基于区间集上云模型研究.docVIP

基于区间集上云模型研究 　　【摘 要】本文针对区间集上的云模型，首先利用中国科学院院士的年龄信息作为研究区间集与云模型关系的数据来源，然后部分数据运用高斯云的数值特征进行拟合，发现区间集上的整体趋势与拟合后的整体趋势存在较大的相似性，最后通过高斯函数计算出区间集对应的高斯云曲线，并运用实际数据对模型的有效性进行验证。 　　【关键词】区间集；高斯云模型；年龄分布 　　0 概述 　　在日常生活中，一些模糊概念经常会出现在我们的自然语言中，如果想用定量的数据来表示，却发现很困难。而云模型[1]恰能实现从定性概念到定量数据间的转化，它通过期望Ex、熵En、超熵He三个数值来完成这些模糊概念到具体数据之间的转换，并以云图表现出来，与传统的处理模糊概念的方法相比，更加直观、具体；云模型对于日常生活中的不确定性概念有很好的表达能力。目前，传统的模糊数学在很多领域已经不能够满足模糊研究的需要，而云模型凭借其处理模糊度和随机性的优势越来越频繁的应用到各个领域。为了完善模糊研究中的存在的不足，本文对云模型的理论和应用的发展进行了探讨和总结。 　　与此同时许多不确定性或信息不安全的问题也体现在生活各处，仅用点值描述很难表达其准确的含义，而如果用区间集[2]来描述却可以有效的表达语义。将信息合理有效地区间分段，可以减少局部区间的波动，保证了结果的科学性和合理性，降低了结果分析的失误率，因此，区间集被广泛的应用于人工智能的控制、神经网络等领域中。区间集不仅能够反映逻辑推理的模糊性，而且符合人类推理模糊信息的习惯。故此，区间集本文研究的对象，并在区间集的基础上引出高斯云模型。 　　在国内外不乏单一的对云模型及区间集进行深入研究的学者，但将两者结合却寥寥无几，本文即是将两者结合的研究，即基于区间集的云模型研究。 　　本文首先在区间集上对2013年统计得到的中国科学院院士的年龄分布情况进行统计分析，可以发现在40-60、60-100岁上各年龄段的人数在总体呈正态趋势，同时在各年龄阶段范围内呈现局部正态函数的趋势。然后运用高斯函数对所有年龄段总体分析和计算，继而拟合出高斯云的回归方程。 　　1 基于区间集的云模型研究 　　1.1 区间集上的实例分析 　　科学家年龄及其结构是科学社会学研究中一个不可忽略的问题。但是，在研究的过程中，以什么方式研究对结果的产生在一定的程度上会有影响。本文通过采集2013年中国科学院全部院士的年龄数据，基于区间集对其整体结构进行分析。 　　从表1[3]数据可以得出在40-60岁、60-100岁的不同年龄区间局部年龄趋势呈正态分布，而且以上两个大年龄段的区间集上离散点的总体趋势也几近于正态分布，故可在此区间集上运用云模型加以研究。 　　从图1可以看出院士年龄整体偏高，偏高的院士当选年龄和偏高的院士平均年龄不利于国家的科技创新与科技进步。要综合运用科学哲学、科学社会学等多种理论和知识，准确把握科学家群体的特殊属性及要求，完善院士选拔制度、调整院士的年龄结构，使大多数当选院士处在科学创造力和生产力的最佳年龄段。 　　图1 不同年龄的分布 　　1.2 区间集上的高斯云模型 　　由图1发现年龄所构成的图形与高斯云分布[4]的图形在一定的程度上是相似的。因此，借助高斯函数对采集的数据进行拟合，以此引申为对科学家年龄的研究分析。 　　运用高斯云的数字特征[5]对表1中60-100年龄区间上的数据进行分析计算，得到不同区间集上利用高斯云的数字特征拟合后的数据。高斯云的数字特征如下： 　　1）高斯云分布的期望EX=Ex。 　　EX=■xf（x）dx 　　=■x■e■dx■■e■d？滓 　　=Ex 　　2）0He■时，高斯云分布的一阶绝对中心距EX-Ex=■En。 　　EX-EX=■x-Exf（x）dx 　　=2■■e■dx■■e■d？滓 　　=■■■e■d？滓 　　=■En 　　3）高斯云的方差■■e■d？滓。 　　D（x）=■x-Ex■f（x）dx 　　=■x-Ex■■e■dx■■e■d？滓 　　=■■e■d？滓 　　=■■e■d？滓 　　=■■e■d？滓+■■e■d？滓+0 　　=He■+En■ 　　1.3 云的数值特征 　　一个云滴[6]是定性概念，在数量上一次实现，大量云滴组成云。尽管在不同的时刻产生的云滴不同，但是云的数字特征决定的云的整体形态基本不变。云的数字特征由期望Ex，熵En，超熵He三个数值来表示，他们反映了定性概念上的定量特征。 　　期望Ex：是在数值域空间中最能体现定性概念的点值，是将定性概念数值化的最佳样本点。在云图中体现为云的峰值所处的位置，反应了这个概念的云滴群的云重心。 　　熵En：用来综合度量定性概念的模糊度和概率，即被定性概念接受的取值范围大