.png){kind=icon}
返回
Surprisingly popular-based multivariate conceptual knowledge acquisition method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijar.2025.109419.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
形式概念分析（FCA）在不确定人工智能中发挥着关键作用，通过揭示概念之间的特殊化和泛化关系。与人工神经网络方法不同，概念是人类认知和学习的根本，使得知识获取和决策方法具有重要意义，尤其是在受数据和认知影响的情况下。然而，现有的FCA模型及其扩展主要强调数据驱动方法，往往忽视了个体学习者的认知属性。本文介绍了一种基于“意外受欢迎”（SP）方法获取多样化概念知识的新型方法，并提出了一种认知增强的决策方法。首先，它定义了一种新的多元关系形式背景及其相应的决策方法，以促进对不确定信息的更复杂探索。此外，它提出了一种量化多元概念相似性的方法。随后，将SP方法整合以识别多元概念格中的核心和边缘多元概念。此外，本文开发了一种多元认知决策方法并提出了相应的算法。最后，在UCI数据集上进行了实例分析，以比较所提出的方法与最先进的模型。结果表明，通过整合人类认知决策过程，所提出的模型能够有效揭示不确定信息中的核心和边缘概念。
Keyword:
Multivariate concept lattice
Concept decision-making
Surprisingly popular
Multivariate relational formal contexts
期刊
IF:
3
论文数:
3.0K
被引数:
5.1K
机构
暂无机构信息
引用论文
分享收藏Determining semantic similarity among entity classes from different ontologies确定来自不同本体的实体课程之间的语义相似度
PREAI
分享收藏Incorporating Surprisingly Popular Algorithm and Euclidean distance-based adaptive topology into PSO
OAAI
OAAI分享收藏分享收藏Machine truth serum: a surprisingly popular approach to improving ensemble methods.png)
MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏
查看更多内容