跳到主要內容

臺灣博碩士論文加值系統

(44.222.104.206) 您好!臺灣時間:2024/05/23 17:27
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:林綺芬
研究生(外文):Lin Chi Fen
論文名稱:應用模糊觀念於知識擷取方法之研究
論文名稱(外文):Fuzzy Concept Applied to Knowledge Acquistion Methodology
指導教授:許通安許通安引用關係
指導教授(外文):SHEE, T. A.
學位類別:碩士
校院名稱:國立中央大學
系所名稱:資訊管理研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:1993
畢業學年度:81
語文別:中文
中文關鍵詞:知識擷取模糊觀念分類
外文關鍵詞:Knowledge AcquistionFuzzy ConceptClassification
相關次數:
  • 被引用被引用:1
  • 點閱點閱:148
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
由於人工智慧技術的突破,已使得其最重要的分支 ─ 專家系統有蓬勃的
發展,也成功地應用到各領域,而知識庫是專家系統的核心,成敗端賴於
此,因此知識擷取便成為建構一個專家系統最重要且最困難的階段。知識
擷取的工作包括如何將人類專家的知識和經驗一一過濾、分析和解釋後融
入知識庫以便推論,而它的困難度正在於專家很難將他從真實世界中所得
之經驗及知識正確地表達出來;並且即使已取得這些知識,則它們是否足
以代表同類的問題以及如何發揮最大的用處?知識擷取的方法有很多種,
最常用的是歸納法(又稱例子學習法),也就是說系統從訓練者所提供的一
組範例中去歸納出一套一般化的法則,範例可由外界環境蒐集或是具備該
專業領域的專家提供,重要的是它們必須能夠涵蓋各種可能的狀況,則歸
納出的法則才具代表性。目前的困難即在於如何將這些已取得的範例資料
正確地分類,特別是計量的資料,由於具連續性,究竟應如何切割才具代
表性,足以去預測未來的資料。本文即是運用統計上的技巧,按照資料分
配的特性,並融入模糊的觀念使這些資料區間的分割能有一緩衝區,對於
計質的資料亦以其可能性分布來表示模糊程度;因其允許模糊的存在,故
能做概略性的推論而導出更合乎本質的結論;論文中也與統計的區別分析
及CRIS做了實際資料及電腦模擬資料的比較分析,以驗證其優缺及限制;
除了方法本身簡單以外,在對未知資料的分類及預測上亦能有相當不錯的
正確率,希望在專家系統的建構上能提供一正確且穩固的基石。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top