基于属性加权的概念认知学习模型

作     者：梁涛巨 林艺东 林梦雷 王启君 LIANG Taoju;LIN Yidong;LIN Menglei;WANG Qijun

作者机构：闽南师范大学数学与统计学院漳州363000 闽南师范大学数字福建气象大数据研究所漳州363000 闽南师范大学福建省粒计算及其应用重点实验室漳州363000 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2023年第36卷第8期

页      面：749-763页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.12201284) 福建省自然科学基金项目(No.2022J05169,JAT210255) 闽南师范大学校长基金项目(No.L22130)资助 

主　　题：概念认知学习 模糊概念 属性加权 概念聚类 . 

摘      要：现有概念认知学习模型往往存在忽略属性与决策间的相关性、涉及的概念空间存在冗余性、学习效果有限等问题.因此,文中提出面向属性加权的概念认知学习模型(Weighted Attributes-Based Concept-Cognitive Learning Model,WACCL).首先,探讨属性与决策之间的相关性,提出属性的加权机制.考虑到概念空间冗余性问题,探索不同概念的地位,实现概念空间压缩.然后,结合概念间的相似性,实现概念聚类,为线索的学习提供依据.最后,在13个数据集上的实验验证WACCL的有效性.