“规则+例外“的知识表示方法与机器学习

建立“规则+例外”模型的目的是获得对实际世界的最简描述。“例外”是一个具有复杂结构的概念，这个结构可以称为“粒度”。研究分为两个阶段；一、直接使用“规则+例外”的心理学模型建立基于Rough Set理论的计算模型；二、将这个心理学模型扩展到知识粒度计算。在第一阶段的研究中，我们根据“规则使用频率”选择例外。在第二阶段，我们证明了核属性分布定理，和Roughness与核属性关系的定理。基于这两个定理，我们设计了知识粒度格的构造算法。为了根据不同用户的需求获得不同粒度的知识，我们在理论上提出了一种定义在属性集合上的序关系，基于这个序关系，给出了对PawlaK约简完备的且对给定序唯一的约简算法。