粒计算：过去、现在与展望PDF电子书下载

第1章 粒计算的艺术 1

1.1 引言 1

1.2 不同领域的相同结构和策略 3

1.3 粒与粒结构 6

1.3.1 粒 6

1.3.2 层次 7

1.3.3 分层结构 8

1.3.4 粒结构——多层次和多个分层结构的结合 8

1.4 粒计算的研究方法与方向 9

1.4.1 粒计算三角形 9

1.4.2 粒计算的三个层次 11

1.4.3 粒计算的三维描述 12

1.5 总结与展望 12

参考文献 14

第2章 商空间粒度分析方法 21

2.1 引言 21

2.2 商空间模型 22

2.2.1 模型的建立 22

2.2.2 商空间粒度的获得 22

2.2.3 商空间分析法 24

2.2.4 模糊商空间理论 24

2.3 商空间分析法应用的实例分析 25

2.3.1 统计启发式搜索方法 25

2.3.2 路径规划的拓扑方法 28

2.3.3 定性推理理论 29

2.3.4 商逼近与多分辨率的第二代小波分析技术 31

2.3.5 分形几何的商空间表示方法 33

2.3.6 基于商空间的机械装配规划方法 37

2.4 总结与展望 41

参考文献 41

第3章 相容粒度空间模型及其应用研究 42

3.1 引言 42

3.2 粒度模型 43

3.2.1 基于近似和相容关系的粒度模型 43

3.2.2 层次和嵌套模型研究 46

3.3 相容粒 49

3.3.1 相容粒的定义 49

3.3.2 相容粒的转换函数 51

3.3.3 相容粒之间的关系 52

3.4 相容粒度空间模型 53

3.4.1 相容粒度空间（TG） 53

3.4.2 对象集系统（OS） 53

3.4.3 相容关系系统（TR） 54

3.4.4 嵌套相容覆盖系统（NTC） 56

3.5 相容粒度空间模型在信息分类中的应用 61

3.5.1 引言 61

3.5.2 信息分类中相容粒度空间的构建 62

3.5.3 相容粒度格 67

3.5.4 基于相容粒度空间的信息分类算法 68

3.5.5 算法分析及实验结果 72

3.6 相容粒度空间模型的其他应用 79

3.6.1 基于相容粒度空间模型的图像纹理识别 79

3.6.2 基于相容粒集的双层决策模型 80

3.7 总结与展望 81

参考文献 81

第4章 基于覆盖的粒计算 83

4.1 引言 83

4.2 基本概念 84

4.2.1 Pawlak粗糙集理论的主要结果 84

4.2.2 覆盖广义粗糙集的基本概念与性质 85

4.3 四类覆盖粗糙集模型 88

4.3.1 覆盖下近似运算 88

4.3.2 第一类覆盖粗糙集模型 92

4.3.3 第二类覆盖粗糙集模型 94

4.3.4 第三类覆盖粗糙集模型 96

4.3.5 第四类覆盖粗糙集模型 98

4.3.6 RH与CL的相互依赖性 100

4.3.7 四类覆盖粗糙集模型之间的关系 101

4.4 初步应用 102

4.4.1 长城安全策略 103

4.4.2 林早阳模型 103

4.4.3 基于覆盖的方法 103

4.5 总结与展望 105

参考文献 106

第5章 Rough逻辑公式派生的粒及其推理 112

5.1 Rough逻辑 112

5.1.1 基本概念 112

5.1.2 Rough逻辑公式的解释和赋值 113

5.1.3 Rough逻辑公式的真值 114

5.1.4 Rough逻辑公式的语义 114

5.2 Rough逻辑公式诱导的粒运算 115

5.2.1 λ-包含运算 115

5.2.2 λ-相似运算 115

5.3 Rough逻辑公式诱导的粒相关性质 116

5.4 Rough逻辑公式诱导的粒推理 119

5.4.1 粒演绎推理 119

5.4.2 粒归结原理 119

5.5 Rough逻辑公式诱导的粒应用 122

5.6 Rough逻辑公式诱导的粒研究前景 124

