第3章云模型简介.doc

第三章 云模型简介 在人类认知以及进行决策过程中，语言文字是一种强有力的思维工具，它是人类智能和其他生物智能的根本区别。人脑进行思维不是纯粹地应用数学知识，而是靠自然语言特别是客观事物在人脑中的反映而形成的概念。以概念为基础的语言、理论、模型是人类描述和理解世界的方法。 自然语言中，常常通过语言值，也就是词来表示概念。而语言值、词或概念与数学和物理的符号的最大区别就是其中包含太多的不确定性。在人工智能领域，不确定性的研究方法有很多，主要有概率理论，模糊理论，证据理论和粗糙集理论；对于确定性系统的不确定性的研究还有混沌和分形的方法。这些方法从不同的视角研究了不确定性，优点是：有切入点明确、边界条件约束清楚、能够对问题进行深入研究等，但是在研究中常常将不确定性分成模糊性和随机性分开进行研究，然而两者之间有很强的关联性，往往不能完全的分开。随机性是指有明确定义但是不一定出现的事件中所包含的不确定性。例如在投掷硬币试验中，硬币落地时要么有国徽的一面向上，要么标有分值的一面向上，结果是明确的可以预知的，但是每次试验结果是随机的。概率论和数理统计是研究和揭示这种随机现象的一门学科，至今已有几百年的研究历史．模糊性是另一种不确定性，是已经出现的但是很难精确定义的事件中所包含的不确定性。在日常工作和生活中存在着许多模糊概念，如“胖子”“年轻人”“收入较高”等。为处理这些模糊概念，引入了模糊集的概念[41]，使用隶属度来刻画模糊事物彼此间的程度。隶属度函数常用的确定方法有模糊统计法、例证法专家经验法等，这些方法确定隶属度函数的过程是确定的,本质上说是客观的,但每个人对于同一个模糊概念的认识理解存在差异,因此有很强的主观性，而且一旦隶属度函数确定之后，得到的概念、定理等包含着严密的数学思维，其不具有任何模糊性。 针对上述问题李德毅院士在传统的概率统计理论和模糊理论的基础上提出了定性定量不确定性转换模型——云模型，实现定性概念和定量值之间的不确定性转换。在此工作上，一些学者对云模型做了深入系统的研究，使其日趋成熟，并将它成功地应用于不确定性推理、关联规则挖掘，空间数据的挖掘，智能控制及时间序列预测等领域。 云模型能模拟人类思维灵活划分属性空间，在较高的概念层上泛化属性值，完成定量数值到定性概念间的转换，同时允许相邻属性值或语言之间有重叠，这种划分使发现的知识具有稳健性。 而由于计算机系统的行为存在随机性和不确定性，云模型能够很好地处理具有随机性和不确定性的数据，所以可将云模型引入到入侵检测中来，通过云模型建立的入侵检测系统具有较准确的检测能力和适应能力。 3.1 云模型的引入 云模型能够实现定性概念与定量值之间的不确定性转换。同时数据挖掘是基于不同认知层次的“数据-概念-知识”视图，“数据”中包含大量的不确定性知识，而云模型能够更准确地将数据表达为概念，进而发现准确、完整的知识。因此将云模型应用于数据挖掘中可以提高数据挖掘的准确度。 下面简单介绍云模型的一些概念和数字特征，重点介绍云的概念、正态云发生器及正态云的数学性质。 3.1.1 云和云滴 定义3.1[42] 设是一个精确数值表示的定量论域，是上的定性概念，若定量值，且是定性概念的一次随机实现，对的确定度是有稳定倾向的随机数 （3.1） 则在论域上的分布称为云(Cloud)，每一个称为一个云滴[42]。 云具有以下性质[42] [42]： (1)论域可以是一维的，也可以是或多维的。; (2)定义中所提及的随机实现，是概率意义下的实现；定义中所提及提到的确定度，是模糊集意义下的隶属度，同时又具有概率意义下的分布。; (3)对于任意一个，到区间[0,1]上的映射是一对多的变换，对的确定度不是一个固定的数值，而是一个概率分布。; (4)云由云滴组成，云滴之间无次序性，一个云滴是定性概念在数量上的一次实现，云滴越多，越能反映这个定性概念的整体特征。; (5)云滴出现的概率大，云滴的确定度大，则云滴对概念的贡献大。 3.1.2 云的数字特征 云的数字特征能够反映概念的整体性和定性知识的定量特性，其它对定性概念的理解定性概念的内涵和外延有着极其重要有很重要的意义。 云一般用期望(Expected value)、熵(Entropy)和超熵这(Hyper entropy)三个数字特征来整体表征一个概念[43]，如图3-1所示。 图3-1 云的数字特征 Fig.3-1 Digital Characteristics of the Cloud 期望：云滴在论域空间分布的期望，是概念在论域中的中心点，其最能够它是最可以代表定性概念的值点[43]。 熵：定性概念的不确定性度量，由概念的随机性和模糊性共同决定。一方面熵是定性概念随机性