遗传归纳逻辑程序设计技术研究
发布时间：2024-06-02 09:40
数据挖掘技术是当前计算机技术的研究热点之一。当前的数据挖掘研究主要在命题逻辑的框架内，存在描述能力弱和不便于利用背景知识的局限性。而且，这些方法多采用了单表假设，算法寻找单表数据中的模式。但数据通常保存在关系数据库的多张表中，若想利用现有的数据挖掘算法，存在将数据转换到单表中的难题。 基于一阶逻辑的一阶规则挖掘技术常被称作归纳逻辑程序设计(ILP)。一阶逻辑为ILP提供了一致的和非常有表达力的表示手段：背景知识、例子以及挖掘到的知识都可表示为子句语言的公式，所以在挖掘过程中可非常自然地利用背景知识。另外得到的知识表示为相关谓词构成的一阶规则，比命题规则具有更强的表达能力，使知识的内涵更加丰富并易于人们理解。因此，ILP可克服传统命题规则挖掘方法的两个主要限制：描述能力的限制与背景知识利用的限制。此外，由于关系数据库的形式描述—“关系代数”与ILP的子句逻辑有着内在的关联性，ILP技术可被直接用于涉及关系数据库中多个关系(表)的数据挖掘任务。 一阶规则挖掘可看作是对一阶规则空间的搜索。由于一阶规则空间的庞大和复杂性，为了实现有效的搜索，绝大多数一阶规则挖掘系统采用了贪婪的...
【文章页数】：114 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 知识发现和数据挖掘
1.1.1 KDD和DM
1.1.2 知识发现过程
1.1.3 数据挖掘与传统分析方法的区别
1.1.4 数据挖掘技术的发展过程
1.1.5 主要的数据挖掘技术
1.1.6 现有数据挖掘技术的局限性
1.2 归纳逻辑程序设计技术
1.3 遗传归纳逻辑程序设计技术
1.3.1 课题的提出
1.3.2 研究意义
1.4 研究内容及论文安排
1.4.1 研究内容
1.4.2 创造性工作
1.4.3 论文安排
第2章 归纳逻辑程序设计
2.1 ILP的基本概念
2.1.1 一阶逻辑的基本定义
2.1.2 ILP的标准问题环境
2.1.3 ILP的算法框架
2.1.4 基于逆归结的归纳逻辑程序设计
2.1.5 基于逆蕴含的归纳逻辑程序设计
2.1.6 基于生成再测试策略的FOIL算法
2.2 ILP的优点
2.2.1 一阶表示的描述能力
2.2.2 一阶表示的背景知识利用
2.2.3 关系挖掘
2.3 ILP研究概况
2.3.1 ILP的语义理论
2.3.2 ILP的计算理论
2.3.3 ILP的证明理论
2.4 遗传归纳逻辑程序设计技术的提出
第3章 遗传算法
3.1 遗传算法的工作流程
3.2 标准遗传算法SGA
3.2.1 编码
3.2.2 初始种群的生成
3.2.3 适应度评估
3.2.4 遗传操作
3.3 遗传算法的特点
3.4 遗传算法的研究进展
3.4.1 算法结构
3.4.2 编码
3.4.3 选择策略
3.4.4 遗传算子
3.4.5 种群策略
第4章 遗传归纳逻辑程序设计
4.1 GILP的一阶规则位串编码
4.2 GILP的遗传操作算子
4.2.1 交叉算子
4.2.2 变异算子
4.2.3 选择算子
4.3 GILP的适应度函数
4.4 GILP算法
4.4.1 GILP外层算法框架
4.4.2 GILP的内层算法
4.5 实验
4.6 小结
第5章 GILP运行中的个体编码生长现象
5.1 GILP个体编码生长现象
5.2 Holland的模式理论
5.2.1 模式定义
5.2.2 模式的阶
5.2.3 模式的定义距
5.2.4 模式分析
5.3 变长位串编码的模式分析
5.3.1 变长位串的模式定义
5.3.2 变长位串的模分析
5.4 基于演化周期的惩罚策略
5.5 小结
第6章 基于信息赢取的适应度函数
6.1 规则空间的结构化
6.1.1 命题规则空间的结构化
6.1.2 一阶规则空间的结构化
6.1.3 θ-包容和蕴含
6.1.4 一阶规则的等价类问题
6.2 基于信息赢取的适应度函数
6.2.1 绑定
6.2.2 信息的量度
