基于云模型的雙向認知計算方法研究.pdf

1、認知科學是人工智能、心理學、哲學、語言學、人類學、神經(jīng)科學等學科的交叉科學，主要研究生物神經(jīng)系統(tǒng)（如人腦）和機器系統(tǒng)（如計算機）在感知、語言、存儲、推理和情感等過程中對信息與知識的表達、處理和傳遞問題.不同學科的研究人員分別從不同角度對人腦和機器的認知行為進行了研究.認知的基本單元是概念.由于客觀世界以及人類現(xiàn)實認知過程中所固有的不確定性，不確定性概念的認知成為了認知研究的重要基礎.人們已經(jīng)提出了模糊集、粗糙集、商空間等諸多理論模型來研

2、究這一問題，但基于精確的邏輯運算和數(shù)值運算模擬人類認知，常常具有局限性.人腦基于詞語（概念內(nèi)涵）處理不確定性概念，而計算機基于樣本集合（概念外延）處理不確定性概念.建立不確定性概念內(nèi)涵與外延之間的雙向認知計算，是實現(xiàn)人腦智能思維和計算機智能計算統(tǒng)一的關鍵.然而，傳統(tǒng)的機器學習和數(shù)據(jù)挖掘卻僅僅研究了從概念外延獲取其內(nèi)涵的單向認知計算問題.
　　2011年度圖靈獎頒給將貝葉斯網(wǎng)絡和概率方法引入人工智能的朱迪亞·珀爾(JudeaPear

3、l)教授，說明了基于概率統(tǒng)計的不確定性理論和方法的重要性.云模型可以作為一個以概率統(tǒng)計為基礎的雙向認知計算模型.因此，構(gòu)建基于云模型的雙向認知計算方法，以概率統(tǒng)計為基礎，研究概念內(nèi)涵與外延之間的雙向認知轉(zhuǎn)換是本論文研究的主要目標.歸納起來，本文的主要研究工作和創(chuàng)新內(nèi)容表現(xiàn)在以下幾個方面:
　　(1)在已有高階正態(tài)云變換算法基礎上，以遞歸的形式給出了高階正態(tài)云的定義，研究并推導了正態(tài)云的相關數(shù)學性質(zhì)，進一步深化了云模型的數(shù)學基礎.<

4、br>　　首先基于條件概率推導了二階正態(tài)云確定度在不同情形下的概率分布，并對文獻中給出的二階正態(tài)云云滴與其確定度的聯(lián)合概率分布進行了修正.其次，在高階正向正態(tài)云變換算法的基礎上，以遞歸的形式定義了高階正態(tài)云模型，推導出高階正態(tài)云確定度的概率密度函數(shù)，得到了高階正態(tài)云確定度的概率密度函數(shù)既與高階正態(tài)云的數(shù)字特征無關，也與階數(shù)無關這一重要性質(zhì).
　　(2)針對現(xiàn)有逆向云變換算法存在的缺陷，提出了兩種穩(wěn)定的多步逆向云變換算法，為實現(xiàn)穩(wěn)定

5、的雙向認知計算過程奠定了基礎.
　　針對現(xiàn)有二階逆向云變換算法在應用中存在的局限，系統(tǒng)分析了當前四種二階逆向云變換算法各自的缺陷，采用分組降階的隨機過程參數(shù)估計方法，提出了兩種多步式的二階逆向云變換算法，通過估計量的評價準則分析了這兩種算法中估計量的無偏性、相合性以及收斂性，并利用對比實驗詳細分析了這兩種算法的穩(wěn)定性，為實現(xiàn)穩(wěn)定的雙向認知計算過程奠定了基礎.最后，結(jié)合高階正態(tài)云模型的數(shù)學性質(zhì)，將隨機可重復抽樣的多步逆向云變換算法推

6、廣至高階正態(tài)云中，得到了高階正態(tài)云的逆向云變換算法，解決了高階正態(tài)云模型的參數(shù)求解問題.
　　(3)通過正態(tài)云生成云滴的特點，提出了一般正態(tài)云模型，建立了正態(tài)云模型與正態(tài)分布之間的聯(lián)系，進一步完善了云模型的相關理論.
　　首先結(jié)合正態(tài)云滴的生成特點一般化了二階正態(tài)云生成云滴的過程，給出了二階一般正向正態(tài)云變換算法，發(fā)現(xiàn)二階正態(tài)云和正態(tài)分布都是二階一般正態(tài)云的特例.其次，利用一般正態(tài)云滴產(chǎn)生的過程以及結(jié)合正向云變換和逆向云變換

7、互逆的特點，采用理想分組和隨機分組的方式分別給出了在理想狀態(tài)下和一般情形下的二階一般正態(tài)云的逆向云變換算法，分析了這兩種二階一般逆向云變換算法之間的關系，并通過實驗對此進行了說明.最后，將二階一般正向正態(tài)云變換和逆向云變換算法推廣至高階云模型中，得到了高階一般正向正態(tài)云變換和逆向變換算法.系統(tǒng)地解決了一般正態(tài)云模型云滴的生成方式和其中參數(shù)求解問題，完善了云模型理論.
　　(4)提出雙向認知計算模型，結(jié)合人類認知的特點和雙向認知變換

8、算法，以計算的方式模擬了基于概念的雙向認知計算過程.
　　云模型是用語言值表示的某個定性概念（概念內(nèi)涵）與其定量表示（概念外延）之間的不確定性轉(zhuǎn)換模型，利用正向云變換和逆向云變換實現(xiàn)概念內(nèi)涵（定性）與外延（定量）相互轉(zhuǎn)換的映射，研究自然語言中最基本語言值對應概念所蘊含的普遍規(guī)律，使得有可能從概念表達的定性信息（概念內(nèi)涵）中獲得定量數(shù)據(jù)（概念外延）的范圍和分布規(guī)律，也有可能把精確數(shù)值（外延信息）有效轉(zhuǎn)換為恰當?shù)亩ㄐ愿拍睿▋?nèi)涵）.為此

9、，本文結(jié)合人類認知的特點，提出雙向認知計算模型，利用正向云變換算法和逆向云變換算法以計算的方式模擬研究了不確定性概念的雙向認知計算過程，并利用對稱KL散度對概念在認知過程可能發(fā)生的漂移性進行度量研究，最后通過實驗進行了模擬分析.
　　(5)結(jié)合人類對圖像認知的特性，研究了雙向認知變換算法在圖像分割中的應用.
　　圖像分割是根據(jù)圖像的特征將圖像劃分為幾個互不交疊的區(qū)域，以便能從中提取感興趣的目標區(qū)域.本文首先從圖像的灰度、顏色

10、等屬性的統(tǒng)計信息出發(fā)，利用認知變換算法從中提取云概念.結(jié)合人對圖像的認知特性，定義了一種云概念合并準則，并在已有云概念綜合方法的基礎上推導出一種新的云綜合方法進行概念躍升，然后借助正態(tài)云的“3En”規(guī)則對圖像進行分割.最后將該方法應用于灰色/彩色圖像以及具有噪聲的圖像分割中，并與Otsu、K-means、GMM以及S-PCNN等經(jīng)典算法以及基于Type-2fuzzy set、直覺模糊集(A-IFS)和云模型的圖像分割方法進行了分析比較，