粒集理论:粒计算的新模型

在已有的有关粒计算研究成果的基础上,表述了信息的粒化、层次化和动态性原理,并综合了粒的表示形 式后,提出了粒集的概念,确认了粒的二元组的表示形式#同时借用统一集的形式对粒集进行了描述,分析了统一 集与粒集的异同,给出了与粒集相关的一些概念,讨论了用粒集形式来表达其他各种各样的集合,诸如经典集合、 模糊集合、可拓集合、Vague集合、粗糙集合等后,又讨论并表示了粒运算和粒集运算,最后给出了粒集理论的初步 应用框架。粒集理论为粒计算提供很好的理论基础，从而使粒计算确立自己独立的研究领域。     

基于FIG和GWO-SVM的灌浆功率时序预测

为更好地预测灌浆功率时序,建立基于模糊信息粒化(FIG)和灰狼优化支持向量机(GWO-SVM)的灌浆功率时序预测模型。首先,引入信息粒计算方法,将原始详尽的时间序列数值点分解为一系列信息粒,以减少模型的数据输入总量;其次,基于模糊集理论,采用模糊集算子对每个信息粒进行模糊计算,使得到的模糊信息粒可以合理地表示原始数值点集;最后,以支持向量机作为预测工具,并采用灰狼优化算法进行参数寻优,对产生的模糊信息粒进行快速准确的预测。结合实际工程,应用该预测模型对灌浆功率的波动范围和变化趋势进行预测研究,经过性能评价和对比分析,验证了模型的有效性和优越性。     

基于信息粒化和语词计算的模糊控制器

提出了一种基于信息粒化和语词计算（IGCW）的模糊控制器的结构,此模糊控制器具有更强的信息处理和推理判断能力,更高速度地模拟了人类智能,对于具有不确定性的大复杂大系统的控制、决策,有着良好的应用前景。     

基于动态长短期记忆网络的设备性能退化预测方法

针对目前基于数据驱动的旋转机械退化状态预测中时序列信息考虑不充分、寿命标签制定不合理、退化模型累计误差大等问题，提出一种融合趋势滤波、模糊信息粒化、动态长短期记忆网络（LSTM）的旋转机械退化趋势与退化区间预测方法。以振动信号为例，首先提取表达设备退化信息的特征指标，然后通过趋势滤波与模糊信息粒化提取主要退化趋势与模糊退化边界，其次利用动态LSTM进行综合性能退化预测；最后，利用网络公开的轴承训练数据集验证了本文方法的可行性与有效性。     

基于模糊信息粒化的支持向量机在犯罪时序预测中的应用

犯罪时间序列一般具有随机性和波动性强的特点。传统的时间序列建模方法利用犯罪时序数据之间的相关性建立预测模型;但对细颗粒度下的信息利用不足。相比之下,基于模糊信息粒化的支持向量机能够在对时间序列的细颗粒度数据进行粒化预处理的基础上建立拟合回归模型,实现粗颗粒度下的时序预测。利用基于模糊信息粒化的支持向量机方法对S市的侵财类案件数据进行分析预测,并与ARIMA模型进行了比较。结果表明该方法在预测精度上要显著优于时间序列预测模型。对公安部门的警务指挥与情报研判具有较高的实用性。     

基于模糊信息粒化的机动车流量SVM预测方法

以某路口全年小时级别的机动车流量为基础,提出了一种基于模糊信息粒化的支持向量机机动车流量预测方法.选取7个影响因素作为自变量,以当前小时的机动车流量作为因变量,利用前360天的8 640组数据预测后5天上午8点的机动车流量.进行了数据的预处理,模糊信息粒化,利用支持向量机对粒化数据进行回归预测.后5天上午8点实际的机动车流量都在模糊粒子Low、R、Up预测的变化区间内,表明本预测方法是可行的.     

基于信息粒化、语词计算模糊控制系统中的信息重组

在定义了粒元关系网络和矩阵的基础上,研究了基于信息粒化、语词计算模糊控制系统中的信息重组方法,并通过算例说明了此方法的有效性。     

粒关系演算：关系计算与数据的桥梁

粒计算及其理论,尤其是模糊集,为处理概念实体信息粒提供了全面的概念框架和处理机制,但现有的信息粒处理机制不能充分利用实验数据的特征。基于粒计算推导出的理论来增强关系计算和模糊关系计算的基本结构。认为可以通过结合现有数据所控制的描述性组件来增强关系演算领域中的规范性结构。实验表明,合理粒度原则有助于增强现有结果,并将实验结果以信息粒的形式进行了展示。     

基于大间隔粒计算的特征选择

通过寻找一个最优的特征子集,特征选择可以降低计算复杂度,提高分类精度以及结果的可理解性。提出基于大间隔信息粒化的特征选择算法,通过聚类等方式对原始数据进行单类信息粒化,然后在粒化的基础上构造了模糊间隔和类间隔2个评价指标进行特征评价。并分别在不同的数据上验证了这种特征选择方法的有效性,实验结果表明,基于大间隔粒计算的特征选择算法效果要优于其他的大间隔特征算法。     

灾害风险评估中原始数据模糊不确定性的处理方法

针对灾害风险评估中原始数据本身的模糊不确定性问题,提出了一种模糊信息粒化描述方法,它的特点是能够容忍不精确、不确定以及部分真实信息,不需要任何额外的假设和参数的统计分布, 不需提供问题所需处理的数据之外的任何先验信息,操作比较简单而且透明,为合理描述数据的模糊不确定性提供了重要的理论和方法,有助于提高对系统的认识能力.最后,从理论和应用两个方面与已有的不确定性方法进行了比较,从而验证了笔者提出方法的优越性.     

