不确定性概念内涵与外延的双向认知计算理论模型与方法

The expressing and processing of uncertain concetpts is a fundamental problem in artificial intelligence. Several theoretical models have been proposed for solving this problem, such as probability theory, fuzzy sets, rough sets, cloud model, et al. Human deals with uncertain concepts based on words(concept intension), while computer based on sample set(concept extension). This project tries to study the relationship between the intension based computing and the extension based computing through integrating the rough sets theory and cloud model, and develop a bidirectional cognitive computing model.Its key research points are: develop a stable bidirectional mapping cloud model between the intension and extension of concepts; study the mapping relation between the intension based logic reasoning and the extension based set operation, and their mutual transformation mechanism; study the multi-granularity (variable granularity) computing model for simulating hierachical thinking (reasoning); develop a random rough set theory model, which is a multi-granularity bidirectional cognitive computing model, to solve its limitations of over training and weak generalization ability, through generating its lower and upper approximations using the forward/backward cloud generators. The research results of this project could realize the computer simulation of human cognitions and provide a new theoretical model for expressing and processing uncertain concepts. It will push the development of artificial intelligence with uncetainty.

不确定性概念的描述与处理是人工智能研究中的一个基础问题。人们已经提出了概率论、模糊集、粗糙集、云模型等诸多理论模型来解决这一问题。人类基于词语（概念内涵）处理不确定性概念，而计算机基于样本集合（概念外延）处理不确定性概念。本申请项目拟结合粗糙集和云模型，研究基于内涵的计算和基于外延的计算之间的联系，建立一个双向认知计算模型。主要研究内容有：建立基于云模型的概念内涵与外延之间的稳定双向映射计算模型；探究基于内涵的逻辑运算与基于外延的集合运算之间的对应关系及相互转换机制；研究不同概念层次思维（推理）的多粒度（变粒度）计算模型；用云模型的正向/逆向发生器生成粗糙集的上、下近似集，建立随机粗糙集理论模型，解决粗糙集的过度学习和弱泛化能力问题，从而实现多粒度双向认知计算。本项目的研究成果，可实现人类认知行为的计算模拟，并为描述处理不确定性概念提供新的理论方法，推动不确定性人工智能的发展。

本项目针对不确定性概念的表示与智能信息处理问题，借鉴人类智能的多粒度思维与双向认知模式，在不确定性概念内涵与外延的多粒度双向认知计算、多粒度概念外延表达和不同粒度层次上概念内涵的逻辑推理、多粒度(变粒度)智能计算模型、不确定性概念的外延近似算子、以及三支决策粗糙集模型等方面进行了深入研究，达到了预期研究效果：提出了多歩逆向云变换算法，初步实现了基于云模型的稳定双向映射计算；提出了可对原始云模型和高斯模型进行统一描述的一般云模型；提出了不确定性概念的多粒度空间近似表示与逻辑推理方法；建立了基于高斯云变换的多粒度双向认知计算模型；构建了不确定性概念的外延近似算子；提出了多粒度密度峰值层次聚类方法；实现了基于三支决策的自适应多粒度知识空间建模，拓展了三支决策粗糙集模型；在生态环境水质智能预测、图像分割、电信客户价值评价等应用领域中取得了良好的效果。项目组主要成员中，1人入选“长江学者”特聘教授、“万人计划”科技创新领军人才、重庆市首席专家工作室领衔专家，1人出任国际粗糙集学会理事长、中国人工智能副理事长，2人晋升教授，培养毕业博士生2人、硕士生15人。作为会议(程序委员会)主席或共同主席组织召开国际学术会议4次和全国学术会议6次，应邀作国际会议特邀报告9次、全国会议特邀报告19次。发表学术论文60篇(其中，SCI收录20篇、EI收录36篇)，出版专著2部(含编著)，主编国际会议论文集3本，获“吴文俊人工智能科学技术创新奖二等奖”、“RSKT 2014 Best Student Paper Award”等奖励。