所属栏目：计算机应用论文发表 发布时间：2011-02-25浏览量:230
摘要：粒化是人类认识的基础概念之一，粒化是整体分解成部分。空间信息粒、粒的属性及其取值是人类粒化及处理空间信息的特点。模糊信息粒化理论正是受人类粒化信息的特点并据此进行推理而启发。该理论的出发点是广义约束概念。在TFIG中，主要的广义化方法有：模糊化(f-广义化)、粒化(g-广义化)以及这两种方式的结合模糊粒化(f,g-广义)。f,g-广义化使其与其它处理不确定性的方法相区别。本文着重就模糊信息理论在空间信息系统的不确定性的刻画、语义提取及语义共享、词语计算等方面的应用上进行了探讨。文章最后指出该理论等软计算方法是空间信息系统实现柔性化、智能化目标的一种工具。
关键词：空间信息;TFIG;词语计算
1 引言
人类认识的基础有三个基本概念为：粒化、组织及因果。粒化涉及到整体分解成部分;组织涉及到部分结合成整体;因果涉及到原因及结果的联系。一个物体的粒化产生一系列的粒，每个粒即为一簇点。空间信息系统涉及到纷繁复杂的空间信息，空间信息由空间信息粒组成。例如一个居民区是由房屋粒、道路粒、林地粒等组成。信息点粒由于难于区别或相似、或接近、或者由于某种功能结合在一起。因此在一定程度上可以说空间信息的结构是粒的结构，粒化在本质上是分层次的。
信息粒化(IG—Information Granulation)在众多的方法和技术中起着重要的作用，其信息粒是非模糊化的方式。但在人类的头脑中的空间信息及空间判断推理中所用到空间信息粒几乎可以说都是模糊的。例如林地和草地的界限、水域和陆地的界限不能截然确定，但在人脑中由于信息粒的模糊化作用，“界限”又似乎以一种“清晰”的方式存在。同样空间信息粒属性：如一块地段区位的优劣，是非常好、好、不好也不差、还是差，也是模糊的。从这个意义上来看，空间信息的粒是模糊的。粒、它们的属性及其取值是人类粒化及处理空间信息的特点。
2 信息粒化及模糊信息粒化
模糊信息粒化理论(TFIG-Theory of Fuzzy Information Granulation)正是受人类粒化信息的方式并据此进行推理的启发。模糊信息粒化理论的出发点是广义约束概念，一个粒由定义它的广义约束来刻画。粒的主要类型有可能粒、真实粒及概率粒。在TFIG 中，主要的广义化方法有：模糊化(f-广义化)、粒化(g-广义化)以及这两种方式的结合模糊粒化(f，g-广义)。语言变量、模糊“若—规则”及模糊图在模糊逻辑的应用上起着主导作用，并使模糊逻辑与其它处理不确定性的方法区别开来，而f，g广义是上述基本概念的基础。
3 模糊信息粒化在空间信息系统中的地位
模糊信息理论在空间信息系统的地位主要表现在不确定性的刻画、语义提取及语义共享、词语计算等多个方面的应用上。
3.1模糊信息理论与空间不确定性问题
空间信息系统中涉及到的不确定问题包含：
(1)一个物体的空间位置O(x，y，z);
(2)两个空间物体O1和O2的关系R(O1，O2);
(3)决定一个空间物体对一个集合的隶属关系O∈(1)A;
上述第一个问题指模糊粒自身，第二个问题是模糊粒间的关系，第三个问题是指模糊粒的层次问题。人类具有在不精确性、部分知识及部分真实的环境下作出合理的决策这一不同寻常的能力，而模糊信息粒化正是这种能力的基础。由于空间信息粒模糊性及复杂性，空间信息系统存在着多样的不确定性，在空间决策分析中，常用概率分布(一般是截然定义)来刻画。概率分布尽管是精确与严格的，但却存在着与现实的不一致性。主要原因是大部分现实中的概率不好定义或很难估值。如希望知道某个空间事件发生的概率是多少以便使我们的策略更优。概#p#副标题#e#率论提供的是一种主观概率的方式，主观概率的估计仍是一个问题。而概率分布的f-粒化处理类似问题有着较大的优势，f-广义化，g-广义化，f,g广义化是理解模糊逻辑以及它与其它处理不确定性方法的关系，具体来说，集论和关系数据模型的g-广义化产生粗糙集论;古典逻辑和集论的f-广义化产生多值逻辑、狭义模糊逻辑以及模糊集论的部分内容。正是f,g-广义化产生的模糊逻辑(FL)是其在空间信息系统应用的基础。利用对不精确性、不确定性以及部分真实的允许的情况从而使问题易于求解，使其降低求解费用并更好地与现实一致。根据这一原则，f-粒化的重要性无论在空间信息系统的理论还是应用方面比起规范模糊都更进了一步。
