因素空间的理论研究

尹安琪 关世杰

摘  要：随着因素空间理论的诞生和不断完善，其为知识表示和人工智能的发展奠定了基础并且得到了广泛的应用。该文针对因素空间进行了因素空间的展开与收拢和优化因素两个方面的研究，其中因素空间的展开与收拢主要体现了因素空间、因素和属性之间的层次性关系，根据决策树算法和聚类算法对因素之间的关系进行优化，凸显出重要的因素，可以对高维数据降维节省存储空间和判别的时间。

关键词：因素空间  因素  属性

中图分类号：TP311                                 文献标识码：A                         文章编号：1672-3791（2019）06（a）-0237-02

因素空间是汪培庄教授提出的以智能描述为主题的数学理论，曾在知识表示和人工智能领域发挥过重要作用，近年来，又以数据科学为重点，为大数据处理提供坚实的数学基础[1]。因素将事物抽象到同一个维度上，将分析的维度命名为因素，也是分析事物的角度。将因素的取值命名为属性，属性是对事物分类结果的内涵描述。当对一个事物进行描述时，该事物就被描述为一个点，描述该事物时可以从多个角度进行分析，将每个维度的因素进行交叉综合后，形成了事物描述的一种普适性坐标架，即因素空间[2]。因素空间的理论不仅是应用因素，还应挑选因素。在分析事物过程中，在众多因素中把真正起作用的因素凸显出来，因此需要对因素空间中的因素进行筛选，筛选后可以将高维度的数据进行降维。该文对因素空间的展开与收拢和因素之间的关系进行了研究和说明。……