6.2.3 信息赢取
6.2.4 等价规则的信息赢取
6.3 实验结果
6.4 小结
第7章 选择策略的影响和GILP运行实例
7.1 选择策略对GILP收敛性能的影响
7.2 GILP原型系统
7.2.1 系统简略框图
7.2.2 GILP系统主要模块功能简介
7.3 GILP运行实例
7.3.1 有向连通图问题
7.3.2 gcd函数
7.3.3 房产价格规律
7.4 小结
总结和展望
参考文献
攻读博士学期间所发表的学术论文
致谢
本文编号：3987161
【文章页数】：114 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 知识发现和数据挖掘
1.1.1 KDD和DM
1.1.2 知识发现过程
1.1.3 数据挖掘与传统分析方法的区别
1.1.4 数据挖掘技术的发展过程
1.1.5 主要的数据挖掘技术
1.1.6 现有数据挖掘技术的局限性
1.2 归纳逻辑程序设计技术
1.3 遗传归纳逻辑程序设计技术
1.3.1 课题的提出
1.3.2 研究意义
1.4 研究内容及论文安排
1.4.1 研究内容
1.4.2 创造性工作
1.4.3 论文安排
第2章 归纳逻辑程序设计
2.1 ILP的基本概念
2.1.1 一阶逻辑的基本定义
2.1.2 ILP的标准问题环境
2.1.3 ILP的算法框架
2.1.4 基于逆归结的归纳逻辑程序设计
2.1.5 基于逆蕴含的归纳逻辑程序设计
2.1.6 基于生成再测试策略的FOIL算法
2.2 ILP的优点
2.2.1 一阶表示的描述能力
2.2.2 一阶表示的背景知识利用
2.2.3 关系挖掘
2.3 ILP研究概况
2.3.1 ILP的语义理论
2.3.2 ILP的计算理论
2.3.3 ILP的证明理论
2.4 遗传归纳逻辑程序设计技术的提出
第3章 遗传算法
3.1 遗传算法的工作流程
3.2 标准遗传算法SGA
3.2.1 编码
3.2.2 初始种群的生成
3.2.3 适应度评估
3.2.4 遗传操作
3.3 遗传算法的特点
3.4 遗传算法的研究进展
3.4.1 算法结构
3.4.2 编码
3.4.3 选择策略
3.4.4 遗传算子
3.4.5 种群策略
第4章 遗传归纳逻辑程序设计
4.1 GILP的一阶规则位串编码
4.2 GILP的遗传操作算子
4.2.1 交叉算子
4.2.2 变异算子
4.2.3 选择算子
4.3 GILP的适应度函数
4.4 GILP算法
4.4.1 GILP外层算法框架
4.4.2 GILP的内层算法
4.5 实验
4.6 小结
第5章 GILP运行中的个体编码生长现象
5.1 GILP个体编码生长现象
5.2 Holland的模式理论
5.2.1 模式定义
5.2.2 模式的阶
5.2.3 模式的定义距
5.2.4 模式分析
5.3 变长位串编码的模式分析
5.3.1 变长位串的模式定义
5.3.2 变长位串的模分析
5.4 基于演化周期的惩罚策略
5.5 小结
第6章 基于信息赢取的适应度函数
6.1 规则空间的结构化
6.1.1 命题规则空间的结构化
6.1.2 一阶规则空间的结构化
6.1.3 θ-包容和蕴含
6.1.4 一阶规则的等价类问题
6.2 基于信息赢取的适应度函数
6.2.1 绑定
6.2.2 信息的量度
6.2.3 信息赢取
6.2.4 等价规则的信息赢取
6.3 实验结果
6.4 小结
第7章 选择策略的影响和GILP运行实例
7.1 选择策略对GILP收敛性能的影响
7.2 GILP原型系统
7.2.1 系统简略框图
7.2.2 GILP系统主要模块功能简介
7.3 GILP运行实例
7.3.1 有向连通图问题
7.3.2 gcd函数
7.3.3 房产价格规律
7.4 小结
总结和展望
参考文献
攻读博士学期间所发表的学术论文
致谢
本文编号：3987161
本文链接：https://www.wllwen.com/shekelunwen/ljx/3987161.html
