基于代数粒的聚类方法

聚类,是机器学习的主要任务之一,也是粒计算理论的核心任务,即信息粒化。目前,基于粒计算的聚类算法中,大多数只基于粒属性进行聚类,而没有考虑粒结构,尤其是在代数结构应用广泛的信息领域。从粒计算的角度,提出一种基于代数粒的聚类方法。基于二元代数运算定义代数粒;提出一种基于代数粒的聚类方法,通过粒集的同余划分和粒结构的同态映射进行粒度聚类;将提出的聚类方法与容差邻域模型和商空间模型进行对比分析。结果表明,该新型方法具有更好的结构完备性和应用鲁棒性。基于代数粒的聚类方法从结构上丰富和扩展了粒度计算理论,为粒计算与机器学习的融合研究提供了理论依据。

商集统计Rough sets及其医学辅助诊断模式

在医学上没有正确的诊断,就没有正确的治疗。针对收集的确诊病例多,因假阳性或假阴性等造成误诊和漏诊的情况,以及根据诊断匹配时的要求不同,提出一种基于商集统计Roughsets的医学辅助诊断模式。通过对数据测试表明,该模式是可行有效的,是一种能根据临床需要进行辅助诊断的方案。

粒度信息决策算法之差转计算应用研究

分类决策问题是人工智能领域的核心问题,因素空间针对这一问题构建了相应的粒度信息决策算法,其中较为典型的有因素分析法及差转计算算法,这两个算法的本质是:根据单一条件信息与决策信息在论域中形成的等价类包含关系诱导出概念知识,但存在不能描述不同类型的因素在概念形成过程中的作用的局限。为解决这一问题,本文基于因素空间及商集合理论,定义了因素的析取、合取变换,在此基础上构造了数据粒度变换方法。为验证变换方法的有效性,以同为产生式推理算法的决策树算法为对比算法,在UCI经典数据集Wisconsin Breast Cancer上进行了实例验证,结果表明:数据粒度变换方法是有效的,知识挖掘形成经验推理系统的时间成本要低于决策树,经验推理系统泛化效果同决策树持平。

区间上的单调函数的连续性及其广义反函数

利用勒贝格测度理论证明了区间上的单调函数几乎处处连续,利用商集理论定义了一种带有参数的广义反函数,证明其与原函数具有相同的单调性。在此基础上,证明了广义反函数的广义反函数几乎处处等于原函数,并给出了实例加以印证。

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.

划分的和与划分的积

提出了不相交并集族的概念 ,给出了集合的划分的和与积的集合表达式 .

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、粒层之间的转换、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.

自然着色聚类过程中的网络安全事件计算

自然着色过程利用有部分重叠的短比特串映射,使两个Hash函数间带有相同的颜色,为判定两个Hash串是否同源提供了重要依据.在商集映射的视角下分析了多个不同的聚类函数间的差异和着色关系,结果表明聚类函数间的内部平衡性结合自然着色过程可以得到源串部分比特串的聚类特性,同时TCP宏观平衡性仍然保持不变.实验表明,利用这个特性可以从多个具有着色关系的短比特串映射的Hash存储空间得到如蠕虫爆发、DDoS之类的TCP宏观异常中发起者、受害者的聚类信息.因此自然着色过程大大扩展了TCP宏观平衡性的应用领域,为网络安全检测、监测和安全事件分布评估提供了有力的支持.

从人类智能到机器实现模型——粒计算理论与方法

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,是对人的意识、思维过程的模拟。粒计算是当前智能信息处理领域中一种新的概念和计算范式,是研究基于多层次粒结构的思维方式、复杂问题求解、信息处理模式及其相关理论、技术和工具的方法论。本文首先分析了人工智能模拟人脑智能的粒计算模式与方法,其次总结了粗糙集、商空间、模糊集、云模型、三支决策等几种典型的粒计算基本构架与数学模型,然后分析知识的多粒度解析表示与不确定性度量的研究现状,最后展望了粒计算求解模式在大数据时代所面临的机遇与挑战。

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。

划分与传递闭包

证明了集合的任意两个划分的和导出的等价关系是这两个划分导出的等价关系的并集的传递闭包,任意两个划分的积导出的等价关系是这两个划分导出的等价关系的交集.

