混合概念格在案例相似性度量中的应用

被引：7

作者：

鞠可一 ^{[1
]}

周德群 ^{[1
]}

吴君民 ^{[2
]}

机构：

[1] 南京航空航天大学经济与管理学院

[2] 江苏科技大学经济与管理学院

来源：

控制与决策 | 2010年 / 07期

关键词：

混合概念格; 案例推理; 相似性度量;

D O I：

10.13195/j.cd.2010.07.30.juky.015

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

传统的案例相似性度量方法无法很好地判断复杂案例库系统中某些特殊属性(如数值属性、模糊属性)的相似程度,从而限制了案例推理(CBR)系统在判断、评估、决策、推理方面的进一步应用.针对此问题提出混合概念格的方法,对案例库中可能涉及到的数字、符号、模糊属性等进行相似性度量.实验表明,该方法较好地解决了混合案例属性的相似性度量问题,提高了检索结果的查全率和查准率.

引用

页码：987 / 992

页数：6

共 13 条

[1] 量化扩展概念格的属性归纳及多粒度规则挖掘 [J].

王德兴 ;

胡学钢 ;

刘晓平 .

系统工程学报, 2009, (01) :54-61

[2] 基于概念格的概念相似度计算 [J].

智慧来 ;

智东杰 ;

刘宗田 .

计算机科学, 2008, (09) :156-157+167

[3] 一种模糊概念格模型及其渐进式构造算法 [J].

刘宗田 ;

强宇 ;

周文 ;

李旭 ;

黄美丽 .

计算机学报, 2007, (02) :184-188

[4] 偏序集、包含度与形式概念分析 [J].

曲开社 ;

翟岩慧 .

计算机学报, 2006, (02) :219-226

[5] 基于事例的推理(CBR)研究综述 [J].

郭艳红 ;

邓贵仕 ;

不详 .

计算机工程与应用 , 2004, (21) :1-5

[6] CBR系统案例搜索中的混合相似性度量方法 [J].

张本生 ;

于永利 .

系统工程理论与实践, 2002, (03) :131-136

[7] 概念格及其应用进展 [J].

胡可云 ;

陆玉昌 ;

石纯一 .

清华大学学报(自然科学版), 2000, (09) :77-81

[8]

知识发现[M]. 清华大学出版社 , 史忠植著, 2002

[9] Maximal and stochastic Galois lattices [J].

Diday, E ;

Emilion, R .

DISCRETE APPLIED MATHEMATICS, 2003, 127 (02) :271-284

[10]

Generating frequent itemsets incrementally: two novel approaches based on Galois lattice theory[J] . Petko Valtchev,Rokia Missaoui,Robert Godin,Mohamed Meridji.Journal of Experimental ＆ Theoretical Artificial Intelligence . 2002 (2-3)

← 1 2 →