基于粗糙集和粒度计算的海表温度数据融合研究
基于粒计算的数据挖掘与数据分析
聚类结果评估
粒计算可以用于评估聚类 结果的质量，以便更好地 理解数据分布。
特征选择
粒计算可以用于选择对聚 类结果影响最大的特征， 以提高聚类效果。
粒计算在异常检测中的应用
基于密度的异常检测
01
粒计算可以用于基于密度的异常检测算法中，以更好
地识别异常点。
基于距离的异常检测
02 粒计算可以用于基于距离的异常检测算法中，以更好
02
基于粒计算的数据挖掘
粒计算在数据挖掘中的应用
01
02
03
简化数据集
通过将数据集划分为不同 的粒度，可以简化数据集 ，提高数据挖掘的效率。
特征提取
粒计算可以用于提取数据 集中的特征，以便更好地 表示数据。
数据预处理
粒计算可以用于数据预处 理，例如去除噪声、填充 缺失值等。
粒计算在关联规则挖掘中的应用
离群点检测
基于粒计算的离群点检测方法通过检测离群点，将离群点剔除，实 现数据的压缩。
粒计算在数据融合中的应用
多源数据融合
基于粒计算的多源数据融合方法通过对不同来源的数据进行融合 ，获得更全面和准确的数据。
数据去重
基于粒计算的数据去重方法通过对数据进行近似处理，去除重复 数据，提高数据的质量。
数据插值
基于粒计算的数据插值方法通过对数据进行插值处理，获得更准 确的数据。
04
基于粒计算的算法优化
基于粒计算的算法优化方法
规则合并法
将多条规则合并为一条规则，从而减少规则的数量，降低算法的复 杂度。
规则约简法
在保持分类准确度的基础上，删除冗余的规则，从而减少规则的数 量，提高算法的效率。
规则优化法
根据一定的评价标准，对生成的规则进行排序，选择优质的规则，从 而提高算法的精度。
重庆邮电大学硕士研究生学位论文
答辩公告学位论文名称：1.Rough集理论代数观与信息观的比较研究2.基于粒计算的知识获取算法研究3.基于粗糙集理论的自主式朴素贝叶斯学习算法研究4.基于协作过滤的个性化服务技术研究5.基于多图像融合的岩石节理裂隙识别6. 公路防噪板的隔音效果的计算机仿真实验研究生姓名：李邕, 张闽, 邓维斌, 纪良浩, 姚骏屏, 刘恋秋指导教师：王国胤，王卫星,余嘉顺专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2216教室答辩时间：2007年6月2日上午8：00～12：00答辩委员会主席：廖晓峰答辩委员会委员：樊兴华，程克非，金文标，刘群重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.智能网络广告监测系统及情报分析2.基于W AP的个性化服务系统的研究3.基于Windows Media 卫星网络流媒体播存系统的研究与实现4.基于嵌入式Ad Hoc网络的路由协议研究与实现5.3G IP多媒体子系统呈现业务互通研究6.无线传感器网络MAC层协议的研究研究生姓名：唐欢亮,魏凌华, 瓮建营, 邓洪, 段娇, 刘良指导教师：李大学,李秉智,龙昭华，王卫星，邓亚平专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2216教室答辩时间：2007年6月2日下午2：00～6：00答辩委员会主席：廖晓峰答辩委员会委员：樊兴华，程克非，金文标，胡学刚重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.入侵防御系统与交换机设备联动方案的设计与实现2.入侵检测报警信息聚类研究3.基于主成分分析和贝叶斯分类的入侵检测方法研究4.语义本体在计算机取证中的应用研究5.基于概率包标记的拒绝服务攻击IP追踪的研究6. 普适计算安全中的访问控制和信任模型研究研究生姓名：樊辉, 姜兆元, 张显跃, 陈巍, 黄宝峰, 马彬指导教师：杜江,赵军,陈龙，王平专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2216教室答辩时间：2007年6月3日上午8：00～12：00答辩委员会主席：廖晓峰答辩委员会委员：樊兴华，尚凤军，刘宴兵，吴慧莲重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于分形的断层图像三维重建算法研究2.复杂岩石节理裂隙图像处理及几何复杂度分析3.基于粗糙集阴影边缘检测及阴影区域分割4.岩石块度图像阴影检测及去除技术研究5.基于紫外光图像的岩石裂隙跟踪及分析6. 基于多源日志的事件场景关联方法研究研究生姓名：王梦, 崔冰, 陈铁民, 陈绍武, 黄超, 周剑指导教师：金文标,王卫星,王国胤专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2302教室答辩时间：2007年6月2日上午8：00～12：00答辩委员会主席：邱玉辉答辩委员会委员：吴渝，赵军，尚凤军，袁正午重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.TD－SCDMA系统联合检测算法的研究与实现2.烟草企业销售管理系统的设计与开发3.在Internet中确定瓶颈链路的算法研究4.基于优势关系的规则获取研究5.基于云模型的遥感图像边缘检测6.Ad Hoc网络自适应路由协议研究研究生姓名：谢军伟, 廖红富, 贺大喜, 陈娟, 谢磊, 黄育松指导教师：李小文, 石全胜, 杨春德，姚一豫，汪林林，刘宴兵专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2302教室答辩时间：2007年6月2日下午2：00～6：00答辩委员会主席：邱玉辉答辩委员会委员：吴渝，赵军，郑继明，于洪重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.WLAN接入控制与信道分配技术的研究2.V oWLAN终端硬件系统的设计与实现3.数据挖掘在生物信息中的应用4.基于两步策略的英文文本分类研究5.基于免疫算法和增量支持向量机的入侵检测研究6. 基于小波分析的音频分割与聚类研究生姓名：翟琮琮, 李云燕, 陈薇, 陈建林, 周红刚, 李婧指导教师：刘宴兵,龙昭华, 谭军，姚一豫，杨春德，郑继明专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2302教室答辩时间：2007年6月3日上午8：00～12：00答辩委员会主席：邱玉辉答辩委员会委员：吴渝，赵军，游晓黔，向宏重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.面向DSP密码卡的USB2.0高速通信接口的设计与实现2.基于内容相似性的图像特征提取3.嵌入式EPA安全网关开发--安全功能模块的设计与实现4.JAAS的应用研究与实现5.基于SOPC的硬件在回路仿真器的开发6. 