模糊Horn子句规则挖掘算法研究

模糊关联规则可以用自然语言来表达人类知识,受到数据挖掘与知识发现研究人员的广泛关注。但是,目前大多数模糊关联规则挖掘方法仍然基于经典关联规则的支持度和可信度测度。从模糊蕴涵的观点出发,定义了模糊Horn子句规则、支持度、蕴涵强度以及相关概念,提出了模糊Horn子句规则挖掘算法。该算法可以分解为3个步骤。首先,将定量数据库转换为模糊数据库。其次,挖掘模糊数据库中所有支持度不小于指定最小支持度阈值的频繁项目集。一旦得到了所有频繁项目集,就可以用一种直接的方法生成所有蕴涵强度不小于指定最小蕴涵强度阈值的模糊Horn子句规则。

模糊Horn子句规则及其发现算法

模糊Horn子句规则可以用自然语言来表达人类知识。但是,发现模糊Horn子句规则及其蕴含度是比较困难的。该文从逻辑的观点出发,定义模糊Horn子句规则、支持度、蕴含度及其相关概念,分析模糊Horn子句规则发现的步骤,并给出发现算法的形式化描述。该算法结合了模糊Horn子句逻辑概念和Apriori发现算法,从给定的数量型数据库中发现模糊Horn子句规则。

无回路规则系统的Petri网验证方法

构建了无回路规则系统的加标ω-Petri网模型,产生了相应的可达树,利用可达状态反映规则系统所包含的所有可达关系,并记录;提出了可达状态的反向推演森林及其算法,实现规则系统命题间可达路径的显式化.在此基础上,给出了规则系统错误的判定定理及其检测算法,实现了结构错误的有效判定和分析.

基于FOIL算法的一阶规则集学习器设计方法

对FOIL算法进行了深入剖析,提出了一种基于该算法利用V isual Prolog实现一阶规则集学习器的设计方法,给出了实现学习器的关键代码和试验结果,验证了该方法在一阶规则集提取中的有效性。

基于P/T网结构的规则系统验证方法

规则系统是具有广泛应用价值的逻辑系统,但由于各种原因可能导致冗余、不一致、不完备和回路等错误的发生,从而影响系统的运行结果和效率.本文构造了基于Horn子句的规则系统的P/T网模型,给出了利用Petri网关联矩阵求解回路和路径的算法,并提供了系统错误的一组判定方法.该方法避免了原有基于Petri网可达性方法检测系统错误可能导致的状态空间爆炸问题,充分利用网的结构信息,实现规则系统错误的分析和发现.