基于包含度和形式概念分析抽取模糊語言命題.pdf

1、隨著計算機的普及和網(wǎng)絡(luò)技術(shù)的發(fā)展，人們面對的信息量巨大(海量信息)，并且信息結(jié)構(gòu)和關(guān)系復(fù)雜，完全超出了人們所理解的范圍：并且，在一般的信息系統(tǒng)(或數(shù)據(jù)庫)中，對象的屬性值是連續(xù)的數(shù)值型的或字符型的，單獨的這些未經(jīng)加工的數(shù)據(jù)不能提供知識；另外，在日常生活中，人們通常使用自然語言表達信息，數(shù)據(jù)本身不能提供語言知識必須通過人工智能的方法從數(shù)據(jù)中獲取出相應(yīng)的語言知識。 本文通過抽取模糊語言命題，從海量數(shù)據(jù)中提取出有用的知識，具有很強的實

2、用性。在市場預(yù)測、管理決策、藝術(shù)評價、投資環(huán)境等方面都有著重要意義。 離散化可以加快學習的速度和簡化歸納獲得的知識，甚至提高分類精度。因此，對于連續(xù)屬性值信息系統(tǒng)必須進行離散化，本文采用模糊離散化方法。對每一個屬性(語言變量)，用對應(yīng)的語言值進行劃分，并定義每個語言值的隸屬函數(shù)，我們采用三角行的隸屬函數(shù)確定方法，某對象的語言值的值為這個對象對此語言值隸屬度，從而使原始的信息系統(tǒng)轉(zhuǎn)化成模糊信息系統(tǒng)。再確定截集的水平值，使得模糊信息

3、系統(tǒng)轉(zhuǎn)變成一個經(jīng)典的信息系統(tǒng)。 對于離散化后的連續(xù)屬性值信息系統(tǒng)，利用形式概念分析表達對象和語言值之間的關(guān)系，通過包含度理論，描述集合之間的軟包含程度。對模糊語言命題的一般形式，利用文字計算以及模糊集理論確定其中的語言值、量詞和真值度，從而抽取簡單的模糊語言命題。復(fù)雜的模糊語言命題不是簡單模糊語言命題的一般組合和拼湊，本文提出了基于邏輯與、邏輯或和邏輯蘊涵，抽取出復(fù)雜的模糊語言命題的方法。 要評價抽取出的模糊語言'命題是