信息粒与粒计算研究

针对粒计算领域没有一个统一的粒度模型的现状,提出信息粒的一般表示,并在此基础上建立了信息粒的交、并、补等计算方法,给出粒子空间的定义、粒子空间的层次关系,以及问题在不同粒子空间的求解关系。该粒子模型具有较强的知识表达能力和问题转化能力,有利于从一般的角度来研究粒计算的理论和方法。     

基于粒关系矩阵的流量在线分类

随着各种网络应用爆发式增长,流量的在线分类陷入困境之中.传统的基于包统计特征的机器学习方法适用于稳定的网络环境,当网络拥塞出现严重的时延和丢包时将产生较大误差.因而本文提出基于粒计算模型的分类方法.粒计算属于人工智能计算的分支,当数据缺失、信息不完全或是有噪数据仍拥有较高的分辨能力.为此本文将网络流量定义成粒子并构造粒...     

基于粒计算的基因挖掘

有关基因挖掘及其功能分析的研究已有很多。近年来,研究者已进行了基因表达数据分析中的特征基因提取、基于粗糙集的基因表达数据分类研究、粒计算在基因微阵列数据特征选择中的应用等研究。应用粒计算约简理论对基因表达数据进行分析,有助于发现具有不同效用的基因;在粒计算的基础上对特征基因进行挖掘,是当今生物学与信息技术学相互联系进行研究的重点和热点。     

基于粒计算的入侵检测系统研究

入侵检测系统作为保护网络系统安全的关键技术和重要手段,已经成为当前网络安全研究方面的热点。粒计算作为人工智能领域中的一种新理论和新方法,将其应用在入侵检测中具有重要的现实意义。为了讨论该方向上尚未解决的问题和发展趋势,采用了用等价关系来描述粒,用粒来描述概念的方法,并用实验证明了该模型能非常有效地将正常和异常的系统调用序列区分开,得到用粒计算的方法论可以解决入侵检测问题的结论。     

倒数粗糙熵图像阈值化分割算法

基于粗糙集理论的粗糙熵阈值法不需要图像之外的先验信息。粗糙熵阈值法需要解决两个问题,一是图像信息不完整性的度量,二是图像的粒化。该文基于倒数信息熵,提出一种倒数粗糙熵用来度量图像中信息的不完整性。为了更好地对图像进行粒化,采用一种基于均匀性直方图的粒子选取方式。该文提出的倒数粗糙熵表述简洁,计算简单。实验验证了该文方法的有效性。     

基于粒计算的增量式知识获取方法

该文在研究粒计算理论的基础上,提出了一种基于粒计算的增量式知识获取方法。该方法通过建立决策信息系统原始的知识粒树,对新增数据,在原始知识粒树中查找相匹配的知识粒,并依据决策值更新知识粒树,实现快速高效地处理动态信息系统。算法分析及实验对比结果表明,该方法在动态信息系统知识获取方面优于RGAGC和ID4方法。     

一种基于任务粒化的服务组合优化方法

在big service背景下,越来越多的资源以服务的形式发布与使用,用户需求越来越复杂,导致服务组合计算规模呈指数级增长.本文提出一种任务粒化算法（TgA,Task-granular Algorithm）,用于快速有效地求解大规模服务组合优化问题.首先,构建任务粒化分层服务组合模型,并分析了该模型的计算复杂性;其次,根据现有QoS属性计算方式,从理论上分析其在任务粒化过程中的可行性;最后,大量仿真实验结果表明,相比于经典的PSO算法,TgA可以将服务组合优化时间性能提高约4至7倍,且寻优精度提高10%以上.     

代数商空间的同余结构研究

商空间理论是粒计算最为重要的模型之一,现有的商空间模型的结构一般为拓扑结构.当论域结构是代数结构时,拓扑结构中的等价关系已经不再适用,所以使用比等价关系约束更为严格的同余关系.当给定关系是非同余等价关系时,则引入同余闭包和同余内核的概念来逼近非同余等价关系.本文系统的论证了同余闭包和同余内核的求法以及一些相关性质与结论.以此为基础,对代数商空间模型合成进行系统的研究,为使用商空间理论解决代数结构的复杂问题提供了理论基础.     

图像模糊信息粒的适应性度量及其在边缘检测中的应用

关于模糊信息粒的研究现在已逐渐成为一个新的热点.本文就依靠模糊信息粒处理图像的有效性问题做了深入的讨论,提出了模糊信息粒相对于图像的适应性度量问题,并给出了一种度量的定义;另外,我们将这种度量思想应用到图像的边缘检测中,得到了一种新的基于模糊信息粒的边缘检测方法.该方法有很强的物理背景,实验表明它的效果很好,是一种实用的、有前途的检测算法.     

