粒计算研究综述

粒计算（granular computing）是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法．它覆盖了所有有关粒度的理论、方法和技术，是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具．首先回顾了粒计算研究和发展状况，介绍了粒计算的基本组成和问题，综述了粒计算的基本模型和方法，并讨论了它们之间的相互关系，最后探讨了构建统一的粒计算模型、复杂问题空间的粒化、粒层之问的转换、高效的粒计算方法、新的粒计算模型、动态粒计算模型、自主粒计算模型、粒计算方法的模糊化以及粒计算模型的应用和推广等几个方面的关键问题．     

粒计算的基本问题和研究

粒计算是解决不精确、不完整、模糊以及海量信息问题的理论,是粗糙集、模糊集、词计算、商空间及区间计算等理论的整合和超越,覆盖了所有有关粒的理论、方法、技术和工具的研究。它应用合适的近似解代替最佳解,是对精确求解问题的数学的补充和发展。阐述了粒计算的内涵,研究了粒计算的可行性和必要性以及其基本问题;综述了粒计算的研究现状、主要理论及其比较,并对粒计算进一步发展的方向提出了诸如借鉴可定义方式等设想。     

粒计算研究现状及展望

在信息处理中,粒计算是一种新的概念和计算范式,其本质是透过合适粒度的层次来对问题进行求解,并且在此过程中去除繁冗,降低实现的复杂度。本文主要对粒计算提出的背景、概念、研究现状及发展趋势进行论述,同时也给出了作者自己的评论,最后探讨了粒计算的进一步发展方向。     

知识不确定性问题的粒计算模型

知识不仅是构成人类认知能力的重要基石,也是智能科学研究的基础问题之一.随着智能科学技术研究的发展,知识的不确定性研究受到人们的普遍关注.知识的不确定性来源于知识本身的不确定性以及受外界(客观世界)影响而导致的不确定性.从粒计算模型的角度分析了模糊集理论模型、粗糙集理论模型、商空间理论模型以及其他扩展粒计算模型中知识的不确定性问题,并对知识不确定性问题的研究工作进行了讨论和总结,对有待研究的重要问题进行了展望.     

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。     

基于粒计算的极限学习机模型设计与应用

在数据智能处理中属性重要度差异很大且具有高度非线性的特征,在这种情况下直接应用机器学习进行建模处理往往很难获得问题的有效解。针对此问题,文中探索了基于粒计算的属性重要度的排序方法且结合排序结果应用二元关系实现粒层划分算法;应用极限学习机对不同划分获得的粒层空间进行学习,进而对不同粒层空间的学习结果进行对比分析,从而获得最优划分与粒层;此外,将提出的粒度极限学习机模型应用于空气质量的预报问题,不仅加快了预报速度,而且获得的结果与实际预测高度吻合,实证了粒度极限学习机模型的有效性和可靠性。     

分布式卫星编队仿真系统

分布式卫星编队是近年出现的一种新型空间应用概念,该文简要地介绍了当前分布式卫星仿真的研究进展,在此基础上,以装备指挥技术学院所建立的仿真系统为背景,简要的介绍了分布式卫星编队协同控制仿真系统的实现。内容涉及仿真系统的基本构成,网络拓扑结构、系统的软件体系结构。重点介绍了采用Agent技术搭建的软件框架。最后给出了一个四星编队的仿真运行结果。     

网络结构分析的粒计算

网络结构分析是人工智能领域基本问题。应用粒计算方法讨论了网络结构信息计算,从粒计算基本问题角度,采用商空间理论研究了网络结构粒化和粒化后不同粒度空间中的问题,特别是基于粒化如何计算不同粒层的粒间距离问题。应用方面,讨论了大规模网络结构最短路径搜索问题。作为大规模网络路径分析的预处理方法,选择社团作为基本粒,将大规模网络粒化到不同的粒度空间,形成不同粒度商空间的分层递阶粒度链。提出了基于分层递阶粒度链的大规模网络的启发式路径搜索方法。与A*和ALT方法进行了比较,验证了粒计算方法的有效性。     

基于粒计算的大数据空间行为可视化技术仿真

传统大数据行为可视化过程存在抗干扰性差、处理时间长的问题.为此提出基于粒计算的大数据空间行为可视化技术.利用数据挖掘技术得到空间行为初始数据,通过矩阵向量来表示数据聚类图,根据粒计算的粒构建和分解原理,从粒度空间优化和多粒度联合计算两个方面,得到粒计算的预处理结果,并进行空间行为轨迹变换,最终通过图像绘制输出空间行为可...     

