基于SOLe的自动推理算法

研究不确定型数据时,针对宏观上缺失数据和噪声数问题,提出了一种应用于智能决策系统的自动推理方法,可以有效地从不确定型数据中提取知识并完成无监督分类,从而提高整个决策系统的正确性和鲁棒性。通过对非结构化知识的分析,采用二阶逻辑在取值论域内增设集合形式的谓词变量与量词变量,结合指数分布簇的区间参数估计对二阶逻辑进行修正,建立基于扩展二阶逻辑的精度较高的自动推理模型框架。使用UCI机器学习数据集中的数据,通过仿真实验分析验证了算法在正确性和鲁棒性上提升约7%和6.5%,并可以得到准确数据集。在智能决策和专家系统中都将提供一种新的研究方法。