第三章 云模型简介精选.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隶属度函数的确定,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差异,因此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] ： (1)论域可以是一维或多维的; (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，它对定性概念的理解有很重要的意义。 云一般用期望、熵和超熵这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，它是最可以代表定性概念的点[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的度量，反映了能代表这个定性概念的云滴的离散程度；另一方面又是定性概念模糊度的度量，反映了论域空间中可被概念接受的云滴的取值范围，此外熵还能反映随机性和模糊性之间的关联性[43]。 超熵：是熵的不确定性的度量，即熵的熵，由熵的随机性和模糊性共同决定，反映了云滴的离散程度，超熵的大小间接地反映云的厚度，超熵越大，云的厚度越大[43]。 3.1.3 云模型的类型 云模型是云的具体实现方法，是云运算、云推理、云控制、云聚类等方法的基础。由定性概念到定量表示的过程，即由云的数字特征产生云滴的过程，称为正向云发生器。由定量表示到定性概念的过程，即由云滴群得到云的数字特征的过程，称为逆向云发生器。 云有多种实现方法，可构成不同类型的云，如半云模型、对称云模型、组合云模型等，还可以扩展到多维云模型。 3.2 正态云 正态分布是概率理论中重要分布之一，通常用均值和方差两个数字特征表示；钟形隶属度函数是模糊理论中使用最多的隶属函数，通常用来表示。正态云正是在二者基础上发展起来的全新模型。 定义3.2 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，若满足：,其中，且对的确定度满足： （3.2） 则在论域上的分布称为正态云[43]。 3.2.1 正态云发生器 正态云发生器[44]是指用计算机实现的一种特定算法，其可以用集成的微电子器件来实现，包括正向云发生器和逆向云发生器。 (1) 正向云发生器 正向云发生器是实现定性概念到定量值的转