声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：郭豆豆,徐伟华,
关键词：形式概念分析, 概念认知学习, 粒计算, 高维数据, 三支决策,
随着全球信息化的高速发展，高维数据挖掘与知识发现成为了人工智能领域亟待破解的科学问题之一.然而，由于高维数据中样本的稀疏性与特征的冗余性，传统统计学模型和机器学习方法的泛化性和可解释性遇到极大的挑战.为此，针对高维数据与知识弱演化能力之间不平衡的科学问题，利用三支概念求解复杂问题的认知机理，提出了一种新的概念建模方法，即稳健模糊概念认知学习（fuzzy-basedconcept-cognitivelearningwithrobustness，R-FCCL）.首先，借助概念的最大相似性原则，建立了基于R-FCCL的高维数据分类系统，并从概念的角度出发，研究了高维数据的知识结构和认知学习机理.进一步，利用模糊三支概念的正、负算子从2个不同的角度刻画了模糊环境概念认知学习过程，进而基于概念融合的模糊三支概念完成概念辨识和数据分类.通过在12个真实数据集与12种分类方法的实验分析，验证所提方法具有较好的鲁棒性和有效性.
来源：2025年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。