有限集合A的一个剖分与分块矩阵的对应关系

应用代数学中矩阵这一数学工具 ,揭示了分块矩阵与集合的一个剖分的相互联系 。

确定型格值有限自动机的最小化

给出了确定型格值有限自动机的定义,并同时给出了有效终止状态和可达到状态的定义。指出了求取DLFAM=(Q,Σ,δ,q0,σ)的实质是求取Q/Rk。由此以可到达状态为基础引入了等价关系Rk、Sk与商集Q/Sk,证明了Rk=Rk-1∩Sk,由此得到Q/Rk的等价类为Q/Rk-1中等价类与Q/Sk中等价类的非空交集全体。引入了Hk,并证明了可由Hk求取Q/Sk,从而得到仅利用集合运算便可求取Q/Rk的算法,最终给出了DLFA最小化算法的一个容易实现的构造型描述和相应示例。

粒度计算研究综述

粒度计算 GrC(Granular Computing)是信息处理的一种新的概念和计算范式,覆盖了所有有关粒度的理论、方法、技术和工具的研究。它是词计算理论、粗糙集理论、商空间理论、区间计算等的超集,也是软计算科学的一个分支,已成为模糊的、不完整的、不精确的及海量的信息处理的重要工具和人工智能研究领域的热点之一。本文综述了粒度计算的发展动机、研究现状及发展趋势,着重介绍了粒度计算的主要理论模型与方法及其在不同领域的应用,对存在的问题进行了分析,并提出了进一步研究的方向。

不同粒度世界的描述法——商空间法

面对复杂对象 ,如何描述对象往往成为解决问题的基础 ,为此 ,该文提出了一种不同粒度世界的描述方法———商空间法 .在商空间法中用一个三元组 (X ,f,T)描述一个问题 ,在其论域上引入等价关系R ,对应于R的商集[X],然后将 [X]当作新的论域 ,对它进行分析、研究 ,从而将问题表述成不同的粒度世界 ,进而达到简化问题、解决问题的目的 .与粗糙集、决策树等方法相比较 ,商空间法具有更强的表达能力 ,它不仅可以定义多种不同的属性函数 ,而且可以描述论域中的元素、元素之间的相互关系 (即结构 )、运算等 .该文介绍粒度世界的描写、划分法、粒度确定以及不同粒度世界的关系 .最后给出了粒度世界的描述实例———互联网中的路由算法及称球游戏 。

基于软集的无标记信息代数模型与算法

在给定的一个初始论域U和参数集E上的全体软集中引入扩展运算与转移运算,研究了它们的性质.在此基础上引入商软集的概念,并在全体商软集中引入联合运算与聚焦运算,得到其构成一个无标记的信息代数,并且若参数集E有限,这个信息代数还是一个无标记的紧信息代数.最后,给出运用无标记信息代数的模型解决软集中不确定问题的决策算法与实例,并与Cagman等人提出的uni-int决策算法做了比较说明.

粒度计算及其在数据挖掘中的应用

粒度计算涵盖了所有在处理问题过程中使用粒度的理论、方法、技术和工具。本文首先简要地介绍了粒度计算的基本思想、基本问题以及它的三个主要模型(模糊集、粗糙集和商空间),然后综述了粒度计算在数据挖掘中的应用。

直觉模糊群与它的诱导商群

根据Atanassov K所定义的直觉模糊集的概念,给出一个直觉模糊集为直觉模糊群的充要条件;引入直觉模糊群关于它的正规子群的诱导商集的概念;利用代数思想及方法证明直觉模糊群的诱导商集也是直觉模糊群.该结论完整地解决了一个直觉模糊群关于它的正规子群的商集的问题.

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。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。

复合粒计算模型研究进展

粒计算(granular computing,GrC)是人工智能领域中的一种模拟人类思考和解决复杂问题的新理念和新方法,粗糙集理论、商空间理论和模糊集理论是3种主要的粒计算模型。首先回顾几种基本的粒计算模型,介绍了几个复合粒计算模型,最后探讨了粒计算模型的进一步发展方向。