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。     

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.     

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。     

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。     

基于自反二元关系的粒计算新模型

对任意自反的二元关系,定义了新的zoom-in算子,从而给出一种粒计算的新模型.通过zoom-in算子与zoom-out算子的不同复合,分别得到论域和粒化的论域上的近似算子,并对它们的性质做了细致的研究.     

覆盖粒计算的新模型

基于覆盖重新定义了Zoom-in算子,通过Zoom-in算子和Zoom-out算子的不同复合分别得到论域及粒化了论域上的近似算子,并将它们与拓扑中的预内部算子、闭包算子建立联系。此外还详细讨论了它们的性质。     

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.     

产品设计冲突的粒计算消解模型

针对产品设计约束具有层次性、分布性及动态性的特点,用分布式约束满足问题模型难以进行产品设计冲突消解的问题。将产品设计转化为商空间粒度世界,建立了分层递阶粒计算产品设计冲突消解模型。对产品设计问题进行粒化和划分,通过商映射和粒度合成实现不同层次之间以及不同设计领域之间的映射和回溯,采用分层次、逐步细化的粒计算方法进行冲突消解。这种由粗到细、层层深入、逐层求解的粒计算消解方法简化了分布式动态约束满足问题,降低了问题求解的计算复杂性,具有系统性、整体性和层次性特点。     

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.     

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.     

基于粒计算的元胞自动机交通流的研究

将粒计算技术引入到元胞自动机的交通流研究中,从而为进一步提出基于元胞、粒和交通网络三层结构的交通流系统奠定基础,继而改进传统交通流模拟系统的架构.在此交通流模拟系统中,粒及粒计算的思想反映为系统设计中的车队概念,而在某一时间步进内,交通网络中所有车辆的更新将按照路段、车队、车辆的层级顺序进行.     

粒计算未来发展方向探讨

互联网时代大规模复杂信息的涌现,带来处理（计算）复杂性的高度增加,粒计算在解决这个问题上应该有所贡献。复杂信息具有复杂的结构,并具有显著的不确定性。因此,粒计算未来的发展,既要考虑不确定性的处理,又要分析处理信息的结构,所以只有通过将有效的结构分析与不确定性方法以及多粒度计算结合起来,才能解决网络时代提出的信息处理任务。     

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.     

Research of optimization to solve nonlinear equation based on granular computing

In this article, a real number is defined as a granulation and the real space is transformed into real granu-lar space[1]. In the entironment, solution of nonlinear equation is denoted by granulation in real granular space. Hence,the research of whole optimization to solve nonlinear equation based on granular computing is proposed[2]. In classicalcase, we solve usually accurate solution of problems. If can't get accurate solution, also finding out an approximate solutionto close to accurate solution. But in real space, approximate solution to close to accurate solution is very vague concept. Inreal granular space, all of the approximate solutions to close to accurate solution are constructed a set, it is a granulation inreal granular space. Hence, this granulation is an accurate solution to solve problem in some sense, such, we avoid to sayvaguely "approximate solution to close to accurate solution". We introduce the concept of granulation in one dimension real space. Any positive real number a together with movinginfinite small distance ε will be constructed an interval [a-ε,a ε], we call it as granulation in real granular space, denotedby ε(a) or [a]. We will discuss related properties and operations[3] of the granulations. Let one dimension real space be R, where each real number a will be generated a granulation, hence we get a granularspace R* based on real space R. Obviously, R∈R*. Infinite small number in real space R is only O, and there are three in-finite small granulations in real number granular space R* : [0], [ε] and [-ε]. As the graph in Fig. 1 shows. In Fig. 1,[-ε] is a negative infinite small granulation,[ε] is a positive infinite small granulation,[0] is a infinite small granulation.[a] is a granulation of real number a generating, it could be denoted by interval [a-ε,a ε] in real space [3-5].Letf(x)=0 be a nonliner equation,its graph in interval[-3,10]id showed in Fig.2.Where -3≤x≤10 Relation ρ(f‖,ε)is defied is follows:(x1,x2)∈ p(f‖,ε)iff |f(x1)- f(x2)|<εWhere ε is any given small real number.We have five appoximate solution sets on the nonliner equation f(x)=0 by ρ(f‖,ε)∧|f(x)|[a,b]max,to denote by granulations[xi1 xi2/2],[xi3 xi4/2],[xi5 xi6/2],[xi7 xi8/2]and[xi9 xi10/2]respectively,where |f(x)|[a,b]max denotes local maximum on x ∈[a,b].This is whole optimum on nonliear equation in interval [-3,10].We will get best opmension solution on nonliner equation via computing f(x)to use the five solutions dented by grandlation in one dimension real granlar space[2,5].     

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。