基于模糊状态描述的因果关联规则的提取过程 (2008年)

在这篇文章中，作者胡健、谢霖栓和杨炳儒提出了一个新的知识表示框架，用以提取因果关联规则。他们利用了模糊语言场和模糊语言值结构，以及广义细胞自动机和广义归纳逻辑因果模型，以处理模糊不确定性和随机不确定性。这一研究不仅丰富了逻辑语言和智能推理的理论体系，而且在专家系统、自动推理、故障诊断、智能控制等领域具有重要的理论意义和应用前景。 在介绍主要研究内容之前，先来看几个关键词：语言场、广义细胞自动机、广义归纳逻辑因果模型、因果关联规则。语言场是一个数学模型，它为推理流模型和机制提供了定量描述框架。广义细胞自动机是一种能够处理模糊不确定性和随机不确定性的计算模型。广义归纳逻辑因果模型则为归纳推理机制提供了逻辑背景，使得不确定性因果归纳推理的计算模型和自动推理机制得以建立。而因果关联规则是指在一定的条件下，因果关系规则的发现。 文章中提到的模糊状态描述的标准结构定义了状态空间和语言值集合。状态空间是一个由多个状态类组成的集合，每个状态类代表一组相似状态。语言值集合则包含多个语言值，代表不同的模糊状态描述。状态空间到语言值集合的映射，以及可能世界描述的区间，构成了模糊状态描述的标准结构。 作者进一步提出了交叉区间序列的定义，这与状态语言变量相关。交叉区间序列定义了两个相邻区间既不重叠也不包含的关系，这种序列在后续的推理机制和计算模型中有重要作用。此外，作者还提出了标准值和非标准样本的概念，它们分别构成了标准样本空间和非标准样本空间。 在模糊状态描述中，作者定义了模糊语言场和模糊语言值结构。模糊语言场由一系列交叉闭区间的集合构成，而模糊语言值结构则由标准值映射和一个满足一定条件的字典序的映射构成。这些定义构成了模糊状态描述的理论基础，并为广义归纳逻辑因果模型提供了基础。 作者阐述了细胞e在不同时间状态下的变化，以及状态转换原理。细胞e的邻域状态由前一时刻的状态所决定，而状态之间的转变受到交叉闭区间序列和标准值映射的约束。这表明了状态间变化的动态性，以及状态转换中可能存在的不确定性。 最终，作者提出了发现因果关联规则的新算法。这些算法在处理模糊和随机不确定性的基础上，可以挖掘出更为复杂的因果关系，并为相关领域提供了一种新的挖掘方法。 总体来说，这篇文章在理论和应用层面都有一定的创新。通过引入模糊语言场和模糊语言值结构，该研究为处理模糊不确定性提供了新的框架。同时，广义细胞自动机和广义归纳逻辑因果模型的提出，为建立更加复杂和精确的推理机制提供了可能。这些研究成果不仅在学术上有其独到之处，在实际应用中也具有重要的价值和广泛的应用前景。