基于粒集的概念粒系统

在作者提出的粒计算新模型──粒集理论的基础上,提出了粒系统、概念粒系统和粒概念等概念,并对它们分别进行了描述,其中粒系统的描述是五元组形式,即(U,D,L,H,J).当约束J的形式为一种特殊形式,即为概念中内涵与外延间反变关系的数学描述时,(U,D,L,H,J)就是概念粒系统.由此给出了概念粒系统的一些基本数学性质,证明了全体粒概念构成一个完备格──粒概念格,同时初步探讨了形式背景与概念粒系统之间的关系,从而进一步扩充了粒集理论的内容,完善了粒集理论.     

概念知识粒与概念信息粒的相互转化

在研究概念知识粒和概念信息粒的基础上,进一步讨论了Ⅰ-型概念信息粒、Ⅱ-型概念信息粒和概念知识粒之间的转换关系,并给出了新的转化方法,进一步揭示了概念信息粒和概念知识粒之间的关系。这些结论为生成近似概念和获取近似规则提供了理论基础,促进了粒计算理论的发展。     

粒矩阵与Rough关系矩阵

针对Rough集本身的代数定义和其他各种扩展模型没有提供简捷的计算边界元素数目的算法,笔者定义了粒矩阵和Rough关系矩阵,采用二进制粒矩阵运算代替传统的等价类计算获得上、下近似,灵活高效。从集合论的角度完善了Rough集理论,并在此基础上,提出了基于粒矩阵的知识发现算法,同时举例证明了Rough包含与Rough相等的隶属度函数定义的充要条件仅仅是必要条件。     

LF集合列的极限集

以LF集的分解定理及经典集合列的极限为基础，建立了LF集合列的极限集的概念，讨论了极限的运算法则，并进一步证明了R型LF集的Fuzzy运算的极限运算性质．     

基于粒计算的距离与贴近度相关性研究

为了刻画和度量粒集合之间的差异和相似程度,以粒度计算方法为前提,借鉴已有的软计算理论成果,给出了粒集和公式的公理化定义,并且给出了粒计算距离和贴近度的相似性理论,对粒计算的距离与贴近度的相关性进行分析.这些结论将有助于人们理解粒度的本质,对于建立信息系统中的粒计算有着重要的指导意义.     

基于粒计算Rough集模型的逻辑推理应用研究

讨论了粒计算理论信息粒子的构成,结合Rough集知识模型给出了信息决策系统不确定性推理的粒计算公式及其过程.针对水产养殖中鱼病诊断信息的模糊性、随机性等不确定特点,通过鱼病症状集形成条件属性粒子、疾病集形成决策粒子而构成的模糊信息决策表,描述出主要逻辑推理算法,即鱼病诊断的规则获取过程,促进粒计算理论应用,同时也为鱼病诊断领域提供了新方法.     

形式概念分析的粒计算方法及其研究展望

形式概念分析是知识表示与处理的一种实用数学方法,因其核心工具概念格的构造代价涉及指数时间复杂度,它在一定程度上导致其处理数据效率不高,这个问题也一直阻碍着该理论的快速发展与广泛应用。粒计算以粒的形成、粒的转移、粒的合成与分解等手段有效解决问题而著称,它允许问题在各个粒化层面上得到处理,并根据实际需要在解决问题的精度与耗时之间做出权衡。形式概念分析的粒计算方法的主要研究目标是将粒计算的这些优势融入传统形式概念分析中以有效解决数据分析与处理问题。具体地,本文从Galois连接的粒计算模型、对象粒化、属性粒化、关系粒化、关系诱导的概念粒化、粒规则、粒约简、粒概念、粒概念学习、概念粒计算系统等角度展示形式概念分析的粒计算方法的主要研究内容,并针对大数据与认知学习提出若干挑战性问题。有关讨论结果将为形式概念分析的粒计算方法的研究与发展提供借鉴。     

基于粒计算的二进制矩阵及在决策树算法的应用

介绍了基于粒计算的二进制信息粒矩阵,给出了粒计算粒度的概念、粒的关联度运算、关联粒度矩阵和条件属性重要度等几个基于二进制信息粒计算的基本定义,并基于上述定义提出一种新的基于粒计算的决策树分支和剪枝算法在气象预报中的应用,实例结果证明了所提出的算法是有效和可行的.     

基于粒计算的信息系统规则提取方法

根据关系的粒矩阵表示和矩阵运算简便直观的特点,计算条件属性集的粒关系包含度矩阵,并在该矩阵中获得满足给定阈值的决策规则集合;在保持该集合中元素个数不变的前提下对决策信息系统进行属性约简,并在约简的属性集上提取具有更高泛化能力的决策规则.理论证明和实例分析检验了该方法的可行性和有效性.     