基于k平面聚类的时序数据粒化和预测

设计了一种针对时间序列的k平面聚类算法,在时间维度和数值维度上同时对所有时序数据点进行聚类,从而将所有数据点划分到若干个不等长的时间窗口．在每个时间窗口上建立线性模糊信息粒子,最终得到原始时间序列的分段线性粒化表示．为便于采用模糊推理系统进行时间序列的预测,还定义了这些线性粒子的距离,从而构建了一种基于线性模糊信息粒子的预测方法．实验表明,所提出的预测方法可以有效地对具有伪周期的时间序列进行长期预测．      

基于格网系的无线网络多信道信息融合方法

为解决当前方法信息融合效果差、信息融合时延长的问题,提出基于格网系的无线网络多信道信息融合方法。采用模糊理论中的相关函数对无线网络传感器的支持度进行计算; 在格网系的设计下,利用知识元模型获取信息的融合集,并将其实例成信息单元,为无线网络多信道信息融合提供基础; 最后,在熵权法基础上,引入对无线网络多信道信息之间欧氏距离的测度,利用距离熵的概念获取信息的全局和局部融合权重,采用线性加权法对信道信息的全局和局部融合结果进行计算,最终实现了对无线网络多信道信息的融合。实验结果表明,所提方法在对无线网络多信道信息融合时,信息融合效果较好,并且信息融合时延短、实时性好,具有较高有效性和可行性。     

粒度计算的理论、模型与方法

粒度计算(Granular Computing,GrC)是信息处理的一种新的概念和计算范式,覆盖了所有有关粒度的理论、方法、技术和工具的研究．它是词计算理论、粗糙集理论、商空间理论、区间计算等的超集,也是软计算科学的一个分支．它已成为模糊的、不完整的、不精确的及海量的信息处理的重要工具和人工智能研究领域的热点之一．另着重介绍了粒度计算的研究现状、基本问题、主要模型与方法,并提出了进一步的研究方向．     

审计信息系统全覆盖联网数据精准定位方法

针对传统数据定位方法中存在的定位精度较低、时间较长等问题,提出审计信息系统全覆盖联网数据精 准定位方法。采用近邻方法对审计信息系统全覆盖联网数据关联进行分析,引入相关品质函数理论,将传感器 获取的多特征数据转入到关联判决过程,计算关联测度。在此基础上,根据关联测度的计算结果,通过改进的 KCF 算法组建目标跟踪器,利用跟踪器获取目标具体的运行状态,采用数据关联算法得到目标相对应的跟踪集 以及检测集,根据加权融合三特征的跟踪结果,准确获取审计信息系统中各个目标数据的具体位置,实现数据 精准定位。仿真实验结果表明,所提方法能快速准确获取审计信息系统全覆盖联网数据的具体位置。     

基于相似度的模糊粗糙近似算子

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具.相似度是用于比较2个相似的模糊粗糙集所包含信息的精确性大小的,是模糊集理论和粗糙集理论的热点问题之一.文章利用一种改进的相似度定义了模糊粗糙近似算子,重新定义了粗糙集的一些概念,给出并证明了模糊粗糙近似算子的几个性质.     

高校信息化工程多级模糊评价模型构建4E 标准

高校信息化建设项目在实施过程中常常出现很多风险因素的干扰,导致信息化项目风险很大。为此,基于4E 标准,通过分析高校信息化工程的特点,对高校信息化工程的多级模糊评价模型进行了构建,通过统计分析,得出影响高校信息化工程的风险等级和风险因素权重,以便高校能对整体风险状况进行更好的了解,对风险对象进行控制。通过运用模糊评判模型对M 高校的信息化工程指标体系进行了评价,对其综合风险度进行了确定。结果表明,在M 高校信息化工程的两个一级指标中,电子邮件风险对高校信息化工程风险具有较大影响,风险概率为54． 4% ,属于较高风险等级; 影响信息化保证风险的二级指标因素中,教学信息化风险概率为51． 7% ,属于高风险等级,因而,要加强组织保障、管理规范、安全保障、信息化绩效考核的建设。     

融合BabelNet 的多语言智能信息检索模型

传统的跨语言信息检索存在翻译映射准确度低和查询扩展后语义偏离等问题。为此提出结合统计学和 本体论的方法构建多语言信息检索模型,通过使用统计翻译解决翻译映射歧义问题,使用多本体BabelNet 等减 少语义关联度损失。由于本体包含大量概念联系,因此使用本体作为语义层表示设计了语义权重算法,并将其 构建在BM25F 统计信息检索模型上作为用户反馈的排序算法。最后根据建立的模型设计实现了多语言信息检 索原型系统,并用基于爬虫技术获取的数据测试集对模型进行测试,实验结果表明,该模型平均查准率高于传 统的基于机器翻译的信息检索模型。