基于Petri网的事件重建应用研究研究生姓名：张俊,刘兴洪,干开峰,王平,王蒙,鄢羽指导教师：胡向东,汪林林,王平,张继棠,张晓春,王国胤专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2315教室答辩时间：2007年6月2日上午8：00～12：00答辩委员会主席：涂亚庆答辩委员会委员：陈龙，谢显中，龙昭华，黄梅根重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.面向电子商务的数据挖掘中聚类算法的研究2.基于SIP代理的3G-WLAN互通研究3.IP over WDM 网络动态业务疏导算法研究4.Portal技术研究及其在数字化校园中的应用5.基于ARM的EPA通信协议栈优化技术的研究与实现6.基于功能块的EPA组态软机的研究与开发研究生姓名：伍育红, 饶家民,王建设, 李梁, 宋亚亮, 梁云鹏指导教师：胡向东,龙昭华,阳小龙,张继棠，DiKaiL，黄康,王平专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2315教室答辩时间：2007年6月2日下午2：00～6：00答辩委员会主席：涂亚庆答辩委员会委员：陈龙，谢显中，王卫星，邹永贵重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于OSEK／VDX标准的嵌入式实时操作系统的研究与实现2.基于车载网络嵌入式浏览器的研发3.基于 CCP 协议的电控发动机标定系统的研发4.ABS控制系统开发平台中的建模、仿真和测试5.EPA网络安全关键技术实现及其性能研究研究生姓名：章亮飞,郭东进, 石勇, 陈培然, 陈云指导教师：李银国,王平, 邓亚平专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2315教室答辩时间：2007年6月3日上午8：00～12：00 答辩委员会主席：涂亚庆答辩委员会委员：陈龙，谢显中，葛君伟，于洪重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于数据挖掘的视频关键帧的提取2.岩石节理三维重建技术研究3.基于数据挖掘的镜头分类技术研究4.视频关键帧提取技术研究5.基于粗糙集的视频镜头检测研究6.基于独立分析法的人脸识别研究研究生姓名：王珽, 李锐, 罗李, 詹志飞, 冯伟, 饶斌指导教师：陈龙,金文标,王国胤,吴渝专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2316教室答辩时间：2007年6月2日上午8：00～12：00答辩委员会主席：余建桥答辩委员会委员：邓亚平，葛君伟，王卫星，李伟生重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.GPS RTK整周模糊度求解算法的研究2.密度偏差抽样在海量数据挖掘中的应用研究3.基于粒计算的海量数据挖掘算法研究4.基于TDOA/GPS数据融合定位方法的研究5.时空数据库中移动对象索引技术研究6.基于分形学的彩色岩石节理裂隙图像分割研究生姓名：姚雪, 张建锦, 卫婷, 王方竹, 李郝,彭韬,指导教师：邹永贵,吴渝,王卫星专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2316教室答辩时间：2007年6月2日下午2：00～6：00 答辩委员会主席：余建桥答辩委员会委员：邓亚平，葛君伟，李伟生, 袁正午重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于策略管理模型的IMS网络QoS研究与实现2.空间数据库中基于网格的自适应聚类算法研究3.基于密度的空间聚类算法的研究4.空间数据流系统中基于滑动窗口的查询机制研究5.基于GCC的DSP芯片编译器的研究与开发研究生姓名：王丽敏, 董琰, 高思，公丕强, 汤睿指导教师：王卫星,李秉智,葛君伟，甘玲专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2316教室答辩时间：2007年6月3日上午8：00～12：00 答辩委员会主席：余建桥答辩委员会委员：邓亚平，王卫星，胡学刚，方义秋重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于覆盖网络的应用层组播研究2.基于AODV的QoS路由优化算法研究3.无线传感器网络拓扑控制机制研究4.无线传感器网络拥塞控制协议研究5.Vague集相似性度量应用6. IP包分类算法研究研究生姓名：窦亮, 周桂森, 王凯, 魏征, 朱振国，余磊指导教师：黄梅根,陶洋,周属衡，王国胤，邓亚平专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2402教室答辩时间：2007年6月2日上午8：00～12：00答辩委员会主席：李祖枢答辩委员会委员：田有先，唐红，甘玲，夏英重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于ZigBee的远程医疗护理系统的研究2.无线传感器网络密钥管理方案研究3.基于VoiceXML的语音位置服务的研究4.基于互询机制的ad-hoc网络节点的信用度5.基于GMPLS的ASON光层路由算法的研究与改进6.无线移动自组网路由协议的研究与优化研究生姓名：龚凌,李钦, 连东洲, 李永强, 苏文莉, 许兆高指导教师：李秉智,邓亚平,葛君伟，陶洋专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2402教室答辩时间：2007年6月2日下午2：00～6：00答辩委员会主席：李祖枢答辩委员会委员：田有先，唐红，甘玲，夏英重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于JXTA平台的P2P网络安全模型的研究与实现2.基于MVC设计模式的Web开发框架的研究、设计与实现3.基于人脸与语音信息融合的身份识别技术研究4.基于资源管理和任务调度算法网格模拟器设计与研究5.基于组合方式的异常检测系统的研究研究生姓名：彭俊杰, 张晓锋, 周丽芳, 王文斌, 杨晓波指导教师：汪林林,李秉智,李伟生，刘宴兵，杜江专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2402教室答辩时间：2007年6月3日上午8：00～12：00 答辩委员会主席：李祖枢答辩委员会委员：田有先，唐红，甘玲，熊安萍重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于数据挖掘的注册表入侵检测技术研究2.无线传感器网络路由算法研究3.基于SIP的V oIP终端适配机制的研究和实现4.移动增值业务研究与开发5.IEEE 802.16e终端的MAC层带宽调度的研究与实现6. 