论文部分内容阅读
提出了一种基于遗传算法的本体概念分类规则学习方法（GAOCL）。该方法从已有的本体库或知识库中获取实例作为训练样本，通过遗传算法获取相关的概念分类规则，实现概念实例的有效分类，以达到扩充和丰富本体的目的。首先，在编码过程中采用了可变长度的规则集合作为个体，以满足不同概念对分类规则数目的不同要求。其次，定义了规则集相对覆盖率，并以此作为适应值函数，评估个体对概念实例的分类效果，实现优化迭代。最后，给出了基于遗传算法的本体分类规则学习算法。利用一组标准样本集对该算法与同类算法进行了比较，实验结果表明该算法具有