【技术实现步骤摘要】
一种基于增量学习的知识库构建及偏序结构图生成方法
本专利技术涉及知识库动态构建及偏序结构图渐进式构建
，特别是一种基于增量学习的知识库动态构建及偏序结构图渐进式生成方法。
技术介绍
从人类认知的哲学原理出发，学习知识的过程是渐进的，无法一次性学完全部知识，且初始的学习都是先学习一部分进入，形成固定的模式，后续知识的学习就是在原基础上进行模式分类的过程，由此学习过程，学习到的知识会越来越完备，模式学习也会随之更加丰富，当学习量到达一定界限时，模式逐渐趋于完备，冗余知识越来越少。增量学习的思想正是人类这种认知学习模式的体现，将机器学习算法和增量学习思想的有效结合使得机器学习变得更加智能化、动态化、自主化。偏序结构图是一种数据可视化工具，从形式概念分析原理出发，结合数学偏序理论、覆盖理论等，含括了频数统计、关联分析、规则提取、内涵挖掘等功能，可分层次、变尺度、多角度地对概念进行表达。但是，目前偏序图的构图需要一次性获得完备的概念进行批量式构建，即形式背景的构建前提需得到全部概念，并分批生成属性偏序结构图，不完全符合渐进式构建知识模式的方式思想。将增量学习思想融合到...
【技术保护点】
1.一种基于增量学习的知识库构建及偏序结构图生成方法，其特征在于，包括基于覆盖原理的增量学习知识库构建和渐进式偏序结构图构建，具体步骤如下：步骤一、基于覆盖原理的增量学习知识库构建，具体步骤为：步骤1，设初始的形式背景K＝{P,M,G}为空，其中P表示对象集合，M表示属性集合，G表示P和M之间的二元关系；当存在新增对象X*，新增概念表示为(X*,f(X*))，其中，f(X*)表示新增的属性集合；此时，f(X*)∩M＝Ф一定成立，因此省略覆盖交集运算直接添加到形式背景中；将属性集合f(X*)中的属性按原始顺序保存到属性库L中作为下一次学习的覆盖判定集合L＝{l1,l2,......
【技术特征摘要】
1.一种基于增量学习的知识库构建及偏序结构图生成方法，其特征在于，包括基于覆盖原理的增量学习知识库构建和渐进式偏序结构图构建，具体步骤如下：步骤一、基于覆盖原理的增量学习知识库构建，具体步骤为：步骤1，设初始的形式背景K＝{P,M,G}为空，其中P表示对象集合，M表示属性集合，G表示P和M之间的二元关系；当存在新增对象X*，新增概念表示为(X*,f(X*))，其中，f(X*)表示新增的属性集合；此时，f(X*)∩M＝Ф一定成立，因此省略覆盖交集运算直接添加到形式背景中；将属性集合f(X*)中的属性按原始顺序保存到属性库L中作为下一次学习的覆盖判定集合L＝{l1,l2,...,ln}，n为属性个数，此时自动生成由一个概念组成的形式背景保存在新形式背景K*＝{X*,f(X*),G}中；步骤2，原始形式背景K＝{P,M,G}，对(X*,f(X*))新增的概念，将属性集合f(X*)与属性库集合A做覆盖运算f(X*)∩A，根据覆盖结果进行下一步操作；为说明覆盖情况，设定标志集合ind＝{ind1,ind2,...,indn}，n为属性库中属性个数，indi表示新增单个属性与属性集合A的覆盖结果索引，其中，i＝1,2,...,n，单次比较中某属性已经存在则置indi为1，否则indi为0；步骤3，若ind为全零集，则判定该属性为新增属性，f(X*)与A之间是互斥覆盖关系，固然此模式也一定是新增模式，需更新模式库H，将新增属性默认追加到属性库A末尾形成A*＝(A∪fadd(X*))，其中，fadd(X*)表示属性集合f(X*)中新增的属性，同时，生成单行形式背景添加到原形式背景中，即做更新K*＝{P∪X*，M∪fadd(X*)，G}；步骤4，若ind为非全零集，即新增属性集合与原集合之间可能存在：子域覆盖关系、全覆盖关系、互不包含覆盖关系、伴生覆盖关系，根据不同覆盖关系对属性库和模式库做相关操作：对于属性库A更新有以下几种情况：(1)若为全覆盖关系，说明新增属性集合f(X*)＝A，则属性库A保持不变，不做新增；(2)若为子域覆盖关系，属性库已覆盖全部新增对象，保持属性库A不变；(3)若为互不包含覆盖关系，则只更新新增属性L∪fadd(X*)；(4)若为伴生覆盖，则属性集合全部覆盖原属性库且有新属性加入，此时将新属性fadd(X*)追加属性库A末尾，保留原有属性集合不变；步骤5，当有新的概念(...
【专利技术属性】
技术研发人员：梁怀新，洪文学，宋佳霖，
申请(专利权)人：梁怀新，洪文学，宋佳霖，
类型：发明
国别省市：河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。