图4-12框架设置模板

1.全自动知识获取方法技术

全自动知识获取一直是 1领域的研究热点，国内外学者提出了许多方法和技术。例如，6311和81 1比1'提出了用于知识获取的V喂 集理论；了.？.只011₈等研究了如何使用模糊集合理论获取模糊知识；011118#迎8双⑽8等应用模糊集及其隶属函数从多个知识源中学习知识；8 3一II等研究了在复杂系统中使用减少属性的方法产生模糊规则；提出基于信息熵和最大信息增益机制的决策树学习系统103的系统思想与方法；？趴1成提出研究不完整数据及不精确知识的表达、学习与归纳的粗集理论；3油冲一I扭等提出基于具有染色体性别的遗传算法（阴加如 &1 0）1111111 01110111030016 |11 6161111311011 选优的机器学习算法；11003 618113等提出综合模糊逻辑、神经网络和遗传算法的混合方法自动获取知识；王继成提出基于符号神经网络的知识获取方法；周永权等提出了基于代数神经网络的不确定知识获取方法；薛钧义、白建设等提出基于模糊彩色？网的知识表示与获取方法；苏冬平等提出通过聚类调优实现知识获取的技术策略。

对当前人I领域的全自动知识获取技术加以分析，可以发现归纳类知识发现技术占据主体地位。该类方法是在从大量分散的事实和蕴涵规律的数据中抽象、提取出概念与规则〈如关联知识、聚类知识、分类知识、偏差知识及预测知识〉，用于指导以后生产运作中的学习求解。归纳类知识发现方法提升了知识自动获取的技术水平，但仍存在一些问题，表现为：其一，只着眼于初始规则的获取，对知识的求精重视不够。由于客观条件的限制，归纳学习所能依托数据源一事实、例子或数据往往是有限的、不完全的，由此学习得到的知识也往往是粗糖的，具有或然性，有待进一步检验与求精。其二，只着眼于规则类知识的获取，对于案例型知识的获取重视不够。这与传统专家系统一直以产生式规则为处理对象有关。其三，过分依赖单一方法技术，对方法间的有机协同与整合重视不够。

为此，我们将从知识发现和机器学习两条途径来营建电子政务系统的全自动