粒的特征及形式化表示研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (11): 3-6.

粒的特征及形式化表示研究

李鸿1，2，马小平1

1.中国矿业大学信息与电气工程学院，江苏徐州 221008
2.宿州学院信息工程学院智能信息处理实验室，安徽宿州 234000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-11 发布日期:2011-04-11

Research on feature and formal representation of granule

LI Hong1，2，MA Xiaoping1

1.School of Information and Electrical Engineering，China University of Mining and Technology，Xuzhou，Jiangsu 221008，China
2.Lab of Intelligent Information Processing，School of Information Engineering，Suzhou University，Suzhou，Anhui 234000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-11 Published:2011-04-11

摘要/Abstract

摘要： 为了能为粒计算的粒提供一种统一的表示形式，研究了粒的特征的基本含义、描述及其关系，分析了粒的对象、特征、关系及状态等四个基本要素，提出了基于数据层面的粒的四元组的形式化表示形式，即由对象集、特征集、关系集和约束集四元组组成。接着给出了几个特殊粒的表示形式，然后说明了该表示形式的统一性及其优点，并结合具体的例子进行了研究。该形式化表示形式具有重要的方法论意义，很好地解决了基于数据层面的粒的表示问题，有利于问题求解和粒计算理论的研究。

关键词: 粒, 特征, 形式化, 表示, 粒计算

Abstract: In order to provide the granule unification representation of granular computing，the paper discusses the basic meaning，descriptions and the relations between the features of the granule，analyzes the four basic elements of the granule：The objects，the features，the relationships，and the states，presents four-tuples formal representation based on data levels，that is the object set，feature set，relationship sets and constraints set.Then the representation of several special granules are presented，and it shows the unity and advantage of the representation，gives a specific examples to study.The formal representation has important significance in methodology to solve well the granule representation based on data levels，and to be conductive to problem solving and granular computing theory studying.

Key words: granule, feature, formalization, representation, granular computing

李鸿1，2，马小平1. 粒的特征及形式化表示研究[J]. 计算机工程与应用, 2011, 47(11): 3-6.

LI Hong1，2，MA Xiaoping1. Research on feature and formal representation of granule[J]. Computer Engineering and Applications, 2011, 47(11): 3-6.

[1]	贾香恩，董一鸿，朱锋，钱江波. 异构图卷积网络研究进展[J]. 计算机工程与应用, 2021, 57(9): 36-49.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[4]	杨春霞，李欣栩，吴佳君，刘天宇. 基于注意力交互机制的层次网络情感分类[J]. 计算机工程与应用, 2021, 57(9): 134-139.
[5]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[6]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[7]	吴文龙，周喜，王轶，王保全. WKAG：一种针对不平衡医保数据的欺诈检测方法[J]. 计算机工程与应用, 2021, 57(9): 247-254.
[8]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[9]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[10]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[11]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[12]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[13]	牛通，卿粼波，许盛宇，苏婕. 基于深度学习的分层关联多行人跟踪[J]. 计算机工程与应用, 2021, 57(8): 96-102.
[14]	赵圆丽，梁志剑. 基于异核卷积双注意机制的立场检测研究[J]. 计算机工程与应用, 2021, 57(8): 119-125.
[15]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.