一种基于粒计算的知识隐藏方法

对数据中蕴涵的敏感知识的隐藏与保护是私有保护数据挖掘中重要一个研究课题。粒计算具有在不同的粒度层次上进行问题求解的能力。本文讨论了基于粗糙集粒计算模型的数据中知识隐藏与保护方法。首先,介绍了不完备信息系统下的相容关系、相容信息粒和信息粒度;其次,提出基于粒计算的知识隐藏与保护方法;最后,通过具体实例和在真实数据集上的测试表明了所提出方法的可行性。     

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。     

一种度量图像区域相似性的粒计算方法

为有效度量图像区域的相似性,提高基于区域的图像检索技术,本文结合粒计算理论提出一种新的图像区域相似性度量方法。该方法首先对经过图像分割的图像特征信息进行分析研究,定义图像特征信息系统、序特征矩阵、特征粒及粒库等概念,然后对序特征矩阵中特征粒的粒度进行分析推理,尝试在不改变图像特征信息系统中序关系的条件下,基于粒计算方法寻求有效的图像区域相似性度量方法。最后通过实例验证了该方法的有效性。     

一种新的粒计算的覆盖模型

定义了新的Zoom-in算子,并讨论了它的性质.证明了Zoom-in算子与Zoom-out算子复合得到的（论域上的）一对近似算子恰为基于覆盖的第二型上、下近似算子.     

一种基于粒计算的Multi Agent决策算法

为了克服单个Agent知识的局限性,提高系统决策的可靠性,提出了一种基于证据推理和粒计算的Muhi．Agent决策信息融合算法,并对Muhi—Agent合作决策进行了定义和描述。Multi．Agent决策融合划分为观测和决策两个阶段,观测Agent从环境信息中提取特征向量作为输入,信息粒化后降低了合成计算的复杂度。     

基于粒计算和使用次数的大数据价值计算方法

大数据作为一种战略资源在各行各业的应用逐渐增多,其价值也随之越来越大.为了评估大数据资源的价值,在对大数据进行粒化基础上,首次提出了基于粒及粒的子集使用次数的大数据价值计算方法,给出了基于算法模型的实用算例,证明了该模型计算出的大数据价值能满足粒度单调性以及数量单调性.     

一种扩充粒化的序列邻域分类方法

作为邻域粒化的核心应用之一,邻域分类器因其直观的构造手段、灵活的粒度表示以及不俗的分类性能受到了众多学者的关注与推广.然而,当训练样本数目较少时,测试样本邻域粒所能提供的有限信息无法有效地支持多数投票式的标签预测.鉴于此,提出了一种扩充粒化的序列邻域分类方法.首先,设计得分评估机制对测试样本进行排序;其次,利用传统邻域...     

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。     

普及高性能计算知识的一种途径

分析了我国在高性能计算方面的研究现状,论述了在我国高校本同普及高性能计算知识的必要性和可行性,并提出了相关的实施方案。     

知识与数据双向驱动的多粒度认知计算

认知计算是以人类认知为启发而提出的一种一致的、统一的、普遍的智能计算机制。文中介绍一种借鉴人类智能问题求解的多粒度思维机制、人类大脑\"大范围优先\"的认知机制和智能控制系统中\"智能计算前置\"的信息处理机制,实现知识与数据双向驱动的多粒度认知计算模型,即数据驱动的粒认知计算模型（DGCC模型）,实现符合人类认知的智能计算。在该模型中,数据被视为在多粒度空间中对知识的最细粒度层次表达,知识被视为数据在粗粒度层次的抽象。文中从知识驱动和数据驱动两个方向讨论DGCC模型中需要进一步研究的几个科学问题,并分析几个相关的多粒度认知计算应用案例。     

粒计算在基因微阵列数据特征选择中的应用

对于许多模式识别问题来说,特征选择是一个非常重要的数据预处理技术,这对于维数高,而样本又相对较小的微阵列数据来说更是如此.提出一种将粒计算与传统的SVM-RFE算法相结合的特征选择算法.这种算法能够有效地去除大部分与分类无关的基因;并且能够搜索到基因数量相对较少而分类能力相对较强的信息基因子集.     

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.     

基于DFS的并行粒度计算模型及其应用

针对粒度计算在并行计算中的工作机理,基于动态模糊集理论给出并行粒度计算模型和算法,并进行范例系统分析,结果表明该算法是有效的,从而进一步丰富了粒度计算的内容。     

基于粒计算的ID3决策树算法研究

利用粒计算对机器学习中的ID3算法给予重新思考与实现,采取人类问题求解的结构化思维方式,对数据进行粒化表示,使得机器问题求解的思路更易于让人接受,且运算模式更适于计算机上的实现.     

从局部到全局的规则模型：粒聚合研究

顾名思义,多视图模型是从不同的视角捕捉现实界系统的模型,通常包含本地可用的特性(如属性、输入变量)。综合考虑时,必须对一群多视图模型进行聚合。当建立一个包含所有属性的整体模型不可行且不能通过合理的计算实现时,多视图模型也会出现在包含大量变量的数据中。基于模糊规则体系结构,考虑和讨论2种情形。在构建多视图模型的聚合时,一个重要的任务是为整个全局模型设置一个可靠的质量度量,使用该度量可以有效地评估由规则模型生成的单个结果的相关性。提倡用输出的信息粒来量化结果的质量,而不是一个单一的数字结果。在上述2个情形中,使用合理粒度增强原理(粒计算的基础之一)聚合了一系列多视图模型产生的结果。认为多视图模型传递的结果多样性可以通过生成结果的粒度形式进行捕获和量化。最后,讨论了相关的优化准则和优化过程。     

基于信息系统的概念粒及其距离计算

在信息系统的基础上引人概念粒的概念,给出其规范的形式化方法,对概念粒的距离进行了定义,并研究了其距离的一些性质及应用.这些研究结果有助于理解粒的本质,能更准确的表述属性与对象之间的不确定性关系.     

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.     

支持报业柔性工作流模式的移动计算环境

提出了一种用于支持报业柔性工作流模式的移动计算环境。