二维近似空间上基于粒计算的数据识别

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 75-78.

二维近似空间上基于粒计算的数据识别

闫林,党留群,魏雁天,张学栋

河南师范大学计算机与信息技术学院智能信息处理重点实验室，河南新乡 453007

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 闫林

Data recognition based on granular computing in binary-dimensional approximate space

YAN Lin,DANG Liu-qun,WEI Yan-tian,ZHANG Xue-dong

Key Laboratory for Intelligent Information Processing，College of Computer and Information Technology，Henan Normal University，Xinxiang，Henan 453007，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: YAN Lin

摘要/Abstract

摘要： 利用逻辑推理和粒计算相互融合的研究成果，通过扩展近似空间，在形成的二维近似空间上定义了逻辑公式和公式确定的粒。为数据识别的需要，特别构造了一类重要的二维近似空间——矩形近似空间。经对矩形近似空间上公式确定的粒进行粒计算，得到矩形近似空间上公式粗糙描述的概念，由此可有效地实现对公式中隐含信息的识别，以达到数据保密传送的目的。这种基于粒计算的数据识别不仅表明前期理论研究的重要性，也表明理论结果的应用价值。

关键词: 矩形划分, 矩形近似空间, 粒计算, 粗糙描述

Abstract: Based on the achievements in scientific researches on combining logical reasoning with granular computing，logical formulas and granules corresponding to the formulas are defined in a binary-dimensional approximate space obtained by expanding an approximate space.To make the needs of data recognition，an important binary-dimensional approximate space，rectangular approximate space，are specially constructed.Through granular computing on the granules corresponding to the formulas in the rectangular approximate space，a concept，rough description of a formula is proposed，so the information hidden in a formula can be recognized via using the formula’s rough description，and this method can effectively realize the purpose of maintaining secrecy when information is transferred.This data recognition by means of granular computing not only indicates the importance， but also shows the practical value about of the theoretical researches in earlier stage.

Key words: rectangular partition, rectangular approximate space, granular computing, rough description

闫林,党留群,魏雁天,张学栋. 二维近似空间上基于粒计算的数据识别[J]. 计算机工程与应用, 2008, 44(1): 75-78.

YAN Lin,DANG Liu-qun,WEI Yan-tian,ZHANG Xue-dong. Data recognition based on granular computing in binary-dimensional approximate space[J]. Computer Engineering and Applications, 2008, 44(1): 75-78.

[1]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[2]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[3]	彭莉莎，钱文彬，王映龙，舒文豪. 面向不完备邻域系统的三支决策粒计算方法[J]. 计算机工程与应用, 2019, 55(18): 53-60.
[4]	阎红灿，张奉，刘保相. 本体构建的粒计算学习模型[J]. 计算机工程与应用, 2017, 53(1): 87-91.
[5]	刘玉超. 一种自适应的多粒度概念提取方法——高斯云变换[J]. 计算机工程与应用, 2015, 51(9): 1-8.
[6]	李鸿1，2. 基于偏序关系粒范畴的构造方法[J]. 计算机工程与应用, 2015, 51(6): 11-15.
[7]	单雪红1，吴涛2，张文军3，高显彩1. 覆盖粗糙集的偏序关系研究[J]. 计算机工程与应用, 2015, 51(5): 153-155.
[8]	陈济舟，罗可. 基于粒计算与粗糙集的人工鱼群聚类算法[J]. 计算机工程与应用, 2015, 51(21): 116-120.
[9]	刘丽杰1，李盼池2，李守威3. 粒化（α，k）-匿名方法研究[J]. 计算机工程与应用, 2014, 50(2): 75-80.
[10]	李鸿1，2，马小平1. 粒计算的四元模型研究[J]. 计算机工程与应用, 2013, 49(4): 9-13.
[11]	李莲，罗可，周博翔. 一种改进人工蜂群的K-medoids聚类算法[J]. 计算机工程与应用, 2013, 49(16): 146-150.
[12]	李海燕，李冠宇，韩国栓. 粗糙本体支持的知识推理框架[J]. 计算机工程与应用, 2013, 49(10): 40-44.
[13]	闫林1，闫硕2. 粒计算下的决策系统分解与决策转换[J]. 计算机工程与应用, 2012, 48(4): 13-17.
[14]	陈玉明，吴克寿，孙金华. 基于知识粒度的异常数据挖掘算法[J]. 计算机工程与应用, 2012, 48(4): 118-120.
[15]	刘宏兵1，熊盛武2. WSN节点的粒计算网格化定位算法[J]. 计算机工程与应用, 2012, 48(10): 16-19.