3.2模糊信息理论与空间语义提取及语义共享问题
空间对象一般可以分为以下类别：点对象、线对象、面对象、复杂对象。这些空间对象具有空间和语义上的双重性质。从空间上讲，它们可以几何的或模拟的数据;从语义上讲，它们表示地物或特定专题中要素之间的相互关系，即空间物体认识和逻辑上的关系。语义提取可通过各种地图、遥感影像、空间数据库以及空间数据库的知识发现中得来。给定证据体E={g1，g2，…，gn｝和空间对象O的一个任意模糊子集，语义提取的结果：X是Q的可能性的模糊性或非模糊性是多少。例如我们关于某个城市地段的粒度信息(X=位置)
g1=(该地段的位置很好)是不大可能的
g2=(该地段的位置好)是可能的
g3=(该地段的位置不好)是很不可能的
现在提取语义问该地段位置不很好的概率是多少：g4=(该地段位置不很好)是?刻画模糊粒的过程中很重要的一点是同一模糊粒可能是不同的命题诱导的，这时被讨论的命题称为语义等价。一个与g=(X是G)是λ的的否定形式有关的特殊的语义等价情形可表示为(←→表示语义等价)。(X是G)λ←→(X不是G)是antλ，其中antλ表示λ的反义词，
由μant(v)=μλ(1-v)，v[0，1]定义，antλ的隶属函数是λ的隶属函数在取值区间中点的镜像。
此规则的一个简单应用例子就是语义等价上的(X是G)是很可能的←→(X不是G)是不可能的，其中“不可能”作为“可能”的反义词。另一个但较之语义等价弱一些的概念就是语义继承，具体来说，如果g1和g2是两个命题，g1所诱导的模糊粒包含在g2所诱导的模糊粒中，那么就称g2被g1语义继承，或g1语义继承g2。其中g1的可能度小于等于g2的可能度。语义等价即为空间信息系统工程中不同的实验对象对同一命题的等同认识。语义继承的大小可衡量空间信息系统语义共享的程度的大小。
3.3模糊信息理论与空间词语计算问题
模糊信息粒化理论突出了模糊信息粒化概念在模糊逻辑中的地位，同时，该理论为词语计算(CW)提供了基础。词语计算就是用词语取代数进行计算及推理的方法。空间信息系统是一个巨大的复杂的系统。高精度与高复杂性不相容原理允许我们在求解复杂性问题时，以不清晰即模糊来达到满意的结果。在CW中粒的概念是出发点，从本质上来看，粒是点的模糊集，而这些点是一簇元素由于相似性结合在一起。一个词W是一个g的标签，反过来，g是W的外延，一个词可以是原子词，也可以是复合词。词的外延可以是高阶谓词。作为一个词的外延的粒g可以看作对一个变量的模糊约束，从前提到结论间模糊约束繁殖在CW中有着至关重要的作用。考虑命题：
P1=百货大楼位于邮电局附近;
P2=邮电局位于银行附近。
命题P1及P2中的词语“位于附近”分别对百货大楼、邮电局和银行的位置之间的距离起模糊约束作用。问“百货大楼离银行多远?”则由模糊约束繁殖所产生的答案应为P3，其中P3=百货大楼位于银行不远的地方。在CW中最基本的假设是信息通过约束变量取值而进行的;信息由一系列命题构成，命题则通过自然语言或合成#p#副标题#e#语言来表示。空间信息系统中的CW问题的提法如下：已知一系列命题，通过自然语言进行表述，这些自然语言即构成空间初始空间数据集(IDS—Initial Spatial Data Set)通过IDSS，要求对一个自然语言所表述的问题作出回答，答案也是以自然语言表述，自然语言称为终端空间数据集(TSDS-Terminal Spatial Data Set)，问题为从ISDS导出TSDS。
