粒计算
粒计算的相关文献在1997年到2022年内共计596篇,主要集中在自动化技术、计算机技术、数学、机械、仪表工业
等领域,其中期刊论文537篇、会议论文31篇、专利文献414823篇;相关期刊197种,包括宿州学院学报、西北大学学报(自然科学版)、电子学报等;
相关会议21种,包括第十一全国博士生学术年会——信息技术与安全专题、第四届全国智能信息处理学术会议、第29届中国数据库学术会议等;粒计算的相关文献由974位作者贡献,包括王国胤、吴伟志、陈泽华等。
粒计算—发文量
专利文献>
论文:414823篇
占比:99.86%
总计:415391篇
粒计算
-研究学者
- 王国胤
- 吴伟志
- 陈泽华
- 邱桃荣
- 张清华
- 李鸿
- 刘清
- 刘宏兵
- 谢克明
- 谢刚
- 苗夺谦
- 李金海
- 徐久成
- 陈玉明
- 谢珺
- 顾沈明
- 刘盾
- 张铃
- 徐健锋
- 杨洁
- 王映龙
- 钱文彬
- 何富贵
- 史进玲
- 吴渝
- 张燕平
- 徐优红
- 王加阳
- 罗可
- 胡峰
- 马媛媛
- 于洪
- 刘东
- 周丹晨
- 张贤勇
- 李同军
- 李新明
- 杨习贝
- 杨新
- 梁吉业
- 王寿彪
- 白小明
- 米允龙
- 胡军
- 谭安辉
- 钱宇华
- 陈丽芳
- 刘保相
- 刘文奇
- 刘斓
-
-
邓大勇;
唐雨朋;
杜巧连
-
-
摘要:
粒计算是人工智能的重要方法.为了解决粒计算的基本问题——信息粒及其表示能力,提出了信息粒和信息粒基等概念,并探讨了它们的性质.从传统集合论和离散数学的角度出发,提出了理想信息系统假设,给出了信息粒基表示能力的计算方法及其数学性质;初步回答了"什么是信息粒?""各种粗糙集模型是否可以统一?"等问题.研究结果为粒计算的进一步发展奠定了一定的数学基础.
-
-
王金波;
吴伟志
-
-
摘要:
多尺度数据分析是当前粒计算研究领域的热门研究方向,它模拟人类思考模式,以建立多层次的复杂数据和信息处理的有效计算模型为目标.在多尺度数据分析中,一个关键的问题是从系统中选择一个合适的子系统用于最终的分类或决策,这个子系统对应的每个属性的尺度水平的组合称为系统的一个最优尺度组合.针对广义多尺度覆盖决策系统中的知识获取问题,首先,在协调广义多尺度覆盖决策系统中,使用信任函数和似然函数刻画最优尺度组合.然后,在不协调广义多尺度覆盖决策系统中定义7种最优尺度组合的概念,并给出它们之间的关系,结果表明实际有4种不同的最优尺度组合,阐明使用似然函数和信任函数可以定量刻画不协调广义多尺度覆盖决策系统的上、下近似最优尺度组合的特征.最后,举例说明文中方法可用在不完备广义多尺度决策系统和广义多尺度集值决策系统中的最优尺度组合的选择.
-
-
于子淳;
吴伟志
-
-
摘要:
作为人工智能领域的一个重要方向,粒计算在数据挖掘和知识发现方面的研究呈现较大优势.针对具有多尺度决策的信息系统的知识获取问题.提出用证据理论研究具有多尺度决策的信息系统的最优尺度选择问题.首先介绍具有多尺度决策的信息系统及其尺度选择的概念,阐明尺度选择的全体构成一个格结构;其次,给出具有多尺度决策的信息系统在不同尺度选择下信息粒的表示及其相互关系;最后,定义协调的具有多尺度决策的信息系统的最优尺度选择概念,并用证据理论中的信任函数和似然函数刻画最优尺度选择的特征.