参考文献 124

第6章 粒计算的数学模型与研究方向 127

6.1 什么是粒计算 127

6.2 范畴理论-论述的全集 129

6.3 研究的重点及方向 130

6.3.1 研究粒的基本数学结构 130

6.3.2 基本的研究方向 130

6.3.3 粒模型的例子 131

6.4 已知与接近已知的粒计算理论的范畴 132

6.4.1 粗糙集理论的三个观点 132

6.4.2 粒计算特殊模型的范畴 133

6.4.3 更深一层的粒计算模型的范畴 134

6.5 粒计算的几何／拓扑结构 135

6.6 粒计算的代数结构 136

6.6.1 二元邻域系统的粒结构 136

6.6.2 COV的粒结构 137

6.7 新的近似理论 137

6.8 概念的结构与知识表示法 138

6.9 结论与展望 139

参考文献 140

第7章 信息熵与粒计算 142

7.1 基于粗糙集理论的知识粒表示 142

7.1.1 知识粒度的定义 143

7.1.2 知识粒度、分辨度的性质 144

7.1.3 知识粒度、知识分辨度与知识熵之间的关系 145

7.2 知识粒在知识约简与决策树构造中的应用 146

7.2.1 知识粒在知识约简中的应用 146

7.2.2 知识粒在决策树构造中的应用 151

7.3 知识的粗糙性与信息熵的关系 154

7.3.1 知识粗糙性与信息熵的定义 154

7.3.2 知识粗糙性与信息熵的关系 156

7.4 知识的信息表示 160

7.4.1 完备信息系统中概念与运算的信息表示 160

7.4.2 相容决策表中概念与运算的信息表示 161

7.5 基于信息表示的知识约简 163

7.5.1 基于信息熵的信息系统知识约简 163

7.5.2 基于互信息的决策表知识约简 165

7.6 嵌套决策粒度与知识约简的关系研究 168

7.6.1 基本概念和定理 169

7.6.2 相容情形下嵌套决策粒度约简的关系分析 173

7.6.3 不相容情形下嵌套决策粒度约简的关系分析 173

7.7 总结与展望 177

7.7.1 本章总结 177

7.7.2 未来发展的展望 177

参考文献 178

第8章 非完备信息系统的不确定性与信息粒度 181

8.1 引言 181

8.2 非完备信息系统中的不确定性度量 182

8.2.1 非完备信息系统 182

8.2.2 非完备信息系统的偏序关系 184

8.2.3 信息熵 185

8.3 非完备信息系统中的信息粒度 190

8.3.1 信息粒度的公理化定义 190

8.3.2 信息粒度度量方法 190

8.4 非完备信息系统中熵与信息粒度之间的关系 199

8.5 总结与展望 200

参考文献 201

第9章 随机粗糙集方法——信息粒度的定性与定量刻画 203

9.1 引言 203

9.2 可能性测度与模糊随机变量 204

9.2.1 模糊集与可能性分布 204

9.2.2 随机集与模糊随机变量 206

9.3 信任结构与信任测度 207

9.4 近似空间与近似算子 209

9.4.1 Pawlak近似算子 209

9.4.2 广义近似算子 209

9.4.3 随机近似算子 210

9.4.4 随机粗糙模糊近似算子 211

9.4.5 随机模糊粗糙近似算子 212

9.4.6 t-模糊粗糙集 212

9.5 粗糙集近似与信任测度之间的关系 213

9.5.1 Pawlak粗糙集 214

9.5.2 串行粗糙集 214

9.5.3 区间粗糙集 215

9.5.4 随机粗糙集 215

9.5.5 随机粗糙模糊集 216

9.5.6 随机模糊粗糙集 217

9.5.7 随机tFF模糊粗糙集 220

9.5.8 定理的证明 221

9.6 随机信息系统中的信任约简与似然约简 223

9.6.1 随机信息系统的概念 224

