avatar avatar 我的文献 基于云模型的双向认知计算方法研究 作者 许昌林 单位 西南交通大学 关键词 云模型; 认知计算; 正向云变换; 逆向云变换; 不确定性 基金 国家自然科学; 重庆市自然科学基金
摘要
认知科学是人工智能、心理学、哲学、语言学、人类学、神经科学等学科的交叉科学,主要研究生物神经系统(如人脑)和机器系统(如计算机)在感知、语言、存储、推理和情感等过程中对信息与知识的表达、处理和传递问题.不同学科的研究人员分别从不同角度对人脑和机器的认知行为进行了研究.认知的基本单元是概念.由于客观世界以及人类现实认知过程中所固有的不确定性,不确定性概念的认知成为了认知研究的重要基础.人们已经提出了模糊集、粗糙集、商空间等诸多理论模型来研究这一问题,但基于精确的逻辑运算和数值运算模拟人类认知,常常具有局限性.人脑基于词语(概念内涵)处理不确定性概念,而计算机基于样本集合(概念外延)处理不确定性概念.建立不确定性概念内涵与外延之间的双向认知计算,是实现人脑智能思维和计算机智能计算统一的关键.然而,传统的机器学习和数据挖掘却仅仅研究了从概念外延获取其内涵的单向认知计算问题.2011年度图灵奖颁给将贝叶斯网络和概率方法引入人工智能的朱迪亚�珀尔(Judea Pearl)教授,说明了基于概率统计的不确定性理论和方法的重要性.云模型可以作为一个以概率统计为基础的双向认知计算模型.因此,构建基于云模型的双向认知计算方法,以概率统计为基础,研究概念内涵与外延之间的双向认知转换是本论文研究的主要目标.归纳起来,本文的主要研究工作和创新内容表现在以下几个方面:(1)在已有高阶正态云变换算法基础上,以递归的形式给出了高阶正态云的定义,研究并推导了正态云的相关数学性质,进一步深化了云模型的数学基础.首先基于条件概率推导了二阶正态云确定度在不同情形下的概率分布,并对文献中给出的二阶正态云云滴与其确定度的联合概率分布进行了修正.其次,在高阶正向正态云变换算法的基础上,以递归的形式定义了高阶正态云模型,推导出高阶正态云确定度的概率密度函数,得到了高阶正态云确定度的概率密度函数既与高阶正态云的数字特征无关,也与阶数无关这一重要性质.(第2章)(2)针对现有逆向云变换算法存在的缺陷,提出了两种稳定的多步逆向云变换算法,为实现稳定的双向认知计算过程奠定了基础.针对现有二阶逆向云变换算法在应用中存在的局限,系统分析了当前四种二阶逆向云变换算法各自的缺陷,采用分组降阶的随机过程参数估计方法,提出了两种多步式的二阶逆向云变换算法,通过估计量的评价准则分析了这两种算法中估计量的无偏性、相合性以及收敛性,并利用对比实验详细分析了这两种算法的稳定性,为实现稳定的双向认知计算过程奠定了基础.最后,结合高阶正态云模型的数学性质,将随机可重复抽样的多步逆向云变换算法推广至高阶正态云中,得到了高阶正态云的逆向云变换算法,解决了高阶正态云模型的参数求解问题.(第3章)(3)通过正态云生成云滴的特点,提出了一般正态云模型,建立了正态云模型与正态分布之间的联系,进一步完善了云模型的相关理论.首先结合正态云滴的生成特点一般化了二阶正态云生成云滴的过程,给出了二阶一般正向正态云变换算法,发现二阶正态云和正态分布都是二阶一般正态云的特例.其次,利用一般正态云滴产生的过程以及结合正向云变换和逆向云变换互逆的特点,采用理想分组和随机分组的方式分别给出了在理想状态下和一般情形下的二阶一般正态云的逆向云变换算法,分析了这两种二阶一般逆向云变换算法之间的关系,并通过实验对此进行了说明.最后,将二阶一般正向正态云变换和逆向云变换算法推广至高阶云模型中,得到了高阶一般正向正态云变换和逆向变换算法.系统地解决了一般正态云模型云滴的生成方式和其中参数求解问题,完善了云模型理论.(第4章)(4)提出双向认知计算模型,结合人类认知的特点和双向认知变换算法,以计算的方式模拟了基于概念的双向认知计算过程.云模型是用语言值表示的某个定性概念(概念内涵)与其定量表示(概念外延)之间的不确定性转换模型,利用正向云变换和逆向云变换实现概念内涵(定性)与外延(定量)相互转换的映射,研究自然语言中最基本语言值对应概念所蕴含的普遍规律,使得有可能从概念表达的定性信息(概念内涵)中获得定量数据(概念外延)的范围和分布规律,也有可能把精确数值(外延信息)有效转换为恰当的定性概念(内涵).为此,本文结合人类认知的特点,提出双向认知计算模型,利用正向云变换算法和逆向云变换算法以计算的方式模拟研究了不确定性概念的双向认知计算过程,并利用对称KL散度对概念在认知过程可能发生的漂移性进行度量研究,最后通过实验进行了模拟分析.(第5章)(5)结合人类对图像认知的特性,研究了双向认知变换算法在图像分割中的应用.图像分割是根据图像的特征将图像划分为几个互不交叠的区域,以便能从中提取感兴趣的目标区域.本文首先从图像的灰度、颜色等属性的统计信息出发,利用认知变换算法从中提取云概念.结合人对图像的认知特性,定义了一种云概念合并准则,并在已有云概念综合方法的基础上推导出一种新的云综合方法进行概念跃升,然后借助正态云的“3En”规则对图像进行分割.最后将该方法应用于灰色/彩色图像以及具有噪声的图像分割中,并与Otsu、K-means、GMM以及S-PCNN等经典算法以及基于Type-2 fuzzy set、直觉模糊集(A-IFS)和云模型的图像分割方法进行了分析比较,实验中本文方法的平均误分率较低,明显优于其他算法,充分证明了方法的有效性.(第6章)
下载 cnki {{liketext}}
©2020 - iData {{ message }} 关闭