基于属性加权的概念认知学习模型

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.

关键词：概念认知学习、模糊概念、属性加权、概念聚类

所属期刊栏目：36

分类号：TP182(自动化基础理论)

在线出版日期：2023-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：749-763