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.     

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.     

基于粒计算的正态粒集下的格贴近度

通过对传统模糊集贴近度公理化定义的改造,使得粒集的格贴近度反映两个粒集之间的接近程度。对实例分析后,给出基于粒计算满足正态分布的一种格贴近度函数及其相关定理和证明,方便实际问题的分析和处理。     

变精度区间集概念格

变精度概念格是利用蕴含算子和一个阈值定义的模糊形式背景下的概念格.为刻画部分已知的变精度概念格,将区间集引入到模糊形式背景上,定义外延与内涵均为区间集的变精度区间集概念格,研究它们的性质.在此基础上进一步研究变精度概念格与变精度区间集概念格之间的关系.根据变精度区间集概念的结构特点,将变精度区间集概念格分解成与变精度概念格同构的几个子格,由此给出了构造变精度区间集概念格的方法 .     

三支区间集概念格

分别在完备和不完备形式背景下提出了三支区间集概念格模型,然后讨论对象诱导的三支区间集概念格与区间集概念格之间的关系,证明由区间集概念得到对象诱导的三支区间集概念的充要条件,并设计相应的算法。最后讨论对象诱导的三支区间集概念与经典概念之间的联系,证明由经典概念得到对象诱导的三支区间集概念的充要条件,并设计相应的算法。     

区间集概念格的构造理论研究

区间集概念格是对形式概念分析理论的扩展,也是形式概念分析与区间集理论相结合的产物。区间集概念所反映的是人类认知的动态描述,它比形式概念更复杂,而在此基础上形成的区间集概念格也更为复杂。文中在研究区间集概念格与概念格之间关系的基础上,提出了一种构造区间集概念格的方法,其主要思想是将概念格中的形式概念在某种合适规则下融合成区间集概念。最后给出了该方法相应的算法。     

区间集概念格属性约简的组成与结构

区间集是解决部分已知概念、近似不可定义或复杂概念的研究工具。概念格是机器学习、数据挖掘、知识发现和信息检索等领域的一种很有效的数据分析工具。区间集概念格是这两种方法的结合,是对于部分已知概念或不可定义概念信息系统进行机器学习、数据挖掘、知识发现和信息检索的一种有效的数据分析工具。区间集属性约简是揭示区间集概念格本质特征的一种方法。本文揭示了区间集属性约简的组成与结构:两个区间集相对必要属性不能在同一个区间集属性约简中出现;区间集约简与任何一个区间集相对必要属性等价类的交都不空;核心属性和每个区间集相对必要属性等价类中取一个属性组成的集合一定是区间集属性约简。     

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。     

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.     

基于相容粒度空间模型的图像纹理识别

信息粒广泛存在于现实世界中,是对现实的抽象.信息粒化旨在建立基于外部世界的有效的并以用户为中心的概念,同时简化人们对物理世界和虚拟世界的认识.使用信息粒进行计算是粒度计算的基本思想,在问题描述和求解中都具有重要的意义.主要研究一种新的粒度计算模型-相容粒度空间模型在图像纹理识别中的应用.该模型基于这样的思想,即人类具有根据具体的任务特性把相关数据和知识泛化或者特化成不同程度、不同大小的粒的能力,并进一步根据这些粒和粒之间的关系进行问题求解的能力.通过在多个数据集上和10种其他图像纹理识别算法的比较实验表明,该方法在图像纹理识别上具有良好的应用效果.     

基于相容粒度空间模型的图像纹理识别

信息粒广泛存在于现实世界中,是对现实的抽象。信息粒化旨在建立基于外部世界的有效的并以用户为中心的概念,同时简化人们对物理世界和虚拟世界的认识。使用信息粒进行计算是粒度计算的基本思想,在问题描述和求解中都具有重要的意义。主要研究一种新的粒度计算模型—相容粒度空间模型在图像纹理识别中的应用。该模型基于这样的思想,即人类具有根据具体的任务特性把相关数据和知识泛化或者特化成不同程度、不同大小的粒的能力,并进一步根据这些粒和粒之间的关系进行问题求解的能力。通过在多个数据集上和10种其他图像纹理识别算法的比较实验表明,该方法在图像纹理识别上具有良好的应用效果。     

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.