张涛;李，呵呵;刘孟奇;荣、梅 基于属性拓扑的增量概念认知学习。 （英语） Zbl 1468.68230号 国际J近似推理 118, 173-189 (2020). 概要：增量学习是一种通过利用动态数据上下文的先前计算结果来维护知识的替代方法。增量概念认知学习（CCL）作为增量学习的一个新的重要组成部分，是一个涉及动态大数据中对象或属性集演化和动态知识处理的新兴领域。然而，现有的增量式CCL算法仍然面临着一些挑战，这些挑战提高了新概念的泛化能力，应该有效利用以前获得的知识来降低算法的计算复杂性。与此同时，形式概念分析已经成为认知计算的一个潜在方向，它可以描述CCL的过程。属性拓扑（AT）作为一种新的形式化概念表示，可以清晰地显示新数据与原始数据之间的关系，从而降低CCL过程的复杂性；因此，我们提出了一种基于AT的增量概念认知算法，用于增量概念计算，该算法由概念树表示。首先，在新对象和一些原始对象之间建立关系。然后，基于这一发现，我们提出了一种更新概念并通过概念树表示概念的算法。该算法通过对象与原始对象之间的关系确定新对象的位置和子树。最后，通过一个实例验证了基于AT的概念更新算法的可行性和有效性，不同的增量阶数将导致不同的概念树结构。 引用于9文件 MSC公司： 68立方英尺 知识表示 关键词：概念认知学习;概念树;形式概念分析;增量算法;属性拓扑 PDF格式BibTeX公司 XML格式引用 \textit{T.Zhang}等人，国际期刊近似推理118，173--189（2020；Zbl 1468.68230） 全文： 内政部 参考文献： [1] Mi，Y.L.公司。；Li，J.H。；刘伟强。；Lin，J.，mapreduce框架下颗粒概念认知学习系统的研究，电子学报。罪。，46, 2, 289-297 (2018) [2] Wang，Y.X。；Wang，Y.，大脑的认知信息学模型，IEEE Trans。系统。，36, 2, 203-207 (2006) [3] Li，J.H。；梅，C.L。；Xu，W.H。；Qian，Y.H.，《通过粒计算进行概念学习：认知观点》，《信息科学》。，298, 447-467 (2015) ·Zbl 1360.68688号 [4] Zhao，Y.X。；Li，J.H。；刘伟强。；徐伟华，从不完全信息中学习认知概念，国际马赫出版社。学习。赛博。，8, 1, 1-12 (2016) [5] 刘，Y。；郑福兵。；Zuo，X.Y.，CSMCCVA：基于视觉和听觉感知认知计算的跨模态语义映射框架，高科技。，22, 1, 90-98 (2016) [6] Nisheeth，S。；Edward，V.，识别和回忆记忆的简单模型，神经信息处理。系统。，30, 292-300 (2017) [7] 张，T。；杨珊，基于属性激活的认知原理分析，陈俊杰。计算。系统。，38, 8, 1818-1823 (2017) [8] 张，T。；Yang，S.，基于属性拓扑的人脑分析的遗忘特性，峰值数据科学。，6, 2, 1-8 (2017) [9] Wang，Y.X.，《关于概念代数：知识和软件建模的指称数学结构》，国际期刊Cogn。信息学自然智能。，1-19 (2018) [10] Wille，R.，《重构格理论：基于概念层次的方法》（《计算机科学讲义》，第5548卷（2009年），Springer-Verlag），445-470·Zbl 0491.06008号 [11] Li，J.H。；黄，C.C。；齐俊杰。；Qian，Y.H。；Liu，W.Q.，通过多粒度的三元认知概念学习，信息科学。，378, 244-263 (2017) ·Zbl 1429.68228号 [12] 马，J.M。；蔡明杰。；Zou，C.J.，面向对象概念格的概念获取方法，（《计算机科学讲义》，第8卷（2017），Springer-Verlag），123-134 [13] 马，J.M。；Yao，Y.，多粒度模糊近似空间中的粗糙集近似，Fundam。通知。，142, 1-4, 145-160 (2015) ·Zbl 1346.68201号 [14] Wu，W.Z。；Qian，Y.H。；李·T·J。；Gu，S.M.，《不完全多尺度决策表中的规则获取》，《信息科学》。，378, 282-302 (2017) ·Zbl 1429.68300号 [15] Li，K.W。；邵，M.W。；Wu，W.Z.，《非正式模糊上下文的数据约简方法》，国际J·马赫出版社。学习。赛博。，8, 4, 1145-1155 (2017) [16] Li，J.Y。；Wu，W。；Wu，W.Z。；Xu，Y.T.，基于同余关系的不一致形式决策上下文中的属性约简，Int.J.Mach。学习。赛博。，8, 1, 81-94 (2017) [17] 陈，J。；米·J。；谢，B。；Lin，Y.，大型形式决策上下文的快速属性约简方法，Int.J.近似推理。，106, 1-17 (2019) ·Zbl 1456.68189号 [18] 姚义勇，颗粒计算的三元理论，颗粒计算。，1, 2, 145-157 (2016) [19] Yao，Y.