粒度信息决策算法之差转计算应用研究

摘要

分类决策问题是人工智能领域的核心问题,因素空间针对这一问题构建了相应的粒度信息决策算法,其中较为典型的有因素分析法及差转计算算法,这两个算法的本质是:根据单一条件信息与决策信息在论域中形成的等价类包含关系诱导出概念知识,但存在不能描述不同类型的因素在概念形成过程中的作用的局限。为解决这一问题,本文基于因素空间及商集合理论,定义了因素的析取、合取变换,在此基础上构造了数据粒度变换方法。为验证变换方法的有效性,以同为产生式推理算法的决策树算法为对比算法,在UCI经典数据集Wisconsin Breast Cancer上进行了实例验证,结果表明:数据粒度变换方法是有效的,知识挖掘形成经验推理系统的时间成本要低于决策树,经验推理系统泛化效果同决策树持平。