4、人工智能中粒度计算的思想

人工智能中粒度计算的思想

1. 粒度计算与人工智能概述

粒度计算的基本思想和策略，即使用粒度和多层次粒度，在人工智能的许多领域都有体现。通过粒度计算的视角，可以对人工智能的一些关键概念和问题进行重新审视和解读。对人类智能和问题解决的多层次粒度理解，可能会带来新的发现，这些结果最终可应用于人工智能。

2. 分类、概念形成与学习

2.1 概念的经典观点

概念是人类智能和交流的基本思维单位，概念形成和学习对于理解世界感知、经验和组织知识至关重要。在经典观点中，概念由内涵、外延和名称三部分组成，形成所谓的意义三角形：
- 内涵：概念所适用对象的所有属性。
- 外延：概念的实例集合。
- 名称：与概念关联的自然语言词汇。

通过感知，外延对象映射到内涵概念，概念通过语言中的词汇编码，从而定义了词汇与对象之间的间接映射。

2.2 概念与粒度计算的对应

将概念的经典观点应用于粒度计算，可构建特定模型：
- 外延：视为形成粒度的对象集合。
- 内涵：作为粒度的描述或表示。
- 名称：作为粒度的名称。

这样就得到一个用于解释基于概念的特定类型粒度的意义三角形。可以从概念内涵的逻辑层面和概念外延的集合论层面研究粒度计算。

2.3 分类、概念形成与学习的方法

分类、概念形成和学习主要有两种方法：
- 无监督方法 ：如聚类分析，从一组未标记对象开始，先将相似对象分组形成簇，再为每个簇找到有意义的描述或命名。聚类算法可分为非层次和层次方法，通常使用