商空间模型下的Ontology形式化及其检验

形式化Ontology模型及其检验问题一直是人工智能中的研究热点。将粒度计算的思想应用到Ontology形式化建模领域,利用商空间理论对Ontology进行形式化,并在此基础上对Ontology进行模型检验。     

聚类的粒度分析

阐述聚类中不同粒度分析的意义,给出问题粒度的描述、粒度粗细的概念以及不同粒度间的关系,论证粒度分析的性质和粒度选择的方法,提出了聚类粒度分析法。相关数据的不同粒度聚类结果论证和说明了聚类粒度分析法的实效性。     

商空间理论在道路交通事故分析中的应用

从粒度计算角度对以往道路交通事故进行分析.首先在商空间粒度计算理论框架下,通过对历年事故影响要素的分析,得出商空间模型下的特征属性;再通过对以往事故的分析,运用统计学方法获取相应的决策属性,将特征属性和决策属性相结合采用构造性机器学习方法对交通事故进行预测,建立事故预测模型以实现较为准确的事故量预测和分析.实验证明这种...     

基于属性粒度商空间的本体形式化与检验

针对传统的本体形式化过程中从一个本体层次空间跳转到另一个本体层次空间存在的问题,将粒度计算思想引入本体建模领域,利用属性粒度商空间理论构建本体形式化模型,定义模型的各个部分,在此基础上对基于属性粒度商空间的本体形式化模型进行检验,验证该模型可以较好地满足本体层次之间的跳转及推理关系。     

粒度计算方法

粒度计算是一种用来处理不完全、不可靠、不精确、不一致和不确定知识的工具,它象一把大伞,覆盖了所有有关粒度的理论、方法论、技术和工具的研究,已成为人工智能研究领域的重要热点。本文从人类智能特点出发,分析了粒度的特征,提出了商空间理论的粒度计算模型。介绍了粒度计算的主要方法,并对这些方法进行了比较。     

基于商空间的气象时间序列数据挖掘研究

论文从一种新的角度,针对气象时间序列的特点,在商空间粒度计算理论框架下,采用多种粒度,从不同的层次分析复杂的气象数据信息,利用商空间的合成技术,和多侧面递进算法进行综合信息处理。并提出了一种灰色模型GM(1,1)与构造性机器学习方法(交叉覆盖算法)结合的模型对气象时间序列进行数据挖掘(产量预测)。最后,通过该模型在真实数据上的实验(冬小麦产量预测),取得了令人满意的结果。     

模糊集、粗糙集和商空间理论的比较研究

针对模糊集、粗糙集及商空间理论,从对智能的理解、粒的表示、粒度的定义和粒的关系这4个方面进行比较。分析比较结果可知,它们的共同之处有：用集合定义粒,用粒描述知识;不同之处有：词计算和粗糙集理论分别从微观角度研究词的推理和属性的约简,而商空间理论是从宏观角度研究粒度的变化规律。     

基于商拓扑结构的序列构成和预测

对多变量时间序列进行分析有利于更好地了解各时间序列的特性。根据相关性的时间序列在商空间模型中,可依据信息相关性,该文综合利用多个相关序列提供的信息对其中一个序列进行了预测,通过商空间理论的分解和合成法减小信息不完备产生的影响,从而获得更多准确信息和规则。     

基于粒计算的不完备信息系统的缺失值估计算法

将粒计算引入到不完备信息系统中,提出了粒域、粗糙粒域、邻近粒域的概念。由对象的粒域得到的邻近粒域估计缺失值,使缺失值与横向(属性)和纵向(对象)相联系,提高了估计值的可信度。