-
-
李金海;
邓小媛;
智慧来
-
-
摘要:
为了进一步拓宽实值概念格的应用范围,将多粒度思想与实值形式背景相结合,提出实值类属性块与多粒度实值形式背景,分析了不同概念知识空间之间的实值概念转移规律,并给出了不同粒度空间之间的决策规则推理关系。有关多粒度实值概念与决策规则的结论进一步完善了实值概念格理论,同时也推广了现有的多粒度形式概念分析方法。
-
-
李懿恒;
杜晨曦;
杨燕燕;
李翔宇
-
-
摘要:
针对大多数粒计算特征选择算法未考虑数据的类别不平衡性的问题,提出一种融合伪标签策略的类别不平衡数据特征选择算法。首先,为了便于研究类别不平衡数据特征选择算法,重新定义样本和数据集一致度的概念,并设计了相应特征选择的贪婪前向搜索算法;其次,引入伪标签策略以平衡数据的类别分布,并将所学样本的伪标签融入一致性测度中,以构造伪标签一致度来估计类别不平衡数据集的特征;最后,通过保持类别不平衡数据集的伪标签一致度不变,设计一种面向类别不平衡数据的基于伪标签一致性的特征选择算法(PLCFS)。实验结果表明,所提PLCFS的性能仅次于最大相关最小冗余(mRMR)算法,而优于Relief算法和基于一致性的特征选择算法(CFS)。
-
-
宋茂林;
吴伟志
-
-
摘要:
粒计算模拟人类思考模式,它以粒为基本计算单位,以建立大规模复杂数据和信息处理的有效计算模型为目标,是知识表示和数据挖掘的一个重要方法.针对决策属性具有多尺度的不完备数据集的知识获取问题,首先,提出了决策属性具有多尺度的广义不完备多尺度信息系统的最优尺度选择的概念,阐明了尺度选择全体构成了一个完备格;其次,给出了在不同尺度选择下信息粒的表示及其相互关系;最后,讨论了协调的决策多尺度不完备信息系统的最优尺度选择问题,并用示例解释最优尺度选择的计算.
-
-
郝冉
-
-
摘要:
本文从大数据当前面临的挑战、粒计算作为大数据的新的研究方向、粒计算的研究现状等方面对基于粒计算的大数据处理分析进行了讨论。高度信息化的时代背景下,大数据的处理分析必将成为为社会进步与发展提供有效帮助的科技手段,如何提高大数据的处理分析,提升粒计算的性能都是必须要考虑的问题,对解决实际问题有着重要的参考价值。不断提高大数据的相关技术,对各行各业的发展都有着积极的意义。
-
-
方连花;
林玉梅;
吴伟志
-
-
摘要:
针对由随机实验得到的多尺度序信息系统的知识获取问题,首先,引入随机多尺度序信息系统和基于优势-等价关系的随机多尺度序决策系统的概念;然后,在随机多尺度序信息系统中给出在不同尺度下基于优势关系的信息粒的表示、以及集合关于由条件属性集生成的优势关系的下近似与上近似的定义,并得到在不同尺度下信息粒、集合的下近似与上近似的变化关系;最后,分别在随机多尺度序信息系统和基于优势-等价关系的随机多尺度序决策系统中定义了几类最优尺度的概念,并用证据理论中的信任函数与似然函数刻画了最优尺度的数值特征。
-
-
王国胤;
傅顺;
杨洁;
郭毅可
-
-
摘要:
在传统的机器学习研究中,数据空间与知识空间分离表达、计算机的信息处理过程与人脑的认知处理过程不一致,成为了当前人工智能研究需要解决的核心关键问题.本文从认知计算的角度,回顾分析了基于多粒度认知的智能计算研究的发展历史轨迹,介绍了该领域的研究现状,提出了多粒度认知计算、可解释的认知机器学习、脑认知的智能计算辅助等该领域的三个前沿研究方向,探讨了在多粒度认知启发下,这些智能计算研究的未来可能发展趋势.
