基于概念格的数据驱动不确定知识获取

在没有领域先验知识的条件下,不确定知识获取是机器学习研究中的一个难题.本文利用决策表和决策规则的不确定性,通过分析决策表、决策规则及概念格的知识表示形式,发现这3种知识表示形式中知识不确定性之间的关系,进而提出基于概念格的数据驱动不确定知识获取算法.仿真实验结果表明,该算法在不确定性知识获取中是有效的.     

隐含概念漂移的不确定数据流集成分类算法

近年来,数据流分类问题已经逐渐成为数据挖掘领域的一个研究热点,然而传统的数据流分类算法大多只能处理数据项已知并且为精确值的数据流,无法有效地应用于现实应用中普遍存在的不确定数据流。为建立适应数据不确定性的分类模型,提高不确定数据流分类准确率,提出一种针对不确定数据流的集成分类算法,该算法将不确定数据用区间及其概率分布函数表示,用C4.5决策树分类方法和朴素贝叶斯分类方法训练基分类器,在合理处理数据流中不确定性的同时,还能有效解决数据流中隐含的概念漂移问题。实验结果表明,所提算法在处理不确定数据流的分类时具有较好的鲁棒性,并且具有较高的分类准确率。     

专家系统中不确定性知识的表示和处理

知识表示和处理是专家系统的基本问题，不确定性知识的表示和处理一直是专家系统研究的热点。本文在阐述不确定性知识概念的基础上，简单介绍传统的不确定知识表示和处理方法，重点讨论近年来出现的新的不确定知识表示和处理方法。     

Vague区域关系与方向关系的表示及复合推理

Vague区域关系和Vague方向关系的表示和推理在空间数据库、网络信息安全、数据挖掘和人工智能等领域具有重要的意义。为了处理复杂的Vague区域关系和Vague方向关系表示及其复合推理等问题,基于Vague集对Vague区域关系和方向关系进行了系统研究。给出了Vague区域关系交集矩阵和表示模型;为了处理由参照对象的不确定性所导致的方向关系的不确定性,基于V ag ue集提出了V ag ue方向关系的交集矩阵表示方法;为了对动态V ag ue方向关系进行分析、预测与推理,详细研究了Vague方向关系的动态性和动态邻接关系,给出了Vague方向关系的反向方向关系处理方法;进一步研究了Vague区域关系和Vague方向关系的复合关联推理方法。理论研究和实验分析表明研究成果可较好地处理V ag ue区域关系和V ag ue方向关系及其复合关联推理等问题,增强了数据信息处理系统对复杂不确定空间关系的处理能力。     

基于概率的移动机器人SLAM算法框架

在移动机器人同时定位与地图创建(SLAM)过程中,机器人本身位置不确定,其所处环境也不可预知,针对这些不确定性因素,应用贝叶斯规则作为理论基础,建立移动机器人SLAM算法的概率表示模型,通过扩展卡尔曼滤波器实现SLAM算法,并介绍一种激光雷达数据与特征地图的数据关联方法。实验结果表明,该方法为实现SLAM算法提供了一种有效可靠的途径。     

一种不确定性条件下的自主式知识学习模型

在没有领域先验知识条件下的不确定知识主动式学习是机器学习领域中的一个难题.通过研究决策表和决策规则的不确定性,建立基于粗集表示、度量和处理不确定性信息和知识的理论,并且结合Skowron的缺省规则获取算法,提出一种不确定性条件下的数据自主式学习模型和方法,以解决这一问题.通过仿真实验,验证了该自主式学习方法的有效性.     

不确定性数据中基于GSO优化MF的模糊关联规则挖掘方法

针对不确定性数据中模糊关联规则的挖掘问题,提出一种基于群搜索优化(GSO)算法优化隶属度函数(MF)的模糊关联规则挖掘方法。首先,将不确定性数据通过三元语言表示模型进行表示;然后,给定一个初始MF,并以最大化模糊项集支持度和语义可解释性作为适应度函数,通过GSO算法的优化学习获得最佳MF;最后,根据获得的最佳MF,利用改进型的FFP-growth算法来从不确定数据中挖掘模糊关联规则。实验结果表明,该方法能够根据数据集自适应优化MF,以此实现从不确定数据中有效地挖掘关联规则。     

基于不确定理论的不确定性数据Top-k查询计算

在不确定性数据集中,基于参数化排名函数的Top-k查询研究近年来备受关注。给出了一种新的解决方法,该方法将不确定性数据集中的元组建模为不确定网络,将有序元组的Top-k查询等价转化为相应样本图中边的不确定测度关系,并对样本图依据所包含边的排序位置进行分类,从而 将不确定性数据中基于参数化排名函数的Top-k查询等价转换为依Top-k值不同的有限查询。本算法避免了计算所有元组在样本图中的排名不确定测度值,提高了不确定图的Top-k查询计算效率。 理论分析和实验结果表明,提出的Top-k查询算法能够从非确定角度解决不确定性数据的Top-k查询计算问题。     

基于信息熵的不确定性数据清理方法

针对不确定性数据中往往包含一些异常数据而导致相应的查询结果出现错误的问题,提出了一种基于信息熵的不确定性数据清理方法以减少异常数据并提高不确定性数据的质量。首先使用信息熵来度量数据的不确定度,然后结合统计学方法计算出不确定性数据的可信区间,最后去除那些不在可信区间内的数据。实验结果验证了该方法的高效性和有效性。     

不确定海洋数据的质量抽样检验模型研究

海洋数据具有海量、多源、多类和多维等特性,其数据质量具有不确定性现象,传统的抽样检验理论不能满足海洋数据质量检验的需求.在抽样检验模型的制定中引入了梯形模糊数的思想,将抽样检验模型的制定抽象为模糊线性规划问题,建立了模糊的质量抽样检验模型,解决了具有不确定质量参数海洋数据的质量检验问题,从而完善了抽样检验模型的系统体系.