在空间信息系统的词语计算中，存在两个核心问题。一是模糊的约束的表现问题，该问题为：怎么才能显示表为自然语言而隐含于空间命题中的模糊约束;其次是模糊约束繁殖问题，是前提中的空间模糊约束怎么样才能传递给结论。考虑命题：
P=哈门沟学校位于白云水库附近的一个小村。
设说明数据库ED(ED-Explanatory Database)为：
ED=空间对象1学校[名称;位置]+小[空间对象2村庄;μ]+附近[空间对象2村庄;空间对象3水库，μ]受约束变量X=位置(哈门沟学校)=位置学校[名称=哈门沟]，R=小[村庄，μ]水库附近[水库=白云]。R的第一部分是“小村”这个模糊集，第二部分是“白云水库附近的村庄”这个模糊集，而“∩”表示这两个模糊集的交。约束可能条件约束，标准形式为：若X是R，则Y是S，该约束称为基约束。所谓广义约束包含基约束作为特殊情况，其定义如下：一个广义约束表示为X isr R，其中“isr”是一个变元系词，定义R约束X的方式。具体地是R对X的作用通过离散变元r的值来定义，r的取值。
控制模糊约束繁殖的规则有合取规则、析取规则、投影规则、满射规则、合成规则、映射规则、逆映射规则、广义假言推理、广义扩展原理、三段论规则、约束修正规则和概率限定规则等。主要是广义扩展原理。可将空间问题归结为求解一个非线性规划问题。
4 结束语
空间信息系统随着空间技术、计算机技术、信息技术的发展，将会融合更多数学、地球科学、物理、仿生学等学科的最新知识推动着自己向更高的层次发展。由于模糊信息粒化理论在人们认识整个世界中所起的作用，也就决定了它在空间信息系统的概念、设计及实现中的地位。在日常生活中，人们利用对距离、速度、角度、大小的模糊估计得到的信息(为模糊粒化信息)处理多种空间问题。空间信息系统若处理纷繁复杂的空间信息，就有必要将模糊信息粒化方法作为一种工具加以运用，实现系统与现实的一致。在此基础上必然能够步入定量定性化、自动化、柔性化、智能化、社会化和大众化的一个全新的阶段。
参考文献：
[1]李德仁，关泽群. 空间信息系统的集成与实现 [M].武汉:武汉测绘科技大学出版社,2000.
[2](美)Lotfi A.Zadeh，著;阮达，黄崇福编译 模糊集与模糊信息粒理论 [M]北京：北京师范大学出版社，2000.
[3]L.A.Zadeh，Fuzzy and information granularity，in：M.Gupta，R.Ragade，R.Yager(Eds.)，Advanced in Fuzzy Set Theory and Application [M]，North-Holland，Amsterdam，1989，3～18.
[4]L.A.Zadeh，Outline of a computational approach to meaning and knowledge representation based on a concept of a generalized assignment statement，in：M.Thoma A.Wyner(Eds.)，proc of the Intermat. Seminar on Artificial Intelligence and Man-Machine Systems[A]，Springer Heidelberg，1986，198～211.
[5]L.A.Zadeh，Fuzzy logic=computing with words，IEEE Tr#p#副标题#e#ans.On Fuzzy Systems 4[A](1996)