混合模糊語義細胞的學習及其應用.pdf

1、概念實體的表達往往具有一定的模糊性，這種模糊性是蘊含在在語義中出現(xiàn)的。使用合適的概念模型來表達模糊語義具有重要的意義。模糊語義細胞作為最小的模糊概念的表示單元，在數(shù)據(jù)挖掘、機器學習以及知識發(fā)現(xiàn)中具有重要的作用。在概念空間（論域）Ω上，模糊語義細胞L=被稱為“關于Pi”，“類似Pi”以及“和Pi接近”的語義標簽，其中P代表概念i的原型，d是定義在論域Ω上的距離函數(shù)，δ則是概念空間中定義在[0，+∞）上其他點和Pi的距離的概率

2、密度函數(shù)。在模糊語義細胞的學習中需要關注語義的覆蓋程度、描述的清晰程度以及描述的模糊性這三個因素，因此模糊語義細胞的學習原則很自然地就聯(lián)系到最大覆蓋率、最具典型性和最大模糊熵這三個指標之上。
　　本文中混合模糊語義細胞是建立在模糊語義細胞的學習基礎之上，模糊語義細胞學習的最終目標是要尋找最佳的L來刻畫具有某個概念的數(shù)據(jù)集，而混合模糊語義細胞則在此基礎上做了更深一層的拓展，考慮具有若干個相關的概念的集合LA={L1，L2，…，Ln}