无线TCP VENO在3G网络中的移动性研究研究生姓名：邱雪梅, 王江波,黄斌,王昆，谢声时，赵锐指导教师：赵军, 邓亚平, 李秉智，隆克平，田有先，谢显中专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2415教室答辩时间：2007年6月2日上午8：00～12：00答辩委员会主席：王国胤答辩委员会委员：刘宴兵，曹龙汉，邹永贵，郑继明重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.网格计算下支持预留的光网络资源管理与调度研究2.基于案例推理的计算机取证研究3.数据挖掘在IT基础设施监控系统中维护和决策方面的研究和应用4.基于小波变换的音频特征提取与分类研究5.BGP/MPLS VPN安全性研究6.基于图像技术的岩石微裂隙宽度和粗糙度测量研究研究生姓名：郑环, 黄启伟, 宋应湃, 邢峰, 季毅, 赵芳指导教师：阳小龙, 陈龙, 汪林林，郑继明，邓亚平，王卫星专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2415教室答辩时间：2007年6月2日下午2：00～6：00答辩委员会主席：王国胤答辩委员会委员：曹龙汉，刘宴兵，龙昭华，刘群重庆邮电大学研究生部2007年6月1日欢迎旁听!答辩公告学位论文名称：1.基于SIP协议的V oIP语音质量监测系统2.信息安全风险评估的量化模型研究及实践3.基于“IEC 61784-2”的EPA测试系统研究与开发——致性测试4.基于相对熵的投影聚类算法研究5.下一代光网络中多粒度交换技术的研究研究生姓名：薛中波, 艾明, 汪春华, 高嵩,李培江指导教师：唐红,向宏, 肖琼，夏英，阳小龙专业(学科)：计算机科学与技术院(系、所)：计算机科学与技术学院答辩地点：2415教室答辩时间：2007年6月3日上午8：00～12：00 答辩委员会主席：王国胤答辩委员会委员：曹龙汉，安世全，龙昭华，杜江重庆邮电大学研究生部2007年6月1日欢迎旁听!。
浅谈粒度计算
浅谈粒度计算摘要：粒度计算是新近兴起的人工智能研究领域的一个方向，本文简单介绍粒度计算的主要三个方法，以及之间的关系。
关键词：粒度计算、模糊逻辑、商空间理论、粗糙集理论。
一．引言人们在思考问题时，或者是先从总体进行观察，然后再逐步深入地研究各个部分的情况；或先从各个方面对同一问题进行不同侧面的了解，然后对它们进行综合；或是上面两种方法的组合，即时而从各侧面对事物进行了解，然后进行综合观察，时而综合观察后，对不甚了解的部分再进行观察……总之，根据需要从不同侧面、不同角度反复对事物进行了解、分析、综合、推理.最后得出事物本质的性质和结论.人工智能研究者对人类这种能力进行了深入地研究，并建立了各种形式化的模型.本文要介绍的粒度计算,就是对上述问题的研究的一个方面.人工智能最主要的目的是，为人类的某些智能行为建立适当的形式化模型，以便利用计算机能再显人的智能的部分功能。
什么是人类的最主要的智能，或者说智能的最重要表现形式是什么。
各家有不同的看法，如Simon等认为人的智能表现为，对问题求解目标的搜索（Search）能力。
比如学生在证明一道平面几何题目时，进行思考，“聪明的小孩”能很快地找到证明该结论的有关的定理性质，并很快地应用上去，从而就得到证明。
“数学能力差的学?笨赡芏?椅餮埃?也坏胶鲜实亩ɡ砗托灾剩?评慈迫ィ?艿貌坏街っ鞯囊?欤籔awlak[P1]则认为人的智能表现为对事物（事件、行为、感知等）的分类（Classification）能力。
如平时我们说某医生本事大，就是这位医生能从病人的症状中，正确地诊断出病人是患什么病（分类能力！分出患什么病来）等等。
我们认为“人类智能的公认特点，就是人们能从极不相同的粒度(Granularity)上观察和分析同一问题。
人们不仅能在不同粒度的世界上进行问题求解，而且能够很快地从一个粒度世界跳到另一个粒度的世界，往返自如，毫无困难。
这种处理不同世界的能力，正是人类问题求解的强有力的表现”[ZH1]。
粗糙集与其他软计算理论结合情况进行综述研究
粗糙集与其他软计算理论结合情况进行综述研究摘要:最近几年,对于粗糙集的研究越来越多,尤其是粗糙集与其他软计算理论相结合的研究更为突出,取得了很多有意义的研究成果。
因此,将此方面目前的主要研究情况进行一个总结,主要介绍了目前粗糙集与模糊集、神经网络、证据理论等一些其他软计算理论之间的结合研究情况,并对这方面未来的发展提出了自己的一些观点。
关键词:粗糙集; 软计算; 模糊集; 粗糙模糊集; 模糊粗糙集Survey on com bination of rough sets and other soft computing theoriesTANG Jian-guo??1,2, William ZHU?1,SHE Kun?1, CHEN Wen??1,3(1.School of Computer Science & Engineering, University of Electronic Science & Technology of China, Chengdu 611731, China;2.School of Computer Science & Engineering, Xinjiang University of Finance & Economics, Urumqi 830012, China;3.Dept. of Computer Science, Fuzhou Polytechnic, Fuzhou 350108, China)?Abstract:In recent years, there are m ore and more research on rough sets.Especially,the com binations of rough sets and other soft computing theories have becam e more prominent,and have made a lot of m eaningful research results. In view of this, this paper gave a summary of the current status of these m ajor researchs.It focused on the com bination of rough sets and other soft computing theories such as fuzzy sets,neural net,evidence theory,and so on. In the end, it put forward the own viewpoint of the future development in this area.Key words:rough sets; soft com puting; fuzzy sets; rough-fuzzy sets;fuzzy-rough sets0 引言随着计算机技术和网络技术的迅速发展与广泛应用,人类社会进入了信息爆炸的时代,如何处理并有效利用这些信息已经成为世界各国学者研究的热点问题。
