束歸納邏輯程序設計(Constraint Inductive Logic Programming,CILP)是ILP研究中較新的研究領域,致力于

3、解決ILP中處理數(shù)值量的問題,即研究向數(shù)值約束方向擴充ILP.由于CILP是ILP研究的一個分支,ILP技術對于我們進行CILP研究有著重大的指導意義.國際上已有文獻提出了一些CILP的方法.但是這些方法有很大的局限性,不能有效的處理現(xiàn)實世界的數(shù)據(jù).針對當前CILP技術的局限性,我們提出了一種基于模式識別和多元統(tǒng)計分析的CILP新方法.與現(xiàn)有的CILP方法相比較,該方法可以在不需要模式說明,不需要約束求解器的情況下學習出含有多個變量的多

4、種形式的約束.我們以這些新的CILP方法為基礎設計并實現(xiàn)了一個CILP原型系統(tǒng)——BPU-CILP系統(tǒng).針對BPU-CILP系統(tǒng)的系統(tǒng)設計,該文著重考察了BPU-CILP系統(tǒng)的偏向、搜索策略和有效構造候選句節(jié)的方法.BPU-CILP系統(tǒng)采用了面向對象的程序設計方法,在Windows操作系統(tǒng)平臺上用ANSI C++和Matlab C++數(shù)學函數(shù)庫開發(fā).該文給出了BPU-CILP系統(tǒng)的詳細設計方案,并針對搜索策略、綁定表的維護和候選句節(jié)的構