一种基于模糊聚类的模糊本体生成方法

本文研究了一种从模糊背景生成模糊本体的方法。模糊本体由以下几部分组成,分别是：模糊形式概念分析、模糊概念聚类及模糊本体生成。首先,模糊形式概念分析将模糊逻辑嵌入形式概念分析以构成模糊概念格。其次,模糊概念聚类从模糊概念格构造概念层次。最后,模糊本体生成部分从概念层次生成模糊本体。     

一种基于模糊概念相似度的模糊本体构建方法

研究了一种基于模糊概念相似度的模糊本体构建方法。对目标数据源进行模糊形式概念分析,构建模糊概念格,利用基于模糊概念相似度的概念聚类算法产生模糊概念聚类,并最终映射得到模糊本体。该方法对模糊概念的内涵及外延的相似度进行了全面的度量,并加入权重因子增强模糊聚类的可调节性。最后通过实例验证了该方法的可行性和有效性。     

一种基于概念格胶合的模糊本体合并方法

为了解决本体异构问题,实现本体资源的共享和重用,需要进行本体集成。本体合并是集成的一种方式。本体对概念外延和内涵揭示得不够,对概念的表达深度不够。形式概念分析可以很好地表示和处理概念以及概念之间的关系,但是在语言表达和推理等方面还很不足,因此需要将它们结合起来表达和处理知识,提高语义表达能力。提出了一种基于模糊概念格胶合的模糊本体合并方法,为模糊本体集成提供了一种新的方法。     

基于形式概念的本体学习方法

模糊概念格是利用形式概念分析对不确定模糊信息进行建模的一种理论手段。从领域专家拥有的模糊概念知识中划分模糊概念类,得到构建本体的初始概念类;计算模糊概念与本体概念类间的包含度关系,扩大本体中的概念;发现概念与概念之间的相似度关系,用以学习本体概念之间的关系,实例表明了模糊形式概念分析有助于领域专家在本体学习过程中,挖掘本体概念和本体概念间的关系。     

模糊本体构建的概念距离聚类方法

针对手工构建模糊本体工作量大且构建效率低的问题,结合模糊集理论和模糊概念格的结构惟一性等特点,提出一种基于模糊概念格的概念距离聚类方法来构建模糊本体.用渐进式方法构建出模糊概念格,并计算模糊概念格中节点的模糊参数,对其进行概念距离聚类处理,得到模糊概念层次,最后映射为模糊本体.其构建实例验证了该构建方法的可用性和有效性.     

变精度对偶概念格的构造及其性质

形式概念分析作为进行数据分析的有效工具,吸引了世界各地研究者的关注。由于二值形式背景的局限性,人们将模糊集引入形式概念分析。但是模糊形式背景生成的模糊概念数量庞大。讨论了基于模糊形式背景的模糊对偶概念格的概念约简,构造出了模糊对偶概念格的三种变精度概念格,讨论了它们的关系。结果表明每一种变精度概念格都保留了模糊对偶概念格中相对重要的概念。变精度对偶概念格的概念数量远远少于模糊对偶概念格的概念数。     

基于FCA的对象与属性交叉渐进的情感本体学习

提出了一种基于形式概念分析的渐进式情感本体学习的算法。该算法通过动态交叉添加对象和属性来生成概念格,从而从概念格当中抽取情感本体,最终实现情感本体的学习过程。给出了算法的描述,并结合实例说明了本体学习过程。     

模糊概念格在知识发现中的应用研究

概念格是一种优良的形式化分析工具,已经广泛应用于知识发现和数据挖掘中。在大量研究中概念格基于精确的形式背景,即二值背景,而在实际中,形式背景中的信息往往是模糊、不确定的。本文将“模糊”引入概念格,定义了属性模糊概念格和其上的截运算,在概念格结点级上定义了两模糊参数α和δ,提出了从模糊概念格提取不确定规则、计算规则支持度、置信度的原则、方法,并给出了一个实例。     

网格资源模糊格模型及其算法研究

在研究总结了现有成果的基础上,首次提出了模糊概念格和模糊概念trie树的网格资源管理策略,将形式概念分析理论和网格资源管理技术进行了有机结合.给出了网格、资源的形式概念定义,建立了网格资源阈值模糊概念格模型.在阈值模糊概念格模型基础上,利用形式概念分析方法构造了网格资源模糊概念的外延trie树和内涵trie树,并给出了树的生成和资源与服务检索算法.实验和应用实例表明,这种资源组织方式是可行的和有效的.     