属性偏序形式结构的数学形式化

属性偏序形式结构,作为一种基于人类认知原理和粒计算思想的知识发现和知识表示新理论,目前已有广泛的应用,但其理论基础缺乏抽象化数学化,这势必影响该理论的系统发展。针对上述问题,研究了属性偏序形式结构的数学形式化描述问题。首先,基于粒计算的思想提出了知识表示的形式化框架。在此基础上,通过定义对象集合的覆盖和最简覆盖,给出属性偏序形式结构的粒和粒群的概念,进而通过对粒衍生出粒群的充要条件的讨论,给出了属性偏序形式结构中的知识结构,从而完成属性偏序形式结构的数学形式化描述。最后,通过具体实例展示了利用数学形式化描述构造属性偏序形式结构的过程,并揭示了该过程所体现的人类认知规律。     

Dominance-based rough set approach as a paradigm of knowledge discovery and granular computing

Dominance-based rough set approach(DRSA) permits representation and analysis of all phenomena involving monotonicity relationship between some measures or perceptions.DRSA has also some merits within granular computing,as it extends the paradigm of granular computing to ordered data,specifies a syntax and modality of information granules which are appropriate for dealing with ordered data,and enables computing with words and reasoning about ordered data.Granular computing with ordered data is a very general...     

Dominance-based rough set approach as a paradigm of knowledge discovery and granular computing

Dominance-based rough set approach (DRSA) permits representation and analysis of all phenomena involving monotonicity relationship between some measures or perceptions. DRSA has also some merits within granular computing, as it extends the paradigm of granular computing to ordered data, specifies a syntax and modality of information granules which are appropriate for dealing with ordered data, and enables computing with words and reasoning about ordered data. Granular computing with ordered data is a very general paradigm, because other modalities of information constraints, such as veristic, possibilistic and probabilistic modalities, have also to deal with ordered value sets (with qualifiers relative to grades of truth, possibility and probability), which gives DRSA a large area of applications.     

一种基于知识颗粒的高效完备属性约简算法

为获取高效算法,结合Rough集和粒计算理论,基于知识颗粒设计出获取等价类的算法及计算正区域的等价算法,使用动态SQL语句直接获取已排序的对象集,省略类似算法必需的排序算法,降低了实现的复杂度.给出一种增量式的属性约简算法,设计5种选择属性的新启发策略供算法使用,可避免无用属性入选,更有效去除可省属性及缩减搜索窄间等,确保约简算法的完备性,简化了中间步骤,从而保证算法的高效性.理论分析及实验结果表明:采用该约简算法的时间复杂度和实际求解时间均比采用现有算法的时间复杂度和实际求解时间低,并能更好地适应海量数据集的挖掘.     

基于泛系算子的泛系混合并联粗糙集模型

在泛系混合并联空间概念的基础上,为了操作由任意给定的二元关系对知识进行划分得到的粒子,使用泛系理论的转化思想和转化后的等价关系对目标概念进行近似逼近的方法,提出了基于泛系混合并联等价算子的泛系混合并联粗糙集模型。通过讨论该模型的基本性质,证明了该模型是泛系粗集的一种广义化表现形式。通过实例说明了在不同泛系混合并联等价算子的作用下产生不同知识库的粒子,为深入研究粒度计算提供了一个新的研究方向。     

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。     

一种可伸缩的粒计算知识获取方法

粒计算是一种新的智能信息处理理论,它很大程度上模拟了人脑认识和解决问题的过程.通过对信息表分层粒化模型的研究,引入了粒分布链表的概念来生成粒子,并改进了一个粒计算算法.改进算法使用数据库技术对原始数据集进行粒化来生成粒分布链表,能够直接处理海量数据集,同时不影响原算法的有效性.通过试验测试了该方法的有效性及可伸缩性.     

The rise of granular computing

This paper has two purposes. One is to present a critical examination of the rise of granular computing and the other is to suggest a triarchic theory of granular computing. By examining the reasons, justifications, and motivations for the rise of granular computing, we may be able to fully appreciate its scope, goal and potential values. The results enable us to formulate a triarchic theory in the light of research results from many disciplines. The three components of the theory are labeled as the philosophy, the methodology, and the computation. The integration of the three offers a unified view of granular computing as a way of structured thinking, a method of structured problem solving, and a paradigm of structured information processing, focusing on hierarchical granular structures. The triarchic theory is an important effort in synthesizing the various theories and models of granular computing.     

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。