全球海表温度融合研究进展
全球海表温度融合研究进展徐宾;宇婧婧;张雷;师春香;周自江【期刊名称】《气象科技进展》【年(卷),期】2018(8)1【摘要】海表温度(Sea Surface Temperature,SST)作为描述海洋表层热状况最为重要的参数之一,被广泛地应用于上层海洋过程、海气热量交换、海洋大气数值模拟与预报等研究和应用中.介绍了现场实测产品、多种探测仪器的卫星反演海表温度产品、综合多种仪器探测优势的多卫星融合海表温度产品的主要发展,着重介绍了国际上近些年发展起来的能够融合现场实测数据、卫星遥感数据、模式产品的多源海表温度融合技术及产品进展,重点介绍了国家气象信息中心目前正在开展的全球海表温度融合进展.国家气象信息中心综合国际上多种多源海表温度融合技术优势,开发了基于概率密度匹配订正、超级观测、多重网格三维变分融合的全球海表温度融合技术方案,实现了船舶观测海温、卫星反演海温的偏差订正,基于多种来源SST产品的超级观测场研发,最后利用多重网格三维变分实现了超级观测场与模式预报场的融合.SST融合产品与国际主流SST融合产品的对比表明其精度达到国际先进水平.【总页数】7页(P164-170)【作者】徐宾;宇婧婧;张雷;师春香;周自江【作者单位】国家气象信息中心,北京 100081;国家气象信息中心,北京 100081;国家气象信息中心,北京 100081;国家气象信息中心,北京 100081;国家气象信息中心,北京 100081【正文语种】中文【相关文献】1.长白山地区汛期降水对全球海表温度和海平面气压异常的响应 [J], 金爱芬;朱卫红2.1900~2009年全球海表温度异常的时空变化特征分析 [J], 李刚;李崇银;江晓华;张滢;刘凯;谭言科;白涛3.BCC_CSM对全球海表温度和混合层深度的模拟评估 [J], 朱芳泽;王召民;刘成彦;黄河清;詹德权;葛琛琦;林霞;谢泽林4.近2000年南海北部海表温度变化特征及其对全球变暖的启示 [J], 肖杭芳;邓文峰;韦刚健5.基于机器学习订正模型的未来百年全球海表温度预估研究 [J], 匡志远;宋振亚;董昌明因版权原因，仅展示原文概要，查看原文内容请购买。
二、一级学科、二级学科与专业学位领域介绍
二、一级学科、二级学科与专业学位领域介绍（一）一级学科硕士学位点1、海洋科学0707海洋科学一级学科学位点设在海洋科学学院。
学科立足浙江、服务东海，以培养海洋资源开发利用类和海洋公益服务类等高层次人才为目标，以物理海洋学、海洋生物学、海洋化学等多个学科方向建设为依托，以创新、服务和产业化为主线，在工程海洋学、海洋生物资源利用、海洋资源保护与生境修复、海洋信息服务等方面取得了大量成果，形成了鲜明的科学研究与人才培养特色。
本学科现为教育部海洋科学与工程教学委员会委员单位，建有省重中之重学科（共建）；海洋生物学省重点学科；拥有2个省重点专业，4个省部级科技创新平台（共建）、重点实验室与研发中心；建有中俄海洋养殖工程技术研究中心、中日联合海洋生态环境实验室与海峡两岸水产生物研究中心；一批省教育厅、省财政厅资助实验室。
近5年来，学科主持和完成了10项国家自然科学基金、6项国家“863”计划课题、3项科技支撑计划项目6项课题、1项国家发改委现代农业专项、3项科技部对外合作项目与30多项省部级科研课题，获省部级科研成果奖5项、省级优秀教学成果奖1项。
目前在研国家级课题15项、省部级课题30项左右，在研纵向科研经费达5000多万元，年人均科研经费17.5万元。
学科点目前已与台湾海洋大学、俄罗斯国立湖河渔业研究、日本东海大学、澳大利亚塔斯马尼亚大学等30多个相关高校与科研院所建立了长期合作关系，已与挪威生命科学大学、挪威西福尔德高等学院、日本东京海洋大学等10多个高校联合开展博士、硕士研究生的培养工作，成为科技部“国际科技合作基地”，以本学科为核心还建立了“中国海洋科技创新引智园区（省政府与国家外专局共建）”。
1）物理海洋学070701本二级学科硕士学位点设在海洋科学学院。
本二级学科学位点依托“海洋技术”浙江省重点专业，拥有海洋与海岛研究中心，海洋科学与技术综合实验室。
学科建有全国首个省部级设施渔业类重点实验室“浙江省海洋养殖装备与工程技术重点实验室”，共享“船舶与渔具水动力学实验室”省级重点实验室、建有“海洋科学与技术综合实验室”专业技术实验室。
海洋沉积物粒度分析与计算课件
粒度参数的统计特征
平均粒径
对所有颗粒的粒径进行加权平均， 得到平均粒径值。平均粒径是反
映颗粒群整体粒径大小的重要参数。
中值粒径
将颗粒群按照粒径大小进行排序， 取中间位置的粒径作为中值粒径。 中值粒径可以反映颗粒群中中等粒 径颗粒的数值。
有效粒径范围
指颗粒群中含量超过一定比例（如 50%）的粒径范围。有效粒径范围 可以反映颗粒群中主要粒径范围的 分布情况。
海洋沉积物粒度分析的意义
环境监测
粒度分析结果可以用于监测海 洋环境的演变，如悬浮物浓度、
泥沙输运等。
古海洋学研究
通过对沉积物粒度的分析，可 以推断古海洋环境、海流状况 等信息，有助于古海洋学的研究。
资源开发
粒度分析在海底资源开发中也 有重要应用，如海底矿产、油 气资源的勘探和开发。
数值模型验证
粒度分析结果可以为海洋数值 模型提供验证数据，提高模型
海洋沉物粒度分析与 件
• 引言 • 海洋沉积物粒度分析方法 • 粒度数据的处理与计算 • 粒度数据的统计分析 • 粒度数据的解释与应用 • 案例分析
引言
01
目的和背景
目的
本课件旨在介绍海洋沉积物粒度分析的基本原理、方法和技术，以及如何利用 计算技术进行数据处理和分析。
背景
随着海洋科学研究的深入，对海洋沉积物的认识越来越重要。粒度分析是研究 沉积物的重要手段，对于了解沉积物的来源、搬运过程、沉积环境等方面具有 重要意义。
根据粒度参数，结合其他沉积学 标志，如矿物组成、古生物等，
进行沉积环境判别。
判别结果
判断该海域的沉积环境类型，如 三角洲、河口、滨岸等。
应用价值
为该海域的资源开发、环境保护 和灾害防治提供科学依据。
基于粒计算模型的知识推理理论与方法
要点二
详细描述
关联规则挖掘是一种发现数据之间有趣关系的方法，基 于粒计算模型的知识推理能够利用粒计算模型对知识进 行关联规则挖掘。它通过构建粒度化的知识表示，对数 据进行关联规则挖掘，发现数据之间的有趣关系。在关 联规则挖掘中，基于粒计算模型的知识推理能够提高挖 掘效率，降低复杂度，并适用于多种数据类型。
要点三
多种推理规则结合
基于粒计算模型的推理方法通常有多 种，不同的推理规则有各自的优缺点 。为了提高推理效果，可以将多种推 理规则结合使用，取长补短。例如， 可以将确定性推理和概率性推理结合 起来，以得到更全面的推理结果。
04
基于粒计算模型的知识推 理应用
分类问题中的应用
总结词
基于粒计算模型的知识推理在分类问题中具有广泛的应用。
