信息系统中粒计算模型及其属性约简方法

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,目前在国际上逐步得到了人工智能有关研究人员的重视。模糊粒度模型、粗糙集粒度模型、邻域系统下的粒计算模型、商空间模型、相容粒度空间模型是目前几种常用的粒计算模型。基于粗糙集理论的粒度模型,通过决策信息系统的粒子空间中各粒子的推理,给出了决策信息系统中核属性计算方法;在此基础上,提出了决策信息系统属性约简的计算方法;通过实例验证了该方法的有效性。     

覆盖粒度空间的层次模型

粒计算是一个新的研究领域,其思想被广泛地运用于各种理论和计算方法,比如粗糙集理论,模糊集理论和商空间理论.在以往的研究中,基于划分的粒计算模型得到了广泛地研究,即粒度空间中粒子间是两两不相交的.但是,在有些实际问题中,要将问题空间粒化为论域的划分在有些情况下是困难的,或者是没有必要的.因此,基于覆盖的粒计算模型是粒计算研究中的一个重要方向.本文对覆盖粒度空间的层次模型进行了研究,指出了当前两种层次模型中存在的问题,重新定义了一种新的层次模型,并对其重要性质进行了分析.阐述了覆盖粒度空间中知识不确定的原理,采用知识熵对覆盖粒度空间的知识量进行度量,并对知识熵和覆盖上偏序较细关系之间的联系进行了分析,从定量的角度给出了知识粒度的解释.     

应用粒计算的混合智能故障诊断技术研究

针对现有的混合智能故障诊断模型缺乏通用方法和混合框架,未能实现不同智能诊断方法的实质性融合和优势互补的问题,提出并构建了一种基于粒计算的混合智能故障诊断模型.该模型的核心是在邻域粗糙集中求取不同的邻域值,对故障特征集进行分层粒化,在不同粒度下获得核属性集.利用核属性集在相应粒度下构建人工神经网络和支持向量机子分类器,通过评估矩阵算法对所有粒度下全部子分类器的诊断结果进行融合集成.模型应用结果表明,分类精度随着粒度层的增加而不断提高,集成后的分类精度高于不同粒度下的所有子分类器,从而体现了粒化分层的优势和不同智能诊断方法的优势互补,为混合智能诊断提供了一种新途径.     

一种模糊概念相似度的计算方法

由于现有的经典本体映射方法以及相似度计算方法无法处理模糊信息,因此它们都无法计算模糊概念之间的相似度.为此,提出了一种新的基于向量空间模型的模糊概念相似度计算方法SimFC-VSM(similarityoffuzzyconceptbasedonvectorspacemodel).SimFC-VSM方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量;最后通过向量运算的方法来计算模糊概念之间的相似度.因此,所提出的方法SimFC-VSM可以有效地利用向量空间模型来计算模糊概念之间的相似度.     

粗糙集与商空间融合的粒计算模型理论研究

主要结合粗糙集和商空间理论,考虑信息系统IS的四元组(U,A,V,f),利用这个四元组来讨论拓扑空间的性质,抽象和总结粗糙集和商空间相互融合的粒计算模型,拓展了粒计算的应用范围,也为粒计算理论的发展提供一种新的研究思路.     

复合粒计算模型研究进展

粒计算（granular computing,GrC）是人工智能领域中的一种模拟人类思考和解决复杂问题的新理念和新方法,粗糙集理论、商空间理论和模糊集理论是3种主要的粒计算模型。首先回顾几种基本的粒计算模型,介绍了几个复合粒计算模型,最后探讨了粒计算模型的进一步发展方向。     

基于二进制粒与粒计算的属性约简

目前有关粒计算的理论与方法主要有商空间理论、词计算理论和粗糙集理论.以粗糙集理论发展的粒计算理论为基础,定义了幂图、粒度幂图及二进制粒等概念,提出基于二进制粒计算与粒度幂图的两种属性约简算法,把属性约简问题转化为在粒度幂图中的搜索问题,为属性约简开辟了新的途径.理论分析表明,所提出的算法是有效可行的.     

一种基于相容粒计算模型的文章相似度计算方法

将粗糙集和粒计算理论应用于中文文章相似度计算研究中,通过引入文章相容粒、段落相容粒和段落粒空间信息表等概念构建相容粒计算模型,提出基于相容粒计算模型的中文文章相似度的计算算法。示例和测试结果说明所提出方法有效。     

粒度支持向量机学习模型

粒度支持向量机(Granular Support Vector Machine,GSVM)是以粒度计算理论和统计学习理论为基础的一种新的机器学习模型,它可以有效地克服传统支持向量机(Support Vector Machine,SVM)对于大规模数据集训练效率低下的问题,同时也可获得较好的泛化性能.文章针对原空间的GSVM模型进行了分析,提出了核空间的GSVM学习模型,在标准数据集上的实验说明了文中提出模型的有效性.     

