專利名稱：一種知識抽取的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種知識發(fā)現(xiàn)技術(shù)，特別是一種知識抽取方法。
背景技術(shù)：
粗糙集理論是一種處理不精確、不一致與不完全數(shù)據(jù)的數(shù)學(xué)工具，它是波蘭科學(xué)家Pawlak于1982年提出的，能在保持分類能力不變的前提下，通過知識約簡獲得知識的分類規(guī)則。與決策樹、貝葉斯方法等相比，粗糙集方法不需要先驗知識，僅利用數(shù)據(jù)本身所提供的信息系統(tǒng)中發(fā)現(xiàn)知識。在真實世界中，許多信息系統(tǒng)的知識體現(xiàn)通常并不唯一，有多個角度的知識，它們可能是信息系統(tǒng)中的不同屬性的多個不同組合，其分類性能相當(dāng)。這些多體知識在特定的環(huán)境中，將可能發(fā)揮不同的作用。例如，在多機器人實時路徑選擇中，內(nèi)存記憶體容量足夠的情況下，多體知識提供更多的路徑選擇，能夠表現(xiàn)出更強的回避障礙能力。對于知識抽取而言,每個約簡能夠表示成不同的單體知識,這些多約簡共同形成多體知識系統(tǒng)，在實際應(yīng)用中有著很重要的價值。已經(jīng)證明求解決策表的所有約簡和最小約簡是NP. hard問題。為此，通常采用啟發(fā)式的方法進行屬性約簡。常用的啟發(fā)式算法有基于信息熵的屬性約簡算法、基于可分辨矩陣的屬性約簡算法和基于正區(qū)域的屬性約簡算法。大多數(shù)啟發(fā)式約簡算法的基本思路是以核屬性為起點，然后根據(jù)屬性重要性的某種測度，依次選擇核屬性以外未被添加到約簡集中最重要的屬性，將其加入到約簡集中，直到滿足終止條件，由此得到?jīng)Q策表的一個約簡。這一約簡只能在知識系統(tǒng)中表示為單體知識。當(dāng)前，多知識抽取是知識發(fā)現(xiàn)技術(shù)中面臨的一個重要問題。

發(fā)明內(nèi)容
為解決現(xiàn)有技術(shù)存在的上述問題，本發(fā)明要提出一種在現(xiàn)有信息體系中得到多體知識的知識抽取方法。為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下一種知識抽取的方法，包括以下步驟A、計算約簡初值根據(jù)公式(I)、(2)和(3)計算約簡正區(qū)POS’ E、約簡論域U，、約簡正區(qū)U, pos
權(quán)利要求
1.一種知識抽取的方法，其特征在于包括以下步驟 A、計算約簡初值 根據(jù)公式(I)、(2)和(3)計算約簡正區(qū)POS’ E、約簡論域U’、約簡正區(qū)U, pos
全文摘要
本發(fā)明公開了一種知識抽取的方法，包括以下步驟計算約簡初值；啟用雙矩編碼策略；搜索初始化；計算結(jié)束判據(jù)；計算搜索個體的適應(yīng)值；最優(yōu)保存；狀態(tài)轉(zhuǎn)移聯(lián)合操作。本發(fā)明采用雙矩編碼策略，搜索個體位置編碼成0、1字符串，維度與條件屬性個數(shù)相同。當(dāng)維度規(guī)模超過23時，完成約簡所消耗的時間并不呈指數(shù)顯著增長，節(jié)約了空間維度和時間。本發(fā)明采用粗糙集正區(qū)判別POS'E＝U′pos適應(yīng)值為對應(yīng)條件屬性個數(shù)，如果POS'E≠U′pos適應(yīng)值懲罰為條件屬性總數(shù)，這一策略簡單合理地保證了知識抽取效果。本發(fā)明用搜索個體所組成的群體優(yōu)勢動態(tài)地搜索，并采用一種有效的正區(qū)比較進行特征組合得到多知識的方法。
文檔編號G06F17/30GK102663142SQ20121015720
公開日2012年9月12日 申請日期2012年5月18日 優(yōu)先權(quán)日2012年5月18日
發(fā)明者馮士剛, 劉洪波, 張維石, 陳榮 申請人:大連海事大學(xué)