根据实验结果分析，得出基于 粒计算模型的推理算法的性能 评估总结，并指出其在实际应 用中的优缺点。
06
结论与展望
研究成果与贡献
粒计算模型在知识推 理中的应用
该研究提出了一种基于粒计算模 型的知识推理方法，将复杂的知 识表示为粒度的形式，从而方便 进行推理和决策。这种方法在处 理不确定性和大规模知识表示方 面具有一定的优势。
02
基于粒计算模型的知识表 示
知识表示方法概述
知识表示方法的定义和分类
知识表示方法是指将知识以计算机可以理解的形式表示出来的技术方法。根据不同的需求和场景，知识表示方法可以分为不 同的类型，如基于逻辑的知识表示、基于框架的知识表示、基于本体的知识表示等。
知识表示方法的作用和意义
知识表示方法的作用是将现实世界中的知识转化为计算机可理解的形式，从而实现知识的自动化处理和应用。它对于人工 智能和知识工程领域的发展具有重要的意义，是实现智能信息处理的关键技术之一。
Spark平台下的海表面温度并行预测算法
Spark平台下的海表面温度并行预测算法贺琪;查铖;孙苗;姜晓轶;戚福明;黄冬梅;宋巍【摘要】面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题.本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持.实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性.【期刊名称】《海洋通报》【年(卷),期】2019(038)003【总页数】10页(P280-289)【关键词】时间序列;相似性度量;海表面温度预测;Spark【作者】贺琪;查铖;孙苗;姜晓轶;戚福明;黄冬梅;宋巍【作者单位】上海海洋大学信息学院,上海 201306;上海海洋大学信息学院,上海201306;国家海洋信息中心,天津 300171;国家海洋局数字海洋科学技术重点实验室,天津 300171;国家海洋信息中心,天津 300171;国家海洋局数字海洋科学技术重点实验室,天津 300171;上海必途信息技术有限公司,上海 201824;上海海洋大学信息学院,上海 201306;上海电力大学,上海 200090;上海海洋大学信息学院,上海201306【正文语种】中文【中图分类】TP18;P731.11在海洋领域中，海表面温度（Sea Surface Temperature,SST）简称海表温度（李琰等，2018），是影响海洋气候的重要的因素，海表温度预测是海洋预报的关键环节。
基于时序挖掘的时间融合算法及在海表面温度预测中的应用
（ 海 大 学 计 算 机 工 程 与 科 学 学 院 ， 海 ２０７ ） 上 上 ００２
摘 要 ： 用 序 列 挖 掘 的 时 间 融 合模 型 研 究 数 字海 洋 中 海表 面 温 度 （ ｅ ｕｆ ｅ ｅ ｐｒｕｅ ＳＴ 预 测 ， 基于 时 序 的 使 ＳａＳ ｒｃ ｍ ｅ ｔ ，Ｓ ） ａ Ｔ ａｒ 对 动态 ＳＴ数 据进 行 推 测 ． 出基 于 平 滑 处 理 与 支 持 度 判 断 的 抛 物 线 回 归 模 型 方 法 ， 过 对 曲线 拐 点 判 断 方 法 的改 Ｓ 提 通 进 ， 善 抛 物 线 回归 模 型 在 趋 势 预 测 方 面 存 在 的 不 足 ． 验 证 明 此 方 法 对 发 展 趋 势 较 为 平 稳 的 ＳＴ数 据 具 有 较 好 改 试 Ｓ
通 过卫 星 、 遥感 飞 机 、 上探 测 船 、 海 海底 传感 器 等进
行 综合性 、 时性 、 实 持续性 的 数据采 集 。 把海洋 物理 、
所示 ． 解 Ｓ Ｔ则 是 多 源 数据 融 合 实现 优 势互 补 的 求 Ｓ
过 程 ．
化学、 生物 、 质等 基 础信 息 装 进 一 个 “ 级 计算 系 地 超 统 ” 使大 海转 变为 人类 开发 和保 护最 有效 的虚 拟视 ，
Ｖｏ ．３ Ｎｏ． １１ ５ Ｏｃ ．２ ０ ｔ ０７
数据融合方法优缺点
数据融合方法优缺点数据融合是指将来自不同来源的数据进行整合和合并，以提供更全面、准确和可靠的信息。
数据融合方法是实现数据融合的技术手段和算法。
不同的数据融合方法具有各自的优点和缺点。
本文将详细介绍几种常见的数据融合方法及其优缺点。
1. 加权平均法加权平均法是一种简单且常用的数据融合方法。
该方法通过给不同数据源赋予不同的权重，将各个数据源的数据加权求和，然后除以权重之和得到最终融合结果。
该方法的优点包括简单易实现、计算效率高、适用于大规模数据融合等。
然而，加权平均法的缺点是对权重的选择非常敏感，不同的权重选择可能导致不同的融合结果，且对异常值敏感。
2. Kalman滤波器Kalman滤波器是一种基于状态空间模型的数据融合方法。
该方法通过建立系统的状态方程和观测方程，利用贝叶斯滤波理论进行数据融合。
Kalman滤波器的优点是能够有效地处理数据中的噪声和不确定性，具有较好的鲁棒性和适应性。
此外，Kalman滤波器还能够动态地调整权重，适应数据源的变化。
然而，Kalman滤波器对系统模型的准确性要求较高，对于非线性系统和非高斯噪声的处理能力有限。
3. 粗糙集理论粗糙集理论是一种基于信息粒度的数据融合方法。
该方法通过将数据分为不同的等价类，将具有相似性质的数据进行合并。
粗糙集理论的优点是能够处理不完备和不一致的数据，具有较好的容错性和鲁棒性。
此外，粗糙集理论还能够提供决策规则，帮助用户进行决策。
然而，粗糙集理论在处理大规模数据时计算复杂度较高，且对数据的划分结果非唯一。
4. 神经网络神经网络是一种基于人工神经元模型的数据融合方法。
该方法通过建立多层神经网络模型，利用反向传播算法进行训练和学习，实现数据融合。
神经网络的优点是能够处理非线性关系和复杂模式，具有较强的自适应性和学习能力。
此外，神经网络还能够进行并行计算，提高数据融合的效率。
然而，神经网络的训练过程需要大量的数据和计算资源，对初始参数的选择和网络结构的设计要求较高。
粒计算下的粗糙集模型对比
