【机器学习】模糊信息粒化（Fuzzy Information Granulation, FIG）

转自：https://www.ilovematlab.cn/thread-25659-1-1.html

20世纪60年代，L. A.Zadch教授首次提出了模糊集合论，并于1979年提出了信息粒的概念，将一组相似的研究对象，作为一个整体来研究或者将一个整体为部分来研究，放在一起的对象做成一个整体就叫做信息粒。 粒化计算是信息处理的一个新分支，隶属于软计算科学，它包括词计算理论、粗糙集理论、商空间理论和区间计算等等。T.Y.Lin, Y.Y.Yao 和L.A.Zadeh着重描述了粒化计算的重要性，激励了人们对它的研究兴趣。到20世纪90年代，信息粒化逐渐受到人们的关注，成为一个研究热点。

信息粒化(IG)是粒化计算和词语计算的主要方面, 研究信息粒化的形成、表示、粗细、语义解释等. 从本质上讲,信息颗粒是通过不可区分性、功能相近性、相似性、函数性等来划分的对象的集合．粒化计算(GrC)是信息处理的一种新的概念和计算范式, 覆盖了所有有关粒化的理论、方法、技术和工具的研究. 它是词计算理论、粗糙集理论、商空间理论、区间计算等的超集,也是软计算科学的一个分支.它已成为粗糙的及海量的信息处理的重要工具和人工智能研究领域的热点之一.

信息粒化这一概念最早是由Lotfi A. Zadeh(L.A. Zadeh)教授提出的.信息粒化就是将一个整体分解为一个个的部分进行研究,每个部分为一个信息粒. Zadeh教授指出：信息粒就是一些元素的集合,这些元素由于难以区别、或相似、或接近或某种功能而结合在一起.

信息粒作为信息的表现形式在我们的周围是无所不在的,它是人类认识世界的一个基本概念.人类在认识世界时往往将一部分相似的事物放在一起作为一个整体研究它们所具有的性质或特点,实际上,这种处理事物的方式就是信息粒化.而所研究的“整体”就称为信息粒. 例如：时间信息粒有年、月、日、时等.从时间信息粒中可以看出信息粒在本质上是分层次的,一种信息粒可以细化为更“低”一层次的信息粒.

信息粒化中,粒为非模糊的粒化方式（c-粒化）在众多方法技术中起着重要的作用,但是在几乎所有人的推理及概念形成中,粒都是模糊的（f-粒化）,非模糊的粒化没有反映这一事实.模糊信息粒化正是受人类粒化信息方式启发并据此进行推理的.

信息粒化的主要三种模型是：基于模糊集理论的模型;基于粗糙集理论的模型;基于商空间理论的模型. 三种模型之间存在着密切的联系与区别.模糊集理论与粗糙集理论有很强的互补性,这两个理论优化、整合在处理知识的不确定性和不完全性时已显示出更强的功能.商空间理论与粗糙集理论都是利用等价类来描述粒化,再用粒化来描述概念,但是,它们讨论的出发点有所不同.粗糙集理论的论域只是对象的点集,元素之间拓扑关系不在考虑之内;商空间理论是着重研究空间关系的理论,商空间理论是在论域元素之间存在有拓扑关系的前提下进行研究的,即论域是一个拓扑空间.