-
-
陈玉明;
董建威
-
-
摘要:
感知机是模式识别领域的二分类判别模型,具有简单、线性和运算效率高的优点,也是众多分类器的基础。然而,感知机无法表达复杂的非线性映射,难以处理非线性可分数据。针对感知机的固有缺陷,结合粒计算特性,本文提出了一种新型的感知机分类模型——粒感知机。通过粒计算理论,样本在单特征上的粒化形成粒子,多特征上的粒化构造成粒向量;进一步定义粒感知机模型,设计粒感知机策略,提出粒感知机学习算法。为了求解粒感知机的优化解,证明了粒感知机损失函数的导数形式,设计了梯度下降算法,并从收敛速度、非线性能力与分类精度多方面进行了实验比较,结果表明所提出的粒感知机模型具有收敛速度快与非线性处理数据的能力。
-
-
Xu Ji;
徐计;
Wang GuoYin;
王国胤
- 《第十一全国博士生学术年会——信息技术与安全专题》
| 2013年
-
摘要:
在大数据时代,如何充分挖掘出蕴藏于数据资源中的价值正在成为各国IT业界、学术界和政府共同关注的焦点.使用云计算平台分布式地存储和分析大数据已经成为共识并且得到了广泛应用,但这并没有完全解决大数据的3Vs特性带来的问题.全面应对大数据的挑战需要来自存储技术、下一代网络、处理器、计算模型等各领域的创新.粒计算是在求解问题过程中使用"粒"的理论、方法、技术和工具的集合,适合用于近似求解带不确定性和层次结构的问题.本文分析了现存大数据处理技术的局限性;针对大数据的特点和大数据处理中存在的问题,提出大数据问题的粒计算解决框架;分析了深度学习与粒计算的逻辑关系,提出深度学习本质上是多粒度计算,可以用深度学习引导在大数据处理中形成数据粒和功能粒的最优结构;讨论了量子比特编码与粒计算的关系,提出用量子比特编码有可能降低大数据问题的规模和复杂度.最后,总结和展望了粒计算应用于大数据的研究前景.
-
-
HE Fugui;
何富贵;
LIU Renjin;
刘仁金;
ZHANG Yanping;
张燕平
- 《第29届中国数据库学术会议》
| 2012年
-
摘要:
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.
-
-
-
Yang Jie;
杨洁;
Wang Guoyin;
王国胤;
Pang Ziling;
庞紫玲
- 《2016苏鲁黑浙四省声学技术学术会议》
| 2016年
-
摘要:
相对于其他的密度聚类算法,密度峰值聚类(Density Peaks Clustering,DPC)算法思想简洁新颖,所需参数少,不需要进行迭代求解,而且具有可扩展性.但是,DPC仍然具有一定缺陷,例如存在截断阈值dc的定义模糊以及选取中心点失效等问题.在阐述了DPC的算法思想和原理的基础上,分析了DPC算法的缺陷,然后从多个改进的角度对其相关研究工作进行了综述.通过分析DPC与相关理论(数据场、图论、粒计算等)的联系,针对密度峰值的缺点,提出了基于粒计算的DPC算法改进框架,其中包括由细到粗、由细到粗和双向变粒度这三种机制以及基于网格粒化的密度峰值算法框架.最后对DPC今后的研究工作进行了展望,包括动态密度峰值聚类、利用密度峰值研究网络拓扑、处理复杂任务以及改进其他聚类等,希望为DPC的进一步研究提供新思想.
-
-
-
-
-
张禹;
丁世飞;
张力文;
胡立花
- 《第二届全国智能信息处理学术会议》
| 2009年
-
摘要:
相容粒度空间模型是对现实中普遍存在的相容问题结合粒计算进行的研究,是当前的研究热点.相容粒度空间模型的特色在于引入了动态变化的相容关系,这是在此之前的粒度研究上没有的一个创新.通过对相容粒度空间模型的介绍,为我们以后进行图形图像等多媒体流信息的研究提供了新的思路和方法.本文在现今粒计算发展的方向里分析了相容粒度空间模型建立的意义和实际研究内容,提供了基于相容粒度空间模型的应用和相关理论研究。对相容粒度空间模型的深入研究将为我们处理复杂数据的提供又一个新方法.
-
-