，《三元决策与粒度计算》，《国际期刊近似原因》。，103, 107-123 (2018) ·Zbl 1448.68427号 [20] 张伟新。；Xu，W.H.，基于粒度计算的认知模型，Chin。工程数学杂志。，24, 6, 957-971 (2007) ·Zbl 1150.68489号 [21] Zhi，H.L。；Li，J.H.，动态变化对概念格和蕴涵规则的影响，国际J·马赫出版社。学习。赛博。，795-805年9月5日（2018年） [22] Shi，Y。；Mi，Y.L。；Li，J.H。；刘伟强，增量概念学习的概念认知学习模型，IEEE Trans。系统。人类网络。系统。，1，1，1-13（2018） [23] Shi，Y。；Mi，Y.l。；Li，J.H。；刘伟强，分类的并行概念认知学习模型，信息科学。，496，65-81（2019） [24] 风扇，B。；Xu，W.，《以属性为导向的认知概念学习策略：多层次方法》，Int.J.Mach。学习。赛博。，10, 9, 2421-2437 (2019) [25] Li，J.H。；黄，C.C。；Xu，W.H。；Qian，Y.H。；Liu，W.Q.，通过大数据的粒度计算进行认知概念学习，（2015年机器学习和控制论国际会议论文集（2015）），289-294 [26] Niu，J.J。；黄，C.C。；Li，J.H。；Fan，M.，《基于粒度计算的概念认知学习并行计算技术》，Int.J.Mach。学习。赛博。，9, 11, 1785-1805 (2018) [27] 马云（Ma，Y.）。；曾振伟。；池春云，《形式概念及其新发展》（2011），科学出版社：北京科学出版社 [28] Xu，W.H。；Li，J.H。；魏磊，《形式概念分析：理论与应用》（2016），科学出版社：北京科学出版社 [29] Niu，J.J。；范，M。；Li，J.H.，基于概念格的异构数据知识发现方法，计算。科学。，44, 9, 62-66 (2017) [30] Ren，R.S。；Wei，L。；Yao，Y.Y.，《对三种部分已知形式概念的分析》，国际J·马赫出版社。学习。赛博。，9, 11, 1767-1783 (2018) [31] 詹，J.M。；Xu，W.H.，两种基于覆盖的多粒度粗糙模糊集及其在决策中的应用，Artif。智力。第1版，第32版（2018年） [32] Yao，Y.Y.，《三元决策与粒度计算》，《国际期刊近似原因》。，103, 107-123 (2018) ·Zbl 1448.68427号 [33] Qian，Y.H。；Liang，X.Y。；王，Q。；Liang，J.Y。；刘，B。；斯科伦，A。；Yao，Y.Y。；Ma，J.M。；Dang，C.Y.，局部粗糙集：大数据中粗糙数据分析的解决方案，国际期刊近似推理。，97, 38-63 (2018) ·Zbl 1445.68223号 [34] Afridi，M.K。；北阿扎姆。；姚明，J.T。；Alanazi，E.，《使用GTRS处理缺失数据的三向聚类方法》，《国际期刊近似原因》。，98, 11-24 (2018) ·Zbl 1451.62070号 [35] Yao，Y.Y.，《不完全语境下的区间集和三向概念分析》，国际期刊Mach。学习。赛博。，8, 1, 3-20 (2017) [36] 张，T。；Ren，H.L.，形式背景的属性拓扑，J.Chin。计算。系统。，3590-593（2014年） [37] 张，T。；魏晓勇，基于属性拓扑的关联规则检测，J.Chin。计算。系统。，38, 3, 548-552 (2017) [38] 魏，X.Y。；张，T。；Bai，D.H.，基于拓扑分裂的属性拓扑粒度分析，J.Chin。计算。系统。，37, 8, 1751-1754 (2016) [39] 张，T。；刘，M.Q。；刘伟英，基于属性拓扑的证素因果关系研究，计算机。数学。方法医学，2018年，第9707581页（2018年）·Zbl 1431.92075号 [40] 张，T。；李仁，H。；Hong，W.X.，基于属性拓扑的形式概念可视化计算，Acta Electron。罪。，42, 5, 925-932 (2014) [41] 张，T。；Li，H.，Deep第一次正式概念搜索，科学。《世界杂志》，2014，1-13（2014） [42] 张，T。；李，H。；魏晓勇。；Li，L.，由概念树桥接的属性拓扑和概念格，国际仪器与测量会议，1037-1041（2016），IEEE [43] 张，T。；Bai，D.H。；Li，H.，基于属性拓扑自下而上分解的并行概念计算，J.Softw。，28, 12, 3129-3145 (2017) ·Zbl 1399.68244号 [44] 李浩，《属性拓扑与概念格相互转换研究》（2016），博士论文 [45] 张涛，《属性拓扑理论及其应用》（2017），科学出版社：北京科学出版社 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。