概念的渐进式认知理论与方法

摘要

概念是知识表示的基本认知单元,它由外延和内涵两部分构成.由于概念的外延与内涵可以相互诱导,所以概念的外延和内涵中一旦有一个被确定下来,那么这个概念也就随之确定.概念认知是将属于这一概念的特征属性筛选出来,同时把不属于这一概念的特征属性排除,即通过确定内涵的方式获得概念,它采用特定的认知方法来完成概念的识别.当前,概念认知正逐渐借鉴认知科学领域中的一些研究思想,不断地完善自身理论与方法.然而,现有的概念认知方法要求假定概念认知算子具有完全认知功能,但现实中由于个体认知的局限性往往会出现认知不完全的现象,在此情况下要对概念进行全面认知则需漫长等待,这意味着在时限约束条件下可能无法及时获取足够的概念信息.在认知科学领域,一般采取问题分解求解的策略解决此类问题,即根据当前的局部有限信息做出相应的快速决策,为阶段性认知提供有效的及时参考,是渐进式思维的一种认知模式.受此启发,本文提出概念的渐进式认知理论与方法,以处理不完全认知条件下的概念获取问题.具体地,提出概念渐进式认知的认知机理,其功能主要包括概念信息的增删改操作,以模拟一般的认知过程;针对线索为对象集、属性集以及对象集和属性集的三种不同情况,分别给出概念渐进式认知算法,并对它们的时间复杂度和空间复杂度进行分析.特别地,为了实现近似概念认知,设计乐观悲观两种信息融合策略,使得对于任意对象集和属性集为线索的概念认知至少获得一个上界概念.最后,数值实验表明概念渐进式认知算法的有效性.