9.6.2 随机信息系统的知识约简 225

9.6.3 随机决策系统的知识约简 228

9.7 总结与展望 237

参考文献 238

第10章 概念格约简泛化与概念粒逼近 243

10.1 基于形式背景的概念格约简 243

10.1.1 概念格理论简介 244

10.1.2 概念格属性约简的定义与性质 245

10.1.3 概念格约简判定定理 247

10.1.4 概念格约简方法 252

10.1.5 概念格的属性特征 256

10.2 基于形式背景的概念格泛化 260

10.3 基于形式背景的概念粒逼近 262

10.4 总结与展望 272

参考文献 273

第11章 概念格与粒计算 275

11.1 形式概念分析基本理论 275

11.1.1 形式背景和概念 275

11.1.2 概念格及其表示 276

11.2 概念格的生成与运算 277

11.2.1 批生成算法 277

11.2.2 渐进式生成算法 278

11.2.3 概念格的并运算 279

11.2.4 概念格的合并算法 281

11.2.5 概念格交运算 283

11.2.6 概念格的运算定律 285

11.2.7 概念格的粒性质 285

11.3 概念格上的关联规则提取 286

11.3.1 基于先辈晚辈节点对的关联规则提取 286

11.3.2 基于内涵缩减的蕴含规则提取 288

11.3.3 规则的粒性质 288

11.4 模糊概念格 289

11.4.1 一种模糊概念格模型 289

11.4.2 模糊概念格的生成 290

11.4.3 模糊概念格的粒性质 292

11.4.4 模糊关联规则的提取 293

11.4.5 模糊概念格上的聚类 294

11.5 总结与展望 297

参考文献 297

第12章 数据挖掘中的粒计算 299

12.1 数据挖掘概述 300

12.1.1 数据挖掘简介 300

12.1.2 数据挖掘的主要方法 301

12.1.3 数据挖掘的发展状况 301

12.1.4 数据挖掘研究中的挑战问题 303

12.2 不同应用环境下数据挖掘中的粒计算 303

12.2.1 海量数据处理中的粒计算 303

12.2.2 分布式数据处理中的粒计算 305

12.2.3 多维数据处理中的粒计算 307

12.2.4 动态数据处理中的粒计算 308

12.3 数据挖掘方法中的粒计算 308

12.3.1 广义知识挖掘 309

12.3.2 关联规则挖掘 309

12.3.3 类知识挖掘 310

12.3.4 预测型知识挖掘 314

12.3.5 特异型知识挖掘 314

12.4 粒计算数据挖掘研究中需要进一步解决的问题 315

12.4.1 粒计算数据挖掘方法的优势 315

12.4.2 有待进一步解决的关键问题 315

12.5 总结与展望 318

参考文献 319

第13章 粗糙控制与粒计算 324

13.1 粗糙集理论在控制领域中的应用 324

13.1.1 粗糙集理论在智能控制中的应用 324

13.1.2 几点看法 326

13.1.3 粗糙集理论的主要研究方向 328

13.1.4 粗糙模糊控制系统设计 329

13.1.5 降维多层粗模糊控制系统的设计 335

13.1.6 基于粗糙集理论的火电厂单元机组过热汽温控制 338

13.1.7 基于粗糙集理论的火电厂单元机组负荷模糊控制 341

13.1.8 基于粗糙集理论的火电厂锅炉燃烧诊断 343

13.1.9 粗糙集在倒立摆控制系统中的应用 347

13.2 粒计算在控制系统中的应用 352

13.2.1 基于粒计算的粗糙集知识约简 352

13.2.2 利用粒计算建立火电厂过热汽温系统模型 354

13.2.3 利用粒计算建立煤气加热炉模糊预测模型 358

13.3 粗糙控制和粒计算展望 364

参考文献 365

附录：粒计算中文学术文献 370