[发明专利]基于人类概念认知的分类方法

说明书

本发明提供一种基于人类概念认知的分类方法，属于模式识别与机器学习领域。包括：从经验数据中学习相似性，以此构建概念表示的基础；基于相似性从经验数据中为每个概念选择样例集，以此完成概念的表示；根据相似性和每个概念的样例集判断待测对象所属的概念，以此达到利用概念分类的目的。该学习器工作的机理以认知科学为依据，可解释性强；其次，对具体应用场景不进行特定的假设，通用性强；同时工作原理简单，易于实现。

技术领域

本发明涉及模式识别与机器学习技术领域，尤其涉及一种基于人类概念认知的分类方法。

背景技术

分类是将对象进行区分、组织、理解的过程，本质上是概念认知的过程。人类借助概念完成对世界的认知和组织，故分类能力是人类智能的基本要素。因此，让计算机程序获取分类的能力是实现人工智能的必经环节。

在机器学习领域，从经验数据中获取分类能力的程序被称为分类器。目前已有数十种分类器被设计，它们的设计思路和工作机理各不相同。但是这些分类器在设计时很少系统地考虑人类的概念认知过程，具体包括概念表示的基础、概念的表示以及概念的使用。这导致现有分类器的工作机理和输出结果的可解释性不足，同时通用性和易用性也受到很大的限制。

发明内容

为解决上述技术问题，本发明提供一种基于人类概念认知的分类方法。本发明采用的技术方案是：

一种基于人类概念认知的分类方法，其包括：

S1，构建概念表示的基础：从经验数据中学习对象间的相似性；

S2，表示概念：利用对象间的相似性从经验数据中为每个概念选择代表的样例集；

S3，利用概念进行分类：根据对象间的相似性和每个概念的样例集，判断对象所属的概念。

可选地，所述S1通过如下公式(1)从经验数据D中学习对象间的相似性：

公式(1)中，为损失函数，用于度量相似性s与经验数据D违背的程度，值越大，表明违背的程度越大，相似性s的质量越差。

可选地，所述S2在利用对象间的相似性从经验数据中为每个概念选择代表的样例集时，包括：

S2.1，将经验数据D中属于概念c的所有对象收录到集合D_c＝{x_j|(x_j,y_j)∈D,y_j＝c}中；

S2.2，通过如下公式(2)计算经验数据D中属于概念c的对象x_i代表概念c的能力：

该值越大，表明对象x_i与属于概念c的其它对象越相似，代表概念c的能力越强；

S2.3，按照每个对象的e(x_i)值将集合D_c中的元素按照降序排列，并选取排名靠前的n_exemplar个对象作为概念c的样例集，记作E_c。

对于输出空间中的每个概念，依次执行步骤S2.1、S2.2和S2.3得到每个概念对应的样例集，记作

可选地，所述S3在根据对象间的相似性和每个概念的样例集，判断对象所属的概念时，包括：

S3.1，通过如下公式(3)计算对象x对每个概念的隶属度：

S3.2，将对象x所属的概念预测为

本发明的有益效果是：