模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2018, Vol. 31 Issue (8): 677-692    DOI: 10.16451/j.cnki.issn1003-6059.201808001
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
多粒度云模型的相似性度量
杨洁1,2, 王国胤1, 张清华1, 冯林3
1.重庆邮电大学 计算智能重庆市重点实验室 重庆 400065
2.遵义师范学院 物理与电子科学学院 遵义 563002
3.四川师范大学 计算机科学学院 成都 610101
Similarity Measure of Multi-granularity Cloud Model
YANG Jie1,2, WANG Guoyin1, ZHANG Qinghua1, FENG Lin3
1.Chongqing Key Laboratory of Computational Intelligence, Ch-ongqing University of Post and Telecommunications, Chong-qing 400065
2.School of Physics and Electronic Science, Zunyi Normal University, Zunyi 563002
3.School of Computer Science, Sichuan Normal University, Chengdu 610101

全文: PDF (2991 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 

当前存在的云模型相似性度量仅局限于单粒度空间,缺乏多粒度云模型的相似性度量的相关研究.因此,文中首先证明知识距离框架的相关性质,并建立知识距离与信息度量、信息粒度之间的联系,在分层递阶粒结构上得到如下结论:同一粒结构中粒空间的粒度差异正相关于知识距离,通过知识距离可将随粒度连续变化的粒空间映射到一维坐标上.最后,在知识距离框架的基础上提出云模型相似性度量方法.实验验证上述结论在云模型粒空间上成立.

服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
杨洁
王国胤
张清华
冯林
关键词 云模型知识距离层次粒结构相似性度量    
Abstract

Traditional cloud similarity measures are only suitable for single granularity, and the multi-granularity cloud similarity measure is insufficient in research. In this paper, a knowledge distance framework is proposed and its relative properties are proved. The relationships between knowledge distance and information measure and information granularity are established. Moreover, two valuable conclusions are drawn in a hierarchical granular structure. The granularity difference of two granular spaces in a hierarchical granular structure is positive correlation to the knowledge distance framework between them. The granular spaces change continuously with the granularity and they can be mapped into the one-dimension coordinate. Finally, a similarity measure of cloud model based on the knowledge distance framework(KDFCM) is proposed. The experiments verify that the properties of KDFCM are consistent with the above conclusions.

Key wordsCloud Model    Knowledge Distance    Hierarchical Granular Structure    Similarity Measure   
收稿日期: 2018-04-15     
ZTFLH: TP 311  
基金资助:

国家自然科学基金项目(No.61572091,61472056)、高端人才项目(No.RC2016005)、贵州省联合基金项目(No.黔科合LH字[2017]7075号)、四川省科技支撑计划项目(No.2015GZ0079)、省级重点学科(No.黔学科办[2013]18号)资助

通讯作者: 王国胤,博士,教授,主要研究方向为粗糙集、粒计算、智能信息处理、数据挖掘.E-mail:wanggy@cqupt.edu.cn.   
作者简介: 杨 洁,博士研究生,副教授,主要研究方向为云模型、粒计算、粗糙集、机器学习.E-mail:yj530966074@foxmail.com. 张清华,博士,教授,主要研究方向为粗糙集、模糊集、粒计算、三支决策.E-mail:zhangqh@cqupt.edu.cn. 冯 林,博士,教授,主要研究方向为粗糙集、粒计算、机器学习.E-mail:839949655@qq.com.
引用本文:   
杨洁, 王国胤, 张清华, 冯林. 多粒度云模型的相似性度量[J]. 模式识别与人工智能, 2018, 31(8): 677-692. YANG Jie, WANG Guoyin, ZHANG Qinghua, FENG Lin. Similarity Measure of Multi-granularity Cloud Model. , 2018, 31(8): 677-692.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201808001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2018/V31/I8/677
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn