基于數(shù)據(jù)資源的認知圖挖掘算法研究及其實現(xiàn).pdf

1、認知圖是一種新型知識表達和知識管理工具，它能以圖形的形式直觀地描述現(xiàn)實環(huán)境中的實體以及實體間的因果關(guān)聯(lián)。因其具有直觀的知識表達能力、強大的基于矩陣的推理機制等特點，而越來越受到學術(shù)界的高度重視，并已經(jīng)逐漸成為人工智能領(lǐng)域的新的研究方向。
　　 傳統(tǒng)的認知圖構(gòu)建方法主要依賴相關(guān)領(lǐng)域內(nèi)專家的知識和經(jīng)驗。這樣的方法存在兩方面的缺陷。其一，忽略了相關(guān)領(lǐng)域內(nèi)多年存儲的數(shù)據(jù)資源，而其中包含著大量有用信息；其二，專家知識往往存在著主觀性、片面

2、性等不足，所構(gòu)建的認知圖難免會與現(xiàn)實環(huán)境存在著差距。
　　 該文從數(shù)據(jù)資源的角度出發(fā)，通過訓練相關(guān)領(lǐng)域內(nèi)數(shù)據(jù)資源來挖掘認知圖。整個挖掘過程分為數(shù)據(jù)預處理、認知圖節(jié)點選取、認知圖挖掘三個部分。該文對各個部分進行了深入的研究和探討。在數(shù)據(jù)預處理部分，提出了一種新的噪聲數(shù)據(jù)檢測算法，和傳統(tǒng)的方法相比，此算法效率更高；在認知圖節(jié)點選取部分，提出了一種基于粗糙集理論的認知圖節(jié)點選取算法，實驗結(jié)果表明，該算法能把不能夠刻畫系統(tǒng)關(guān)鍵特征的屬性

3、剔除掉，從而得到精煉的并能描述系統(tǒng)特征的屬性集合；在認知圖挖掘部分，在對認知圖節(jié)點間因果關(guān)系的定性、定量分析的基礎(chǔ)上，提出了一種新的認知圖挖掘算法；和傳統(tǒng)方法相比，該算法挖掘出的認知圖包含更為豐富的信息。
　　 最后，在上述研究的基礎(chǔ)上，設(shè)計開發(fā)了基于數(shù)據(jù)資源的認知圖挖掘系統(tǒng)，并通過實際案例對整個系統(tǒng)的功能模塊以及操作流程進行了詳細的介紹。案例結(jié)果分析表明，該系統(tǒng)在挖掘認知圖的過程中充分利用了數(shù)據(jù)資源，并且不需要依賴專家的知識和