基于云模型的雙向認(rèn)知計(jì)算方法研究.pdf

1、認(rèn)知科學(xué)是人工智能、心理學(xué)、哲學(xué)、語(yǔ)言學(xué)、人類學(xué)、神經(jīng)科學(xué)等學(xué)科的交叉科學(xué)，主要研究生物神經(jīng)系統(tǒng)（如人腦）和機(jī)器系統(tǒng)（如計(jì)算機(jī)）在感知、語(yǔ)言、存儲(chǔ)、推理和情感等過(guò)程中對(duì)信息與知識(shí)的表達(dá)、處理和傳遞問(wèn)題.不同學(xué)科的研究人員分別從不同角度對(duì)人腦和機(jī)器的認(rèn)知行為進(jìn)行了研究.認(rèn)知的基本單元是概念.由于客觀世界以及人類現(xiàn)實(shí)認(rèn)知過(guò)程中所固有的不確定性，不確定性概念的認(rèn)知成為了認(rèn)知研究的重要基礎(chǔ).人們已經(jīng)提出了模糊集、粗糙集、商空間等諸多理論模型來(lái)研

2、究這一問(wèn)題，但基于精確的邏輯運(yùn)算和數(shù)值運(yùn)算模擬人類認(rèn)知，常常具有局限性.人腦基于詞語(yǔ)（概念內(nèi)涵）處理不確定性概念，而計(jì)算機(jī)基于樣本集合（概念外延）處理不確定性概念.建立不確定性概念內(nèi)涵與外延之間的雙向認(rèn)知計(jì)算，是實(shí)現(xiàn)人腦智能思維和計(jì)算機(jī)智能計(jì)算統(tǒng)一的關(guān)鍵.然而，傳統(tǒng)的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘卻僅僅研究了從概念外延獲取其內(nèi)涵的單向認(rèn)知計(jì)算問(wèn)題.
　　2011年度圖靈獎(jiǎng)?lì)C給將貝葉斯網(wǎng)絡(luò)和概率方法引入人工智能的朱迪亞·珀?duì)?JudeaPear

3、l)教授，說(shuō)明了基于概率統(tǒng)計(jì)的不確定性理論和方法的重要性.云模型可以作為一個(gè)以概率統(tǒng)計(jì)為基礎(chǔ)的雙向認(rèn)知計(jì)算模型.因此，構(gòu)建基于云模型的雙向認(rèn)知計(jì)算方法，以概率統(tǒng)計(jì)為基礎(chǔ)，研究概念內(nèi)涵與外延之間的雙向認(rèn)知轉(zhuǎn)換是本論文研究的主要目標(biāo).歸納起來(lái)，本文的主要研究工作和創(chuàng)新內(nèi)容表現(xiàn)在以下幾個(gè)方面:
　　(1)在已有高階正態(tài)云變換算法基礎(chǔ)上，以遞歸的形式給出了高階正態(tài)云的定義，研究并推導(dǎo)了正態(tài)云的相關(guān)數(shù)學(xué)性質(zhì)，進(jìn)一步深化了云模型的數(shù)學(xué)基礎(chǔ).<

4、br>　　首先基于條件概率推導(dǎo)了二階正態(tài)云確定度在不同情形下的概率分布，并對(duì)文獻(xiàn)中給出的二階正態(tài)云云滴與其確定度的聯(lián)合概率分布進(jìn)行了修正.其次，在高階正向正態(tài)云變換算法的基礎(chǔ)上，以遞歸的形式定義了高階正態(tài)云模型，推導(dǎo)出高階正態(tài)云確定度的概率密度函數(shù)，得到了高階正態(tài)云確定度的概率密度函數(shù)既與高階正態(tài)云的數(shù)字特征無(wú)關(guān)，也與階數(shù)無(wú)關(guān)這一重要性質(zhì).
　　(2)針對(duì)現(xiàn)有逆向云變換算法存在的缺陷，提出了兩種穩(wěn)定的多步逆向云變換算法，為實(shí)現(xiàn)穩(wěn)定

5、的雙向認(rèn)知計(jì)算過(guò)程奠定了基礎(chǔ).
　　針對(duì)現(xiàn)有二階逆向云變換算法在應(yīng)用中存在的局限，系統(tǒng)分析了當(dāng)前四種二階逆向云變換算法各自的缺陷，采用分組降階的隨機(jī)過(guò)程參數(shù)估計(jì)方法，提出了兩種多步式的二階逆向云變換算法，通過(guò)估計(jì)量的評(píng)價(jià)準(zhǔn)則分析了這兩種算法中估計(jì)量的無(wú)偏性、相合性以及收斂性，并利用對(duì)比實(shí)驗(yàn)詳細(xì)分析了這兩種算法的穩(wěn)定性，為實(shí)現(xiàn)穩(wěn)定的雙向認(rèn)知計(jì)算過(guò)程奠定了基礎(chǔ).最后，結(jié)合高階正態(tài)云模型的數(shù)學(xué)性質(zhì)，將隨機(jī)可重復(fù)抽樣的多步逆向云變換算法推

