基于粒计算的多粒度数据分析方法综述

多粒度数据是一种特殊的、有用的数据类型,它通过对论域(研究对象的集合)采用不同的粒化方式使得数据能够在多个粒度空间中进行呈现,在此基础上可以开展数据的多层次知识发现研究.商空间理论、序贯三支决策、多粒度粗糙集、多尺度数据分析模型和多粒度形式概念分析是几种常见的、有效的多粒度数据分析方法,已受到人们的广泛关注.本文对基于...     

多粒度的图像检索方法研究

从商空间粒度理论角度分析了图像检索的过程,给出了基于商空间的多粒度图像检索方法。首先根据等价关系R(即图像主色的连通性)将图像划分为不同的区域,然后分别从颜色、形状、空间分布等不同的粒度提取区域的特征属性,利用商空间多粒度属性函数合成思想,将每个粒度下的属性函数合成,形成图像的特征向量,再根据此特征向量计算图像之间的相似度进行检索。实验结果表明,多粒度属性函数合成的检索方法要明显优于单一属性函数下的检索方法;与MTH方法和颜色体积直方图方法相比,其能够更加准确和高效地查找出用户所需要内容的图像,明显地提高了检索精度。     

覆盖多粒度下的形式概念更新方法

多粒度形式概念分析是数据挖掘与知识发现的重要工具.文中研究了覆盖多粒度下的形式概念的粗化和细化更新方法.首先,举例说明了现有的概念粗化更新算法可能导致概念缺失,通过分析缺失概念的本质特征,对现有概念粗化算法进行补充,并证明了新算法的正确性.其次,举例说明了现有的概念细化更新算法可能会生成冗余概念,通过分析冗余细概念的内涵特性,对现有的概念细化更新算法进行了优化,并证明了新算法生成结果的无冗余性,具有更低的时间复杂度.最后,通过实验验证了所提算法的有效性.     

不完备多粒度决策系统的局部最优粒度选择

粒计算是知识表示和数据挖掘的一个重要方法.从粒计算来看,一个粒是由多个比较小的颗粒组成的更大的一个单元.在许多实际应用中,由于不同标记尺度对数据集进行分割会得到不同层次的粒度,许多人在用粒计算解决问题时自然而然地考虑不同层次的粒度问题.这就促使思考如何选择一个合适的粒度层次来解决问题.围绕不完备多粒度决策系统,研究了基于局部最优粒度的规则提取方法.1)介绍了不完备多粒度决策系统的概念;2)在协调的不完备多粒度决策系统中定义了最优粒度和局部最优粒度、介绍了基于局部最优粒度的属性约简和规则提取方法,在不协调的不完备多粒度决策系统中引入了广义决策、定义了广义最优粒度和广义局部最优粒度,并给出了基于广义局部最优粒度的属性约简和规则提取方法;3)给出了在公开的数据集上的实验结果.     

可变多粒度粗糙集模型

通过分析乐观多粒度粗糙集和悲观多粒度粗糙集的不足之处,提出一种可变多粒度粗糙集模型。研究可变多粒度粗糙集、乐观多粒度和悲观多粒度粗糙集的性质,讨论它们之间度量的关系,研究可变多粒度粗糙集决策规则获取的方法。提出一种基于属性重要度的启发式约简的算法。实例分析结果验证该方法的可行性。     

粒度世界拓扑结构的理论研究

基于信息系统,定义论域上的距离函数、构造距离空间;然后从分析论域的距离空间出发,进一步导出论域的拓扑空间并分析其结构特征,建立有关理论;最后研究了由拓扑空间构成的拓扑世界空间,找到了定于该空间之上的格和布尔代数．并导出相关性质和定理,进一步丰富和完善粒度计算的理论体系．     

粒度计算模型的研究

粒度计算可以看作是利用粒度解决问题的理论、方法、技术和工具。文中介绍粒度计算的一些基本概念以及研究粒度计算的目的,阐述粒度计算研究的基本问题,分析当前粒度计算研究的几个模型,重点讨论不同粒度世界的描述法———商空间法,并从各种角度对几个模型做出比较,得出它们的联系与区别,证明几种方法各有优劣。     

商空间粒度的可逆性研究*

粒计算是近年来人工智能领域的重要研究热点,而商空间理论是最重要的粒计算模型之一,其主要思想是通过保假原理实现求解问题从细粒度到粗粒度的商空间构造过程。这个粒化过程是一个信息有损过程,是不可逆的,于是研究商空间粒度的可逆性。首先,提出逆商空间的概念并定义其构造方法,为商空间(粗)粒度到原空间(细)粒度的可逆转换提供形式化的数学方法;其次,通过分析逆商空间与原空间的一致性,论证并实例分析商空间粒度的两个可逆性条件——定义原空间上的双射函数或保证原空间上所有开集的饱和性。旨在进一步丰富和完善商空间粒度转换理论和粒计算方法。     

粒度计算模型的研究

粒度计算可以看作是利用粒度解决问题的理论、方法、技术和工具。文中介绍粒度计算的一些基本概念以及研究粒度计算的目的，阐述粒度计算研究的基本问题，分析当前粒度计算研究的几个模型，重点讨论不同粒度世界的描述法——商空间法，并从各种角度对几个模型做出比较，得出它们的联系与区别，证明几种方法各有优劣。     

基于商空间粒度计算的资源检索技术研究

针对现今互联网海量资源,资源检索速度越来越慢,资源库硬件成本越来越高昂的特点,论文提出基于商空间粒度计算的资源检索技术,通过对资源库分层递阶,从粗到细、逐步求精的检索方式,相对于传统检索方式——检索资源总库的检索方式,大大提高了使用者的检索效率.实验结果表明,基于商空间粒度计算的资源检索模式能更加高效高质地完成使用者的...     

