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。     

第六型覆盖粒计算模型

通过覆盖粗糙集上的邻域关系定义了一种新的Zoom-in算子,并讨论了它的性质及其与已有的Zoom-in算子之间的关系.讨论了新定义的Zoom-in算子与Zoom-out算子之间的不同复合而产生的不同的近似算子的性质.进一步建立了这些算子与拓扑空间及Galois联络之间的联系.特别地,证明了2个算子在论域上复合得到的近似算子,恰是基于覆盖的第六型粗糙近似算子.     

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.     

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.     

覆盖粒计算在信息检索模型中的应用

将广义覆盖粗糙集理论及其计算运用到信息检索模型.通过建立查询式和库中文档之间的联系的要点构造了基于覆盖粗糙集理论的的两类信息检索模型,并给出了一些相关的上、下近似算子扩展定义.     

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.     

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.     

彩色图像的球形粒计算分割算法

针对基于聚类的彩色图像分割算法速度较慢,提出了彩色图像的球形粒计算分割算法.将彩色图像每个像素点表示为以该点RGB像素值为中心0为半径的球形粒,设计球形粒之间的合并算子,利用粒度阈值对两球形粒进行有条件合并,得到不同粒度的球形粒组成的球形粒集,以球形粒中心对应的RGB值代替球形粒包含像素点的RGB值.实验结果表明:与K-means算法和FCM算法相比,球形粒计算分割算法是稳定的而且分别加快了6倍和34倍.     

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DFS的并行粒计算模型及其应用

粒计算是近几年提出的新概念。在粒计算领域中,动态模糊性是普遍存在的,而人们在用粒计算求解问题时又希望从并行角度来求解问题。因此,基于DFS,给出并行粒计算模型和算法,并用实例进行分析,说明该算法是有效的,从而进一步丰富了粒度计算的研究内容。     

基于覆盖约简的粒度空间及粗糙集模型研究

在覆盖粗糙集的并可约粒度空间模型研究中,针对从覆盖到基的约简规则,结合偏序关系的哈斯图,给出一种对覆盖约简的新方法.另外,在并可约粒度空间上讨论了粗糙集模型的相关性质.     

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。     

粗糙集与商空间融合的粒计算模型理论研究

主要结合粗糙集和商空间理论,考虑信息系统IS的四元组(U,A,V,f),利用这个四元组来讨论拓扑空间的性质,抽象和总结粗糙集和商空间相互融合的粒计算模型,拓展了粒计算的应用范围,也为粒计算理论的发展提供一种新的研究思路.     

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.     

基于信息表的粒子计算研究

使用信息表可以开发简单、具体的粒子计算模型,粒子计算提供了用于问题解决和信息处理的通用方法.通过信息表描述决策逻辑语言及粒子计算,给出具体实例并进行分析.