基于粒计算的多层次关联规则挖掘技术研究

粒计算理论是一种看待客观世界的世界观和方法论.基于粒计算的多层次关联规则挖掘,引入了粒计算思想,采用多层次化二进制编码表示,只须一次数据集扫描便可获得所有叶节点粒,并能够由子粒的"或"、"与"运算获得父粒和多项集,简化求频繁-项集的求取方法,降低了算法的时间复杂度和空间复杂度提高了算法的效率.     

Sticker DNA computer model ——Part Ⅰ: Theory

DNAcomputationisanewcomputationalpatternusingDNAmoleculesandsomeenzymesforessentialmaterials,whichisbasedonsomebiochemicalreactions.ThiscomputationalmethodwasfirstlyproposedbyDr.Adlemanin1994[1].ItsprominentadvantageismakingthebestofDNAmoleculeswithenormousmemorygeneticcodes,andimmenseparallelismofbiochemicalreactions.Asaresult,DNAcomputersbasedontheDNAcomputa-tionmodelwillhaveenormousmemorycapacityandegregiousoperationspeed.DNAcomputercanrunwithhighspeed,enormousinformationmemorycapab…     

基于选择性集成的情感识别

当前，情感识别已经成为情感计算中一个重要研究问题。传统的情感识别方法有人工神经网络（ANN）的 情感识别、模糊集的情感识别、支持向量机的情感识别和隐马尔可夫模型（HMM）的情感识别等。将选择性集成的 方法应用到情感识别中，该方法通过训练数据集的随机数抽取、训练，得到一批候选分类器，并通过差异性计算，挑选出大于平均差异性水平的分类器用来做最终情感识别。实验表明，该方法比传统的识别方法以及bagging集成 方法的效果都好,能有效地提高情感识别的精度。     

Sticker DNA computer model ——Part Ⅰ: Theory

Sticker model is one of the basic models in the DNA computer models. This model is coded with single-double stranded DNA molecules. It has the following advantages that the operations require no strands extension and use no enzymes; What‘s more, the materials are reusable.Therefore it arouses attention and interest of scientists in many fields. In this paper, we will systematically analyze the theories and applications of the model, summarize other scientists‘ contributions in this field, and propose our research results. This paper is the theoretical portion of the sticker model on DNA computer, which includes the introduction of the basic model of sticker computing. Firstly, we systematically introduce the basic theories of classic models about sticker computing; Secondly, we discuss the sticker system which is an abstract computing model based on the sticker model and formal languages; Finally, extend and perfect the model, and present two types of models that are more extensive in the applications and more perfect in the theory than the past models: one is the so-called k-bit sticker model, the other is full-message sticker DNA computing model.     

基于粒计算的概念格拓展模型

将粒计算融入到概念格研究中,结合相似度模型和概念格结构信息,提出一种基于粒计算的概念格拓展模型,其有助于扩展经典概念的内涵和外延,也有助于压缩概念的规模.该模型是概念格和粒计算融合研究的一次有益探索和尝试,同时对概念格拓展也不失为一种有效手段.     

处理人工智能应用的高性能计算机的架构和评测

人工智能(artificial intelligence,AI)的3块基石是大数据、高性能计算、深度学习算法,大数据被称为"算料",高性能计算被称为"算力",深度学习算法被称为"算法".人工智能主要的研究领域就是算料、算力和算法.算力基础设施作为处理人工智能应用的基石,一直被各个国家给予高度重视.由于人工智能应用的飞速发展,适用于人工智能应用的新一代超级计算机不断诞生.对比了传统超级计算机和人工智能算力系统,论述了人工智能算力系统的发展和人工智能算力评估方法研究的现状.     

基于粒计算的认知模型

事物的认知过程是一个非常复杂的过程,粒计算是人工智能领域中的一种新理念和新方法.概要介绍了几种典型的认知模型,结合粒计算的方法论提出了基于粒计算的认知模型,并分析了图像认知过程中的粒计算方法和讨论了图像认知必须解决的关键问题.     

分布式计算模式及其软件开发包

提出了一种基于RPC的分布式计算模式．通过引入服务器端的RPC和应用相关的数据服务器,实现了开放、灵活的计算子任务划分和分派．该分布式计算模式使用对象串行化技术,使应用程序对象在网络上传输并可跨平台运行．支持同步、异步的通信模式,缓解了网络延迟带来的不必要的等待,提高了应用程序的运行效率．支持子任务间进行递归的调用,降低了应用开发难度．用JAVA语言实现了与分布式计算模式相应的开发包供分布式应用程序开发使用．     

岩体强度确定的神经网络方法

叙述了神经网络的基本原理，建立了岩体强度确定的神经网络模型，编制了岩体强度确定的神经网络系统软件。同时，结合棒磨山铁矿的具体实例，将此系统作了分析，并与常用的岩体强度计算方法作了比较。     

基于Hyper-V的校内私有云构建研究

针对云计算的发展趋势,结合校园网基础设施特点,研究和分析了虚拟化技术和云计算模式,提出一种基于Hyper-V的私有云计算环境模式,并在校园网内实现了该模式的私有云构建,为云计算环境在高校的实现提供了具体方法。