admin 管理员组

文章数量: 887021

论文

论文-融合机器学习与知识推理的可解释性框架-李迪媛1, 康达周2

文章目录

  • 论文-融合机器学习与知识推理的可解释性框架-李迪媛1, 康达周2
    • 1.摘要
    • 2.机器学习
    • 3.融合机器学习与知识推理的可解释性框架
      • 3.1知识推理模块
      • 3.2 机器学习模块
      • 3.3 知识推理融合机器学习模块
        • (1) 提取子特征
        • (2) 支持机器学习结果的知识推理
        • (3) 机器学习结果结合推理结果演进

1.摘要

  • 面向的问题:规则无法反映模型真实决策情况
  • 机器学习–>目标特征结果
  • 子特征分类结果结合规则进行知识推理—>推理结果
  • 计算可信度–>判断结果是否可靠
  • 面向液基细胞学检查图像的融合学习与推理和某类宫颈癌细胞 识别案例对框架–>验证框架正确性

2.机器学习

线性回归,决策树模型

3.融合机器学习与知识推理的可解释性框架

包含3个模块:

  • 知识推理模块
  • 机器学习模块
  • 知识推理融合机器学习模块
模块功能
知识推理模块构建与决策目标有关的本体库和规则库
机器学习模块构建包括一个目标特征分类器和多个子特征分类器的分类器组
知识推理融合机器学习模块提取子特征; 支持机器学习结果的知识推理;演进推理结果和机器学习结果

3.1知识推理模块

提供推理决策的领域知识和业务规则

本体库 O [支持网络本体语言 (Ontology Web Language, OWL)]–基于O->
规则库 K[ 它支持语义网规则语言 (Semantic Web Rule Language, SWRL)]

3.2 机器学习模块

一个目标特征分类器C 和多个子特征分类器 C1~Cn 的分类器组
分类器组通过神经网络组结合数据集 D、 D1~Dn 训练得到

3.3 知识推理融合机器学习模块

(1) 提取子特征

(2) 支持机器学习结果的知识推理

(3) 机器学习结果结合推理结果演进

本文标签： 论文

版权声明：本文标题：论文 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1688271609h199860.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。