6、廣至高階正態(tài)云中，得到了高階正態(tài)云的逆向云變換算法，解決了高階正態(tài)云模型的參數(shù)求解問(wèn)題.
　　(3)通過(guò)正態(tài)云生成云滴的特點(diǎn)，提出了一般正態(tài)云模型，建立了正態(tài)云模型與正態(tài)分布之間的聯(lián)系，進(jìn)一步完善了云模型的相關(guān)理論.
　　首先結(jié)合正態(tài)云滴的生成特點(diǎn)一般化了二階正態(tài)云生成云滴的過(guò)程，給出了二階一般正向正態(tài)云變換算法，發(fā)現(xiàn)二階正態(tài)云和正態(tài)分布都是二階一般正態(tài)云的特例.其次，利用一般正態(tài)云滴產(chǎn)生的過(guò)程以及結(jié)合正向云變換和逆向云變換

7、互逆的特點(diǎn)，采用理想分組和隨機(jī)分組的方式分別給出了在理想狀態(tài)下和一般情形下的二階一般正態(tài)云的逆向云變換算法，分析了這兩種二階一般逆向云變換算法之間的關(guān)系，并通過(guò)實(shí)驗(yàn)對(duì)此進(jìn)行了說(shuō)明.最后，將二階一般正向正態(tài)云變換和逆向云變換算法推廣至高階云模型中，得到了高階一般正向正態(tài)云變換和逆向變換算法.系統(tǒng)地解決了一般正態(tài)云模型云滴的生成方式和其中參數(shù)求解問(wèn)題，完善了云模型理論.
　　(4)提出雙向認(rèn)知計(jì)算模型，結(jié)合人類認(rèn)知的特點(diǎn)和雙向認(rèn)知變換

8、算法，以計(jì)算的方式模擬了基于概念的雙向認(rèn)知計(jì)算過(guò)程.
　　云模型是用語(yǔ)言值表示的某個(gè)定性概念（概念內(nèi)涵）與其定量表示（概念外延）之間的不確定性轉(zhuǎn)換模型，利用正向云變換和逆向云變換實(shí)現(xiàn)概念內(nèi)涵（定性）與外延（定量）相互轉(zhuǎn)換的映射，研究自然語(yǔ)言中最基本語(yǔ)言值對(duì)應(yīng)概念所蘊(yùn)含的普遍規(guī)律，使得有可能從概念表達(dá)的定性信息（概念內(nèi)涵）中獲得定量數(shù)據(jù)（概念外延）的范圍和分布規(guī)律，也有可能把精確數(shù)值（外延信息）有效轉(zhuǎn)換為恰當(dāng)?shù)亩ㄐ愿拍睿▋?nèi)涵）.為此

9、，本文結(jié)合人類認(rèn)知的特點(diǎn)，提出雙向認(rèn)知計(jì)算模型，利用正向云變換算法和逆向云變換算法以計(jì)算的方式模擬研究了不確定性概念的雙向認(rèn)知計(jì)算過(guò)程，并利用對(duì)稱KL散度對(duì)概念在認(rèn)知過(guò)程可能發(fā)生的漂移性進(jìn)行度量研究，最后通過(guò)實(shí)驗(yàn)進(jìn)行了模擬分析.
　　(5)結(jié)合人類對(duì)圖像認(rèn)知的特性，研究了雙向認(rèn)知變換算法在圖像分割中的應(yīng)用.
　　圖像分割是根據(jù)圖像的特征將圖像劃分為幾個(gè)互不交疊的區(qū)域，以便能從中提取感興趣的目標(biāo)區(qū)域.本文首先從圖像的灰度、顏色

10、等屬性的統(tǒng)計(jì)信息出發(fā)，利用認(rèn)知變換算法從中提取云概念.結(jié)合人對(duì)圖像的認(rèn)知特性，定義了一種云概念合并準(zhǔn)則，并在已有云概念綜合方法的基礎(chǔ)上推導(dǎo)出一種新的云綜合方法進(jìn)行概念躍升，然后借助正態(tài)云的“3En”規(guī)則對(duì)圖像進(jìn)行分割.最后將該方法應(yīng)用于灰色/彩色圖像以及具有噪聲的圖像分割中，并與Otsu、K-means、GMM以及S-PCNN等經(jīng)典算法以及基于Type-2fuzzy set、直覺模糊集(A-IFS)和云模型的圖像分割方法進(jìn)行了分析比較，