基于粒矩阵的多输入多输出真值表快速并行约简算法

真值表是表征逻辑输入与输出之间因果关系的重要工具,真值表约简在数字逻辑电路的分析与设计中具有重要意义.该文将真值表看作逻辑信息系统,将真值表约简转化为逻辑信息系统的最简规则获取.采用粒计算分层粒化的思想,在不同粒度下,利用粒矩阵的知识表示形式、粒矩阵中的启发式知识以及粒矩阵运算,设计了多输入多输出真值表快速并行约简算法.以发光二极管七段数字显示器为例进行了算法说明,通过数学证明和算法复杂性分析证明了算法的正确性和有效性.     

A Granular Computing Model Based on Tolerance relation

1 Introduction Granular computing[1]is a newintelligent computingtheory and method based on partition of conceptionspace , more and more researchers pay attention to thisfield nowadays . In the course of Artifical Intelligence(AI) research,thefollowing methodis usedfrequently.Firstly, we dividedthe whole probleminto many parts .Secondly, we get the solutions for each part respective-ly.Finally,we get the solution of the whole problembyintegrating all solutions for these parts . The idea ofg…     

A granular description of ECG signals

In this paper, we develop a general framework of a granular representation of ECG signals. The crux of the approach lies in the development and ongoing processing realized in the setting of information granules-fuzzy sets. They serve as basic conceptual and semantically meaningful entities using which we describe signals and build their models (such as various predictive schemes or classifiers). A comprehensive two-phase scheme of the design of the information granules is proposed and described. At the first phase, we discuss the temporal granulation through a series of temporal windows (granular windows) and an aggregation of the values of signal by means of fuzzy sets. To address this issue, offered is a detailed method of building a fuzzy set based on numeric data and a certain optimization criterion that strikes a balance between the highest experimental relevance of the fuzzy set supported by numeric data and its substantial specificity. At the next phase of the granular design, a collection of information granules is further summarized with the use of fuzzy clustering (Fuzzy C-Means). The resulting prototypes (centroids) formed by this grouping process serve as elements of the granular vocabulary. We discuss ways of using these vocabularies in the knowledge-based representation, modeling, and classification of ECG beats.     

Fuzzy computing for data mining

The study is devoted to linguistic data mining, an endeavor that exploits the concepts, constructs, and mechanisms of fuzzy set theory. The roles of information granules, information granulation, and the techniques therein are discussed in detail. Particular attention is given to the manner in which these information granules are represented as fuzzy sets and manipulated according to the main mechanisms of fuzzy sets. We introduce unsupervised learning (clustering) where optimization is supported by the linguistic granules of context, thereby giving rise to so-called context-sensitive fuzzy clustering. The combination of neuro, evolutionary, and granular computing in the context of data mining is explored. Detailed numerical experiments using well-known datasets are also included and analyzed     

奇异值分解算法优化

奇异值分解算法在信号处理、图像处理、信息安全等领域均有重要应用.针对该算法存在的性能问题,提出了基于gamma:1驱动的数据重用模型,提高计算负载平衡性,降低数据通信量;给出基于多处理器的并行分解模型,数值试验均表明算法具有较高的并行加速比和效率.     

SAR地面数据处理站的构建

提出了一种基于浏览器／服务器结构的高性能SAR地面数据处理站的构建模式，采用CGI技术将用户交互界面与图像计算功能相分离，以高性能工作站作为计算服务器对SAR图像进行处理，大大降低了对客户终端的性能要求，充分利用了服务器的强大计算能力和内存容量及客户浏览器的灵活访问方式，自然地实现了SAR图像数据管理、情报处理和情报分发功能。该模式已在实际SAR地面系统中得到应用，使SAR图像的处理速度得到显著提高。     

Multiple layer design for mass data transmission against channel congestion in IoT

Internet of Things (IoT) is well studied from many aspects; however, data transmission in a large‐scale constructed IoT network is still an open topic. In this paper, the problems of channel congestion caused by mass data transmission are discussed respectively from different perspectives. Then, a multiple layer solution is proposed, pointing to each layer including data processing architecture, data dimension reduction, data abandon protocol, and spectrum sharing. In the architecture layer, a combined scheme with cloud computing and sea computing is introduced. Context awareness and granular computing is exploited to implement the data dimension reduction. And cognitive protocol is involved with type of service, which drops certain data to guarantee the entire network connectivity. Then, a principal–agent theory based two‐step game model is proposed with the consideration of cooperation and price coefficient, which affect the secondary user's choice and primary user's profit. Some incomplete information is assumed as random variables so that certainty equivalent is introduced in the model. A simple scenario shows how the data dimension reduction works and how simulations for data abandon protocol and spectrum sharing test the two parts, respectively. Copyright © 2012 John Wiley & Sons, Ltd.     

MapReduce框架下的粒概念认知学习系统研究

针对经典的概念学习算法难以处理大规模数据集的问题,本文提出一种基于MapReduce框架的粒概念认知学习并行算法.该算法借鉴认知心理学的知觉和注意认知思想,并融合粒计算的粒转移原理.首先构建适应大数据环境的粒概念并行求解算法,并与经典粒概念构造算法做了对比,在此基础上分别从外延和内涵角度建立了粒概念认知计算系统,然后对给定对象集或属性集进行认知概念学习.实验结果表明,该并行算法是有效的,适合海量数据的粒概念认知学习.