相容粒度空间模型及其应用研究

论文摘要

信息粒广泛存在于现实世界中,是对现实的抽象。信息粒化旨在建立基于外部世界的有效的并以用户为中心的概念,同时简化我们对物理世界和虚拟世界的认识。使用信息粒进行计算是粒度计算的基本思想,在问题描述和求解中都具有重要的意义。以粒为单位进行计算可以将复杂问题划分为一系列更容易管理和更小的子任务,从而降低全局计算代价,可以更好地领悟问题并提供一种对其本质更好的洞察力,避免陷入不必要的细节中去,也更好地体现了以人为本的问题解决方法。粒度计算可以从两大方面来进行研究:粒的构造和使用粒的计算。前者处理粒的形成、表示和解释,后者处理在问题求解中粒的运用。总的来说,粒度计算是通过粒对现实问题的抽象、粒之间的关系、粒的分解和合成以及粒或者粒集之间的交互来描述和解决问题的一种方法。本文主要提出并研究了一种新的粒度计算模型――相容粒度空间模型,该模型基于这样的思想,即人类具有根据具体的任务特性把相关数据和知识泛化或者特化成不同程度、不同大小的粒的能力,以及进一步根据这些粒和粒之间的关系进行问题求解的能力。主要研究工作包括以下几个部分:提出了相容粒度空间模型。该模型是基于相容关系构建的粒度计算模型,它由四个部分组成:对象集系统,相容关系系统,转换函数和嵌套覆盖系统,主要特点在于对粒的定义以及通过粒度空间的层次嵌套结构进行问题求解的方法。在本部分工作中,我们主要研究了相容粒的定义、关系及其合成和分解技术,以及相容粒度空间形式化模型、构建方法和模型的主要特点等;提出了一种基于相容粒度空间模型的信息分类方法。通过构建信息分类领域的对象集系统、相容关系系统和嵌套相容覆盖系统,我们对信息分类问题构建了相应的相容粒度空间模型。通过信息分类问题上的相容粒度空间模型的构建,分类知识以粒度空间的形式表示出来,进而做为一种分类器用于分类。我们开发了在信息分类中的相容粒度空间模型建模算法TGM以及基于相容粒度空间的分类算法TGLC,通过理论分析和试验表明我们的模型相比其它算法具有较高的分类准确率和数据鲁棒性,以及在一致分类数据上100%的封闭测试准确率;提出了一种新的双层决策模型。双层决策就是决策者处于两个不同的层次上,高一级决策者自上而下地对下一级决策者行使某种控制、引导权,而下一级决策者在这一前提下,亦可以在其管理范围内行使一定的决策权。经典的双层决策模型要求决策变量可以通过显式的线性或者非线性的函数的形式表示出来,这在很多实际问题中都是难以实现的,这时传统的基于数学规划的解决方法就不适用了。在此基础上,我们提出了基于相容粒集的双层决策模型,通过构建决策表上的相容粒度空间模型,我们构建了一类新的双层决策模型。在本部分工作中,我们给出了基于相容粒集的决策模型的定义,建模算法及其决策算法等。最后,通过一个应用实例表明了

论文目录

• 摘要
• 第一章 绪论
• 1.1 引言
• 1.2 研究粒度计算的必要性
• 1.3 粒度计算的相关领域
• 1.4 粒度计算的基本问题
• 1.5 粒度计算的国内外研究现状
• 1.5.1 粗糙集理论
• 1.5.2 商空间理论
• 1.5.3 模糊信息粒化理论和词计算模型
• 1.5.4 粗糙集理论、商空间理论和词计算理论之间的关系
• 1.5.5 其它相关研究
• 1.6 研究动机与研究内容
• 1.7 论文的组织
• 第二章 相容粒度空间模型
• 2.1 引言
• 2.2 相关工作
• 2.2.1 基于近似和相容关系的粒度模型
• 2.2.2 层次和嵌套模型研究
• 2.3 相容粒
• 2.3.1 相容粒的定义
• 2.3.2 相容粒之间的关系
• 2.3.3 相容粒的合成和分解技术
• 2.4 相容粒度空间模型
• 2.4.1 相容粒度空间（TG）
• 2.4.2 对象集系统（OS）
• 2.4.3 相容关系系统（TR）
• 2.4.4 嵌套相容覆盖系统（NTC）
• 2.5 相容粒度空间模型的主要特点
• 2.6 结论
• 第三章 相容粒度空间模型在信息分类中的应用
• 3.1 引言
• 3.2 信息分类中相容粒度空间的构建
• 3.3 相容粒度格
• 3.4 基于相容粒度空间的信息分类算法
• 3.5 算法分析及实验结果
• 3.5.1 TGM 算法分析及其简化策略
• 3.5.2 TGLC 算法分析
• 第四章 基于相容粒集的双层决策模型
• 4.1 引言
• 4.2 双层决策问题
• 4.3 基于相容粒集的双层决策问题及其模型
• 4.4 基于相容粒集的双层决策算法
• 4.5 示例
• 4.6 结论
• 第五章 相容粒度空间的其它应用
• 5.1 基于相容粒度空间模型的图像纹理识别
• 5.1.1 相容粒度空间的建立
• 5.1.2 基于相容粒度空间的纹理识别
• 5.1.3 实验分析及结果
• 5.2 相容粒度空间在数据挖掘中的应用分析
• 5.2.1 基于粒度计算的数据挖掘框架
• 5.2.2 相容粒度空间在数据挖掘中的应用
• 5.3 基于相容粒度空间的问题求解系统
• 第六章 总结与展望
• 6.1 本文的主要贡献
• 6.2 下一步研究工作
• 参考文献
• 致谢
• 作者简历