1、信息粒计算与智能系统：高阶与混合型信息粒的探索

信息粒计算与智能系统：高阶与混合型信息粒的探索

1. 信息粒化与粒计算概述

信息粒化已成为信息处理的基本概念之一，催生出了粒计算这一学科。其理念直观，符合常识推理。我们通过将知识、感知和证据构建为信息粒来认识世界，信息粒是对复杂世界和现象的抽象。在粒计算的框架下，信息粒及其处理为决策、控制和预测问题提供了概念和算法框架，支持以人类为中心的处理，这也是智能系统的固有特征。通过调整信息粒的大小和分布，可以方便地控制所需的细节程度，体现了粒计算的灵活性。

目前，已经有许多形式化框架用于描述和处理信息粒，这些框架源于模糊集、区间分析、概率、粗糙集和阴影集等领域，呈现出日益多样化的趋势。粒计算主要有三个发展方向：
- 设计高阶信息粒 ：在由低阶信息粒构建的空间上有效形成信息粒，并设计利用这些信息粒的模型。这与系统层次结构的概念相关，类似于模糊建模中的层次模糊模型，通过形成模型的嵌套层，特别是规则库，来平衡模型的准确性、细节捕捉程度和可解释性。
- 开发高类型信息粒 ：当信息粒本身无法用纯数值方式完全描述时，需要用其他类型的信息粒来定义。例如，模糊集的隶属度可以用单位区间上的模糊集（类型 2 模糊集）、区间（区间值模糊集）或概率密度函数（概率模糊集）来描述。
- 形成混合信息粒 ：将不同的信息粒化形式主义结合起来，和谐地捕捉信息粒的各个方面。例如，概率可以是非数值形式的，如区间概率或语言量化概率。

2. 不确定性表示技术的现状与问题

目前，有许多技术被用于描述和处理不确定性，包括：
- 集合，特别是区间
-