基于最大粒的规则获取算法

粒计算是模拟人类思维和解决复杂问题的方法,它是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具。文中首先分析并指出传统的规则获取方法存在的某些弊端,并从粒计算的角度分析属性约简的粒度原理,指出属性约简过程的本质是寻找决策划分空间的一个极大近似划分空间,而在极大近似划分空间上提取的规则可能不是最简规则。为此,提出一种基于最大粒的规则获取算法,该算法根据条件属性对论域形成的分层递阶的划分空间,自顶向下逐渐提取最大粒对应的规则。仿真实验表明该算法提高粗糙集的泛化能力。     

基于粒度计算理论的数据分类建模

文章研究了基于粒度计算理论的数据分类建模,引入了全粒度空间的概念,定义了集合的粒度表示,给出了概念学习在粒度计算理论中的解释,导出了一个基于数据分类的知识发现模型,从而说明了知识发现可归结为在全粒度空间中寻找目标概念的最佳粒度表示,而各粒度描述的析取构成决策规则的前件。     

基于最大粒的悲观邻域多粒度粗糙集规则获取算法*

基于粒计算的规则获取在一定程度上弥补规则获取算法的缺陷,然而大多数算法仅适用于处理名词型数据.为了从多粒度、多层次的角度处理数值型或混合型数据,基于邻域多粒度粗糙集模型,通过计算邻域多粒度条件粒与决策粒,分析条件粒在规则获取过程中的冗余关系,进而通过剪枝规则获取过程中的冗余条件粒.在此基础上,设计较高效的基于最大粒的悲观邻域多粒度粗糙集规则获取算法.通过理论分析与实例对比验证算法的有效性和优越性.     

Signal processing and time series description: A Perspective of Computational Intelligence and Granular Computing

This study provides a general introduction to the principles, algorithms and practice of Computational Intelligence (CI) and elaborates on their use to signal processing and time series. In this setting, we discuss the main technologies of Computational Intelligence (namely, neural networks, fuzzy sets or Granular Computing, and evolutionary optimization), identify their focal points and stress an overall synergistic character, which ultimately gives rise to the highly synergistic CI environment. Furthermore, the main advantages and limitations of the CI technologies are discussed. In the sequel, we present CI-oriented constructs in signal modeling, classification, and interpretation.     

基于邻域互信息和K均值的基因选择算法

多数传统的属性聚类算法不能直接处理连续型属性,为了避免连续数据离散化处理时造成的信息损失,降低样本属性邻域求解的复杂度,提高特征基因提取的效率。文中提出一种将邻域互信息用于属性聚类的特征基因选择方法,用于在海量的基因表达谱数据中挖掘出少量的具有分类识别能力且冗余度较小的特征基因。     

基于粒计算与区分能力的属性约简算法?

传统的属性约简方法将整个数据集一次性装入内存,很难适应大数据背景下的数据分析。为此文中提出基于粒计算与区分能力的属性约简算法。该算法运用统计学中的分层抽样技术,拆分原始大数据集为多个样本子集(粒),在每个粒上运用属性的区分能力进行属性约简,最后将各粒约简结果进行加权融合,得到原始大数据集的属性约简结果。实验表明该算法对海量数据集进行属性约简的可行性和高效性。     

基于商空间理论多维多层次关联规则挖掘算法研究

传统的FP-growth算法在OLAP多维多层次关联规则挖掘过程中,存在明显不足,提出了基于商空间理论的多维多层次关联规则挖掘QCHFP-growth算法。在对其进行多维多层次频繁项集挖掘性能测试时,实验结果表明,较FP-growth算法在挖掘效率方面有显著提高。     

商空间理论(粒度计算方法)实现高精度模糊控制

该文应用商空间(粒度计算)理论,给出了高精度模糊控制器的实现方法。通过系统控制粒度的不断改变,采用粗粒度粗调、细粒度细调的方法,系统可以兼顾理想的稳态和瞬态性能指标。实践证明以上观点正确。     

基于数字荷尔蒙模型的信号灯控制算法

针对智能交通系统中信号灯控制问题,提出了一种基于数字荷尔蒙模型（DHM）的控制算法。数字荷尔蒙模型是自组织系统根据生物界中的细胞修复和重组的功能发展而来的。在数字荷尔蒙模型中,每个自治的计算粒子被模拟成细胞,计算粒子间传播一种称为荷尔蒙的信息。信号灯控制就是通过荷尔蒙信息中的吸引因子和抑制因子的变化和传播来获得交通系统全局最优;此外,信号灯的控制单位细化到车道上,不再只是对相位的优化,而且进一步提高了交通系统的行驶效率。     

基于信息粒的关联规则提取研究

粒计算作为一种新的信息和知识处理的方法,近年来在许多领域中得到了应用。本文在学习和研究粒计算基本理论与技术的基础上,将其应用于关联规则提取中。通过对信息粒进行二进制的与运算,分析计算结果中出现1的次数来进行规则的提取。