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。     

基于粒计算的不确定性时间序列建模及其聚类

在多粒度时间序列研究中不确定性问题是时间序列数据挖掘研究中的重要课题.时间序列时序粒度本身的不稳定是一种广泛存在现象,也是时间序列数据挖掘困难的一个重要原因,然而这种情况却较少文献进行过讨论.对于这个问题首先建立了多粒度时间序列的基础数据模型及相关时序粒度的定义.其次对时间粒度不确定性现象的不同成因进行了讨论,并建立相应的不确定性时间序列数据模型.最后基于上述理论和粒计算的思想,多粒度时间序列的最优粒度获取和不确定性粒度时序粒度的基本稳定策略分别进行了研究和讨论.由于聚类分析是时间序列数据挖掘中的最重要的理论研究和应用基础之一,不确定性多粒度时间序列数据的聚类成为一个典型的时间序列数据挖掘难题.一个引入稳定粒度策略的聚类算法框架被提出来解决这类不确定性时间序列数据的聚类问题.最后一个典型的具有不稳定粒度时间序列特点的重症监护病房生理指标数据集和病人存活率预测实验被应用于验证上述理论.实验结果表明在时间序列数据挖掘中选择不同的时间属性粒度对于数据挖掘的效果符合粒计算的计算规律,同时选择了粒度稳定性处理策略聚类算法的实验能够获得更好的预测效果.     

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.     

粒计算及其在机械故障智能诊断中的应用

为了更好地揭示原发性、早期微弱以及复合故障的发生发展规律,以粒计算理论为基础,提出了基于相容粒度空间模型的智能故障诊断方法.该方法通过层次化和粒度化来表示原始数据中蕴涵的不同设备运行状态的信息,使得不同故障状态被高效地映射到粒结构的不同层次上,达到正确区分各类故障的目的,利用得到的约简属性集构建相容粒度空间模型,对电力机车轮对轴承的早期微弱故障、严重故障以及复合故障进行诊断,取得了较高的分类精度.实验结果表明,与RBF神经网络方法相比,模型有着很高的分类性能,对9类故障状态的分类准确率达到了91.11%,说明相容粒度空间模型在机械故障诊断方面具有很好的分类性能.由于约简方法可以弥补特征评估技术不能直接获得最优特征组合的不足,因此提高了模型的工作效率.     

基于距离的粒计算分类算法

提出了一种基于距离的粒计算分类算法.首先,将粒表示为具有超菱形、超球和超正方体三种形式;第二,设计两粒之间的合并算子,实现不同粒度之间的转换;第三,选取粒度阈值,控制粒之间的合并过程,并构造基于距离的粒计算分类算法.使用UCI机器学习的基准数据集合验证该算法的性能,实验结果验证了基于距离的粒计算分类算法的可行性.     

基于二二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。     

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。     

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.     

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。     

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.     

利用全局优化打洞函数的粒计算方法

打洞函数法是一类有效的确定性全局优化方法,通过打洞函数可以评估不同的粒度空间.利用全局优化方法构造粒化算法,并在改进打洞函数的概念后给出了一个易操作的单参数打洞函数及粒化算法,数值实验表明所给粒化算法是有效的.     

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.     

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].     

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.     

基于粒计算的变形分明函数分析及属性约简证明

为了对分明矩阵和分明函数属性约简法予以理论上的证明,一个变型的分明函数被构造,它被定义为析取范式的逻辑公式.通过对变型分明函数以及等价转换成的最简式对应粒性质的讨论,证明了变型分明函数对应的粒等于所有分明关系的并.由此证明了最简式中所有的合取项就是信息系统属性集的全部约简.从而以粒计算的方法完成了分明矩阵和分明函数属性约简法的理论证明.