Comparison of rough set model under granular computingZHANG Xiao-feng, ZOU Hai-lin, JIA Shi-xiang(School of Information Science & Engineering, Ludong University, Yantai Shandong 264025, China) Abstract:This paper proposed the rough set model under combination granule, and compared it with that under single granular, also with rough set model under logical computing of granule, which contributed to the relationship between rough set models under combination granule, singular granules and logical computing of granules. Results show that combination granule and logical computing of granule construct a chain, which will lay a foundation for knowledge acquisition based on information granule and induction based on dynamic granule.Key words:combination granule; logical computing of granule; single granular; rough set; approximation0 引言粒度计算是由Zadeh[1]于1996年提出,他认为,人类认识主要基于三个主要概念,即粒度、组织和因果。
基于粗糙集属性约简的海洋数据融合算法
ｒ ｎｍｅ ｔｌｍｏ ｉｏ ｉ ｒ ｍ ｅｅ ｓａ ｄ ａ ｌｒ ｅ ｎ ｍｂ ｒ ｆｒ ｄ ｎ ａ ｔ ａａ ｎ ｏ ｄ ｒｔ ｌ ｎ ｔ ｒｄ ｎ ａ ｃ ｆ ａ ａ ｈ ｓ ｏ ｎａ ｎ ｔｒｎｇｐａａ ｔｒ ｎ ｇ ｕ ｅ ｅ ｕ ｄ ｎ ｔ．Ｉ ｒ ｅ ｅｉ ａ ｏ ｄ ｏ ｍｉ ａｅ ｅ ｕ ｄ ｎ ｙ ｏ ｔ ，ｔ ｉ ｄ
ｃ ｒ ｔ ｄ ｔ ．Ｔ ｕ ，ｉ ｐ ｏ ｉ ｅ ｔｏ ｇ ｂ ｃ ｉ ｇ ｆｒ ｔｅ ｄ ｃｓｏ ｋ ｎ ｎ ｍａ ｉ ｅ ｅ ｖｒ ｎ ｎ ａ ｍｏ ｉ ｒｎ ｎ ｈ ｕ ａｅ ａａ ｈ ｓ ｔ ｒ ｖｄ ｓ ａ ｓｒ ｎ ａ ｋｎ ｏ ｈ ｅ ｉｉｎ ｍａ ｉ ｇ ｉ ｒ ｎ ｉ ｍｅ ｔｌ ｎ ｔ ｉｇ ａ ｄ ｔ ｅ ｎ ｏ ｏ
ｄｎｉ ｅｃｒ ｌｉｎｏ ｉ ｈｕＢ ｙｄｔ ｅｅｔ ｅ ， ｌ ｉａ ｄ ｎａｔ ｔｉ ｔ Ｏ ｓ ｏｇｔｈ ｎ ｒ ｎ ｃ ｅｔｙｔ ｏｒ ａ ｏ ｆ ｎ ｏ ａ ａ ｆ ｃｉ ｌ ｅｉ ｎｔ ｒ ｕ ｄｎ ｔｂ ｅ Ｓ ｅ ｔｅ ｉ ｍ ａｄａ— ｆ ｈ ｅｔ Ｑ ｚ ａ ｆ ｖｙ ｍ ｅｅ ａｒｕ ｓ ａ ｔ ｕ ｆ ｏ
基于粗糙集的知识粒度及粒度关系研究
摘 要 ： 于粗 糙 集 理 论 ， 对 不 完备 信 息 系统 ， 出 了一 种 知 识 粒度 的 定 义 ， 研 究 了知 识 粒 度 与 信 息 熵 的 关 系 ： 出 了知 识 的 基 针 提 并 提
相 互 支持 度 和 知 识 的 差异 支持 度 的 概 念 ， 研 完 了二 者之 间的 关 系 ， 并 为进 行 知 识 的 度量 和 知 识 的 评 价 提 供 了一 种 可行 的 方 法
王树锋 ， 吴耿 锋 ， 潘建 国
Ｗ ＡＮ Ｓ ｕ ｆｎ Ｗ Ｕ Ｇｅ ｇ ｆｎ Ｐ Ｇ ｈ — ｅ ｇ． ｎ — ｅ ｇ． ＡＮ ｉｎ ｇ ｏ Ｊａ － ｕ
上海 大 学 计 算 机 学 院 ， 海 ２ ０ ７ 上 ００ ２
Ｄｅ ａ ｔ ｎ ｆ Ｃｏ ｕ ｅ ｃｅ ｃ ， ｈ ｎ ｈ ｉ Ｕｎｖ ｒ ｉ Ｓ ａ ｇ ａ ０ ０ ２ Ｃ ｉ ａ ｐ ｒｍｅ ｔ ｏ ｍｐ ｔｒ Ｓ ｉｎ ｅ Ｓ ａ ｇ ａ ｉｅ ｓｔ ｈ ｎ ｈ ｉ ０ ７ ， ｈ ｎ ｙ， ２
Ａｂ ｔ ａ ｔ Ｉ ｈ ｓ ｐ ｐ ｒ ｗｅ ｐ ｏ ｏ ｅ ａ ｄ ｆ ｉ ｏ ｏ ｎ ｗ ｅ ｇ ｒ ｎ ｌｒ ｉ ｎ ｏ ｌ ｔ ｎｏ ｍａ ｉｎ ｙ ｔ ｍ ａ ｅ ｎ ｒ ｕ ｈ ｓ ｔ ａ ｄ ｓ ｒ ｃ ： ｎ ｔ ｉ ａ ｅ ， ｒ ｐ ｓ ｅ ｎ ｔ ｎ ｆ ｋ ｏ ｌｄ ｅ ｇ ａ ｕ ａ ｎ ｉｃ ｍｐ ｅｅ ｉ ｆｒ ｔ ｓ ｓｅ ｂ ｓ ｄ ｏ ｏ ｇ ｅ ｎ ｉ ｉ ｏ
能 领 域新 近研 究 的 热 点 之一 。
知识 的相 互 支 持 度 和 知 识 的差 异 支 持 度 的 概 念 ， 研 究 了二 者 并 之 间的 关 系 ， 为进 行 知 识 的 度 量 和 知识 的评 价提 供 了 一种 可 行
基于粗—细颗粒度时间表达的技术演化路径研究
基于粗—细颗粒度时间表达的技术演化路径研究目录一、内容概要 (2)1. 研究背景 (3)2. 研究意义 (4)3. 研究目的与问题 (5)二、相关文献综述 (6)1. 技术演化路径研究现状 (7)2. 粗颗粒度时间表达方法与应用 (8)3. 细颗粒度时间表达方法与应用 (9)4. 粗细颗粒度时间表达的对比分析 (10)三、理论基础 (11)1. 技术演化理论 (13)2. 时间表达的理论框架 (14)3. 粗细颗粒度时间表达的界定 (15)四、研究方法 (16)1. 数据收集 (17)2. 研究方法选择 (18)3. 研究过程设计 (19)五、实证分析 (20)1. 基于粗颗粒度时间表达的技术演化路径 (22)2. 基于细颗粒度时间表达的技术演化路径 (23)3. 粗细颗粒度时间表达的比较分析 (24)六、结论与讨论 (25)1. 研究结论 (26)2. 讨论与展望 (27)3. 研究不足与改进 (29)一、内容概要本研究旨在深入探讨基于粗—细颗粒度时间表达的技术演化路径，以揭示技术进步的内在逻辑和动力机制。
研究开篇即对技术演化的相关理论和研究现状进行了系统梳理，明确提出了本文的研究框架和方法论基础。
在理论研究部分，本文首先界定了粗颗粒度时间表达和细颗粒度时间表达的概念，并分析了它们在技术演化过程中的作用和意义。
通过引入时间维度，本文对技术演化的传统模型进行了拓展，引入了粗细颗粒度的时间表达，以更细致地刻画技术发展的历史脉络和当前状态。
在实证研究部分，本文选取了多个具有代表性的技术领域，如信息技术、生物技术和能源技术等，对其基于粗—细颗粒度时间表达的技术演化路径进行了深入剖析。
通过对这些领域的技术发展历程进行对比分析，本文揭示了不同领域技术演化过程中的共性和差异，并提炼出了一系列有价值的经验规律和理论见解。
本文还进一步探讨了粗细颗粒度时间表达在技术预测、技术管理和政策制定等方面的应用价值。
通过构建相应的模型和指标体系，本文为决策者提供了科学的技术演化分析和预测工具，有助于推动技术创新和产业升级。
基于粗糙集理论的数据挖掘方法ppt课件
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
粗糙集理论的特点
将知识定义为不可区分关系的一个族集, 使得知识具有了清晰的数学意义，便于 用集合运算处理。 不需要关于数据的附加信息
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
区分矩阵将此问题巧妙地转化成了布尔 推理问题.
区分矩阵D是|U|*|U|矩阵, 每一项Dij表示 能把对象i, j区分开来的属性集合.在存在 类属性时, 同类对象不做区分.
区分函数是区分矩阵每一项的和, 代表了 能区分开所有对象的属性组合. 化简后就 得到了所有可能的约简.
