信息粒度计算模型及其在智能信息处理中的应用研究
人类智能的一个公认特点,就是人们能从极不相同的粒度(Granularity)
上观察和分析同一问题。人们不仅能在不同粒度的世界上进行问题求解,而且
能够很快地从一个粒度世界跳到另一个粒度世界,往返自如,毫无困难。这种
处理不同粒度世界的能力,正是人类问题求解强有力的表现。
粒度计算(Granular Computing,缩写GrC)是信息处理的一种新的观念和计
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,主要用于处
理不精确的、模糊的、不确定的、部分真实的和海量的信息,它有望成为复杂
系统中信息智能处理的一种有效的、统一的理论框架。
本文首先简要介绍了粒度计算的研究背景与现状,分析讨论了它的研究动
机和现存的一些问题。其次,阐述了粒度计算的基本思想、基本问题、基本概
念和一般方法,内容包括信息粒的构建、表示和计算,信息粒大小(抽象程度)
的度量、信息粒度的粗细等。在此基础上,详细论述了信息粒度计算的三种主
要模型(基于粗糙集理论的粒度计算模型、基于模糊集理论的词计算模型、基
于商空间理论的问题求解模型)中的知识表示、知识约简、知识获取等核心问
题,并获得了一些新的结果,主要有:(1)从信息粒度着手,重新形式化表示
了粗糙集的基本概念和方法,使之附有语义信息,为粒度计算提供了一个具体
而实用的框架;(2)讨论了主要模型融合的内在联系和必要性,提出了基于粗
糙集和商空间理论的分层递阶模型来求解复杂问题和处理复杂信息的一般方
案;(3)从信息熵的观点解释了知识的粒度本质,得出知识粒度越粗,其信息
熵和互信息越小,且逆命题不成立;(4)分析了嵌套决策粒度的相对核、相对
约简、信息熵、分类质量存在的相互关系,证明了粗决策粒度的一个相对约简
在满足相容性的条件下一定可以扩张成细决策粒度的一个相对约简,反之,细
决策粒度的一个相对约简一定可以缩减为粗决策粒度的一个相对约简;(5)探
索了粒度计算在决策树剪枝算法和改善人工神经网络性能中的应用;(6)以信
息粒为基元,利用位表示法,将粒度计算的方法应用到SQL数据库中数据的智
能处理,设计开发了基于SQL数据库的知识约简的实验系统。
关键词: 粒度计算,粗糙集理论,词计算,商空间理论,信息熵,软计算
同济大学;同济大学电子与信息工程学院
博士
模式识别与智能系统
苗夺谦
2005
中文
TP18
161
2010-06-30(万方平台首次上网日期,不代表论文的发表时间)