模糊本体之必然:基于人的认知特征的分析

本体是人对客观事物及其相互关系的认知成果,表现形式为概念及概念关系,二者均以语词称之。人只能自如应用有限的语词,致使人的认知有两个必备特征:一个语词指称多个概念,即以变动概念外延的方式减少概念的数量;一个语词指称多个概念关系,即以隶属度的形式归并概念关系的种类。前者对应模糊概念,后者引出模糊概念关系,由两者构成的模糊本体就是符合人的认知规律的客观世界在人脑中的必然反映。作为科学术语的"模糊",是指有效解决语词有限性与客观事物无限性矛盾的认知方式。模糊本体是本体的一般形式,更接近客观世界之真实,其模糊识别与模糊推理的功能更有利于支持人的认知活动。模糊本体内置于机器是信息处理智能化之必然,模糊本体表示的机器形式目前为OWL文档。举例示意了模糊本体的构建过程。     

解释学习中模糊概念的学习

本文提出了一种模糊知识的表示模式，给出了在模糊意义下的基于解释的学习的一种描述，以及解释、学习机制，使在解释学习中能够学习到一些带有模糊修饰词的新概念．本文描述形式同算子模糊逻辑而语义与其不同．     

基于模糊概念格的语义Web服务匹配

针对不同本体领域语Web服务匹配问题,提出基于模糊概念格模型的语义Web服务匹配方法。将不同本体映射成统一形式背景,进而形成模糊概念格结构,最后在模糊概念格结构的基础上,提出了服务的相似度计算方法。实验结果表明该服务匹配方法的有效性。     

知识概念的模糊模型及模糊目标的识别

作为ＥＢＬ（Ｅｘｐｌａｎａｔｉｏｎ－ＢａｅｓｅｄＬｅａｒｎｉｎｇ）的发展,从概念的自然形成过程出发,提出了一种新的概念模型ＦＥＢＭ（ＦｕｚｚｙＥｘｐｌａｎａｔｉｏｎ－ＢａｓｅｄＭｏｄｅｌ）当概念的解释谓词集中模糊集以及解释谓词取模糊逻辑值时,给出了求概念真值的表达式;为了解决模糊概念的识别问题,引入了概念的模糊解释树ＦＥＴ,接着给出了对象的模糊识别算法ＦＥＢＬ,最后讨论了ＦＥＢＭ与ＦＥＢＬ的可操作     

一种基于模糊聚类的模糊辨识方法

介绍一种基于模糊聚类的模糊辨识方法。首先利用含有聚类准则函数的模糊聚类方法来确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数。该方法应用于Box-Jenkins数据仿真实例,仿真结果表明该方法简单有效。     

A HYBRID METHOD FOR FUZZY ONTOLOGY INTEGRATION

The main contribution of this work consists of combining a heuristic method for propagation of matchable concepts and using consensus techniques for conflict resolution for fuzzy ontology integration. Two central observations behind this approach are as follows: (1) if two concepts across different source ontologies equivalently match each other, then their neighboring concepts will be often matched as well; and (2) conflicts regarding integration of multiple ontologies can be resolved by creating a consensus among the conflict ontological entities. The key idea of the first observation is to start from an aligned pair of concepts (called medoids) to determine so-called potentially common parts to provide additional suggestions for possible matching concepts. This approach is used to obtain pairs of matchable concepts and to avoid pairs of mismatching concepts. On the other hand, the second observation is used to discover a new merged concept from matched concepts by making a consensus among conflict ontological entities. This idea is to determine the best representative as the merged version of the component ones. A combination of both observations for fuzzy ontology integration is a significant contribution of this work. The results of the experiments imply that the proposed approach is effective with regard to both completeness and accuracy.     

基于TS模糊神经网络的Fuzzy规则自动获取研究

Fuzzy规则的获取一直是模糊智能系统的一个瓶颈。醉在深入研究TS模糊神经网络的物理意义的基础上,给出了使用遗传算法优化模糊规则集的算法并提出了从训练后的TS模糊神经网络中抽取Fuzzy规则的可操作方法。分析和实验证明,这种方法可以实现且是有效的,对于Fuzzy规则自动获取的研究具有积极的借鉴意义。     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。     

一种FUZZY相关分析方法

线性的相关分析方法只能处理线性相关与否的问题,它无法用来了解是否存在非线性的相关.本文中我们提出一种近似的相关分析方法——Fuzzy 相关分析法,它主要可用于建立 Fuzzy 模型时对 Fuzzy 变量间的相关程度加以度量.此法的原理建立在 Fuzzy 规则模型的基础之上,数学上并不严格.但大量的算例表明,这种 Fuzzy 相关分析方法有相当的实用价值.     

设计模糊控制器的一种方法

本文提出一种设计模糊控制器（ＦＣ）的方法,该方法将于Ｅｉ,ＥＣｊ,Ｕｋ分别定义为各自论域上的模糊划分,采用代数乘和代数加运算,量化等级可以根据需要而定,简化算法可以实现实时在线计算,内存只存储控制规则和隶属度函数,计算复杂度与量化等级无关;设计的模糊控制器具有良好的动态和稳态性能。     

模糊寻优问题的模糊遗传算法FGA

针对模糊寻优问题，本文基于模糊集的质心概念来确定模糊集的大小，并进而提出了模糊遗传算法ＦＧＡ。算法ＦＧＡ与遗传算法ＧＡ有本制区别，能用效地找到了模糊寻优问题的近似解，本文对算法ＦＧＡ的有效性作了较深入的分析。