Diplo Experie 资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值
ma
nce
Fren ch
Reference
Decisio n
x1 MBA Medium Yes Excellent Accept
x2 MSc High
Yes Neutral
Accept
x3 MSc High
Yes Excellent Accept
x4 MBA High
No Good
Accept
x5 MBA Low
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
快速约简算法的考虑
区分函数的化简仍旧是NP-hard问题 启发式算法 － 属性重要性作为启发信息(X.HU) － 条件信息熵作为启发式信息(王国胤) － 充分利用区分矩阵的信息作为启发 － 基于进化计算方法(GA,PSO)的方法
基于粒计算的粗糙集知识发现算法
基于粒计算的粗糙集知识发现算法
郑晓辉
【期刊名称】《计算机与现代化》
【年(卷),期】2013(0)9
【摘要】粗糙集理论是目前流行的数据处理方法,而粒计算已经成为粗糙集理论研究的一个热点.本文将粒计算理论运用于粗糙集的知识发现过程,改进现有的知识约简算法,提出新的处理方法,提高了知识约简的速度,对粗糙集理论和粒计算理论在数据约简中的应用做了探索.
【总页数】4页(P38-41)
【作者】郑晓辉
【作者单位】中国人民解放军94907部队,江西南昌330013
【正文语种】中文
【中图分类】TP182
【相关文献】
1.基于粗糙集和遗传算法的知识发现方法 [J], 李红梅;周桂红;王克俭
2.基于粒计算与粗糙集的人工鱼群聚类算法 [J], 陈济舟;罗可
3.基于粗糙集理论的面向个性化知识发现算法 [J], 周军;张庆灵
4.基于粒计算的粗糙集聚类算法 [J], 李莲;罗可;周博翔
5.三支决策-基于粗糙集与粒计算研究视角 [J], 刘盾; 李天瑞; 杨新; 梁德翠
因版权原因，仅展示原文概要，查看原文内容请购买。
模糊粗糙集粒度计算及应用案例
拟世界的认识。 人可以在不同程度的粒上来感知、抽象、表示和理解和解决客观世界的问
题。我国商空间理论的研究者张玲、张钹兄弟就提出了人类智能的最本质特征就 是能够从一个粒度跳到另一个粒度上，往返自如，毫无困难。粒计算本质上是分 层次的，人们根据实际问题的需要，将问题分解，从不同层次、不同角度来解决 问题。但是并非粒化的程度越细越好，当需要从整体上把握一个问题时，使用较 粗的粒度将会比细粒度取得更好的效果。例如一位思考全厂生产规划的计划人 员，当他考虑全厂的初步生产计划时，就应该忽略掉工厂的许多细节，而应该以 全局性的思考方式来考虑问题。在实际问题求解中，粒度的划分有时是动态的， 即先进行一次分类，在这个粒度上进行推理与分析，得到一定的性质，问题初步 明朗后，在进一步分类，直至问题的解决。 2.3 粒计算的基本问题
粒计算由 T.Y.Lin 与 1997 年提出，短短几年以来，粒计算发展迅猛，许多专 家和学者提出了不同的粒计算的模型和方法。Y.Y.Yao 目前正在试图从各种不同 的粒计算模型中找出共性，然后系统地、形式地研究在一个统一模型下的粒计算 方法。
粒计算的基本思想是在问题求解中使用粒子，粒式元素的群、类或者聚类。 信息粒化就是一个建立信息粒的过程。信息粒中的元素根据不同的分类标准（等 价关系、容差关系、相似关系、异同关系等二元关系）组成了一个对象的集合。 例如在集合论中，信息粒可以被看做是论域中的一个子集，这个子集既可以是模 糊也可以是清晰的。
（3）时空动态时空数据：以往的粗集理论研究的都是静态数据，而动态变 化的数据库是事实存在的，并且在实际生活中占有很大的比例，因此时空动态变 化的数据也是粗糙集理论所面临的一个主要问题。 2.2 粒计算思想无处不在
信息粒在客观世界中无处不在并且粒计算的基本思想已经出现在诸多研究 领域，如图像处理中建立空间粒、信号处理中建立时间粒、系统建模等都是粒计 算的具体表现。粒计算是一种看待客观世界的世界观和方法论，信息粒化旨在建 立基于外部世界的有效的并以用户为中心的概念，同时简化我们对物理世界和虚
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
邮局订阅号：82-946120元/年技术创新软件时空《PLC 技术应用200例》您的论文得到两院院士关注戴文娟:硕士基金项目:基金颁发部门:国家海洋局;项目名称:滨海电厂污染损害监测评估及生态补偿技术研究;项目编号:(200905010);基金申请人:苏诚基于粗糙集和粒度计算的海表温度数据融合研究Study on data fusion of ocean temperature based on rough set and granular computing(国家海洋局东海信息中心)戴文娟1苏诚2DAI Wen-juan SU Cheng摘要:本文提出利用模糊数学中粗糙集和粒度计算的理论构建等价类算法对海水表层温度(以下简称海表温度)进行数据融合,并选择东海区、黄渤海区某些海滨观测台站的历史观测数据进行训练试验。
通过试验对实际数据的对比发现该方法在海表温度的数据融合中具有效率高,适应性广泛,融合数据可信度高等明显优势。
关键字:粗糙集;粒度计算;海表温度;数据融合中图分类号:TP 文献标识码:AAbstract:In this paper,using the theory of rough set and granular computing in the fuzzy mathematics to create the algorithm of the equivalence classes,to integrate the data for seawater surface temperature,was presented;and the historical observing data,from some seashore observation stations of East Sea area and Yellow &Bohai Sea area,was selected to train and test.After examining the contrast of the actual data,this method had the obvious advantage of high efficiency,extensive adaptability,and high reliability of fu -sion data.Key Words:rough set;granular computing;ocean temperature;data fusion文章编号:1008-0570(2012)10-0409-021海洋的数据融合海洋上的数据融合是一个关于海洋状态、模型参数或者兼顾两者的估值问题。
具体指将物理过程数值模型拟合结果与观测数据相融合,以不断更新系统状态与参数,从而提高数据数量和数据精度的方法。
解决数据融合问题的方法很多,都具有不同的应用背景,它们与估值理论或控制理论相联系。
常见的最优插值法、卡尔曼滤波方法都是属于估值理论的范畴,此类方法经过反复迭代计算,对计算机的容量和计算速度要求较高,也就是实现成本比较高。
