不确定性人工智能 KJ6高斯云变换讲课.pptVIP

基于高斯云和高斯变换提出的高斯云变换方法给出了一个通用的认知工具，不仅将数据集合转换为不同粒度的概念，而且可以实现不同粒度概念之间的柔性切换，构建泛概念树，解决了粒计算中的变粒度问题，有着广阔的应用前景。 不同概念对应的数值区间界限分明，不允许有亦此亦彼的过渡现象存在，缺少了概念固有的模糊性。例如，44岁和45岁属于两个不同的年龄概念过于武断；隶属关系单一，无法反映一个属性值可能同时属于多个上层概念的现象。 概念树通常是与特定情境和主题相关的，具有相对性。例如对于科学家而言48岁还是一个非常年轻的年龄。又例如1995年世界卫生组织将“中年”划定为45-65岁，2000年为45-59岁。再例如美国将“中年”划定为40-65岁，葡萄牙为29-51岁，日本和中国为40-60岁。因此，概念树的结构常常和问题域的时间、地区等相关。 传统的概念树存在以下局限性 人们在对概念认知的过程中，很多时候并不存在层次结构分明、边界划分明确的唯一的树形结构，概念之间或许存在交叠，一个低层次的概念也可以隶属于多个高层次的概念，整体呈树状结构、局部呈现出网状结构，称之为泛概念树。 如何构建泛概念树？ 二、从高斯变换到高斯云变换 空间变换或域变换是科学研究中常用的一种方法。在一个空间中呈现复杂状态的问题转换到另一个空间，可能就会变得简单而容易理