最小二乘法、遗传算法、神经网络、人工智能等方法属于控制理论范畴,该类方法模型方程及其参数控制的依赖比较高,往往不同模型和参数的选择就能产生比较大的数值差异,对融合对象变量的初始条件、边界条件有明确的要求。
本文提出的基于粗糙集和粒度计算的数据融合方法属于控制理论的范畴,该方法对计算的依赖性较低,没有许多参数需要调整,特有的记忆功能使其可以动态跟踪当前的情况优化学习路径,高效的完成迭代融合,获取更高的数据准确性。
同时该方法要求数据对象具有较明显的变化趋势并且能够掌握该变化趋势的变化规律和边界范围。
海表温度属于扩散变化有着较为平滑的变化趋势,同时通过卫星的常年监测特定区域的海表温度已经具备了控制论范畴要求的初始场、参数估计、开边界条件和外部强迫场等条件。
2粗糙集和粒度计算算法的使用与实现粗糙集和粒度计算算法(Rough Set and Granular ComputingArithmetic,RSGC)是结合了粗糙集和粒度计算理论后延伸出的一种全局优化的自学习式数据处理方法。
2.1RSGC 中的名称定义及实验准备表1观测站基本信息表及属性对应表在进行算法的实验之前第一步必须建立RSGC 中的论域、等价关系、等价类,信息颗粒等的明确含义。
论域:单点的海水表层温度数据。
等价类:选择等温度线(以夏季为例选择)作为分类标准,那么位于同一个等温线中的所有的观测点可以构成一个等价类。
等价关系:同等温线的任意两个或者多个不同站点形成的关系就是等价关系。
以上确定等价类和等价关系的过程实际上也是海表温度数据颗粒化的过程,因为在同一等价类上的数据必然具有相似409--技术创新《微计算机信息》2012年第28卷第10期120元/年邮局订阅号：82-946《现场总线技术应用200例》软件时空性和不可辨性,这里的信息颗粒就是位于同一等温线上的所有观测站点的集合。
信息颗粒的大小也就表示了根据这种分类规则所划分出的等价类的个数。
信息颗粒的个数是根据国家海洋信息中心提供的海洋表层温度的平面分布(夏季)等温图(由于该图为涉密图片故未列出)来确定的,根据等温线图渤海、黄海、东海域内的四十多个观测站分别在8个不同的等温度层中表1中列举。
2.2RSGC 的实验数据处理建立在3.1节的基础上构建模型M2=(U,A,V,f)其中U 表示四十五个海洋观测站点这个全体论域,A=C1UC2表示属性集,V={1,2,3,4,5,6,7,8}表示属性集A 的属性值,f 则表示从观测站点到所属的某一个等温度层的映射(表1)。
M2模型的粒子的大小d(M2)=card(M2)={3,4,5,6,7…},理论上一般粒度计算模型的粒子的大小应当为固定的某一个值,也就是不同等温度层应该含有相同数目的观测站点,但是以模型M2出现了多个粒子的大小值,就是不均匀粒子大小。
必须通过约简、多次迭代去消除不均匀粒子。
将表1也可以看成是一张决策表,它满足决策表的基本定义,其中A=C1UC2是条件属性,D 是策属性。
对表1进行约简的过程,就是消除重复的行(为了简化模型的构造,经度或者纬度相差0.2之内我们近似认为相等后面都默认此规则)的过程,调用约简算法进行约简,约简后消去S27、S14、S41、S29、S9、S22、S37、S32、S36、S44、S42约简后仅用33个站点的温度数据就可以反映原有45个站点的温度数据,同时模型M2的粒子的大小d(M2)={3,5,6}虽然仍然是不均匀粒子的大小,但是与约简之前相比其不均匀程度已经有所改善。
约简的过程,除了能达到消除不均匀粒子的作用外约简还可以达到删除无用或者冗余信息提高粗糙估计算法的效率、降低近似估计算法复杂性的目的。
2.3RSGC 实验模型调用在进行过约简以后,就可以约简的结果调用粗糙集模型进行近似估计。
在这区分的8个等价类中,对每一个等价类都要确定其边界,下面我们仅以等价类1也就是第一等温度层为例来说明这个过程,同理其余的等价类2、3…..的近似边界和近似域也可以这样得到。
存在一种关系R={C1,C2}为{S17,S36},{S23,S16},{S1,S39},{S1},{S2},{S3}……W1={S|D (S)=1}={S1,S12,S35}=>RW1={S12,S35}={S1,S12,S35,S39}这样就得到了第一等温度层(W1)的下近似集和上近似集,bnR(W1)=RW1-RW1={S1,S39}为W1的边界域,那么落在其边界域内的夏季温度一定等于W1层的温度,其估计如图1示,通过此图就可以来估计某一个海域点的夏季温度的近似值。
图1W1的边界以及近似集对渤海、黄海、东海海域内任意一点的温度值进行估计,就是利用粗糙集模型的粗糙边界将这点归并到某一个等价类中。
此时可以近似的认为该点的温度与目前等价类集合中元素的均值相等。
该方法是利用了同一个等价类中的数值近似估计出了该等价类对应的粗糙边界内所有点的数值。
同时W1的近似分类精度由近似精度公式Ar (X)=下近似∕上近似,得到W1的近似精度为0.5。
其表示W1的完全程度是0.5。
由此公式可以看出:粗糙边界域越大,其精确性则越低,但相应粗糙边界域越大它的近似估计能力也就越强(近似估计能力表示该模型能够使用的范围)。
这就成为一对矛盾,而是归根到底粗糙集的精确性是由等价类的划分标准也就是信息粒度的大小来决定的。
2.4RSGC 实验的总结模型M2为例信息颗粒化的标准选择了海洋表层温度,确定了模型M2的信息颗粒数为8、粒度的大小为1/8。
而这个颗粒化的标准不是唯一的,这就对应着粗糙集中等价关系的定义和等价类的确定也不是唯一的。
若在比例尺更大的图中表层温度线可能更加密集,那么对应的信息颗粒数就有可能增加,粒度的大小就会相应变小,信息可以得到更精细的表达,那么为什么不选择信息颗粒更多的标准呢?这里在选择时主要考虑以下两个因素:1)求解效率的制约:粗糙集的中的约简问题和估计算法都是N-P 问题,当信息颗粒的数量线形增长时,其计算复杂度求解的效率大大降低,同时占用过多地资源给系统增加沉重的负担。
2)对精确度的要求:海滨观测要素的数据精确度本身就受到仪器环境等各个方面的制约,同时对海滨观测要素的研究是趋势性研究而非单点数据研究,因此在一定的范围内精确度的要求就相对降低。
3结论选择东海、黄海、渤海区域内4个实验点夏季连续7天的正点数据表层温度数据对比实验结果如表2(只选择一个站点一天列出)。
表2测试点L1一天内的实验数据与实际数据对比对实验数据进行分析整理,发现基于粗糙集和粒度计算的数据融合方法作为一种创新性的海洋数据融合方法具有模型建立简单、计算复杂度低、适用范围广、结果直接高效等优势。
针对性的解决了海水表层温度、海水表层温度等规律渐变性类型数据的融合与估算问题,大大提高实际工作中对该类数据的处理、分析能力,为滨海电厂公益项目的基础数据研究开辟了新的思路,也提供了高效直接的解决办法。
本文无抄袭,作者全权负责版权事宜。
参考文献[1]何剑斌,郑启伦,彭宏.数据融合与数据挖掘的集成研究[J].计算机工程与应用,2002(18):204~206[2]王海起,王劲峰.空间数据挖掘技术研究进展[J].地理与地理信息科学,2005(4):37~39[3]焦,瑞等.粗糙集理论在医学数据挖掘中的应用[J].微计算机信息.2011,2-0:223-224[4]徐涛,杨国庆,陈松灿.数据融合的概念、方法及应用[J].南京航天航空大学学报,1995(2):18~19()410--。