[发明专利]一种多粒度集群态势不确定推理规则集构建方法

权利要求书

1.一种多粒度集群态势不确定推理规则集构建方法，其特征在于，包括以下步骤：

步骤1)构建集群知识框架网络，采用偏微分方程作为底层数值驱动特征模式，表示定解问题知识；采用随机偏微分方程作为中层数据驱动特征模式，表示模拟逼近知识；采用高斯映射矩阵作为高层不确定交互特征模式，表示实体关系知识；

步骤2)采用多特征模式层次结构框架网络，组织定解问题、模拟逼近、实体关系知识规则，构建不确定推理规则集；

步骤3)构建多领域多视图设计结构矩阵，形成可变粒度集群态势不确定推理规则集。

2.根据权利要求1所述的一种多粒度集群态势不确定推理规则集构建方法，其特征在于，所述定解问题知识的表示包括：

初值问题，即Cauchy问题知识表示；

边界值问题，包括Dirichlet问题、Neumann问题、Robin问题知识表示；

初始条件及边界条件混合问题知识表示；

偏微分方程底层数值驱动特征模式。

3.根据权利要求2所述的一种多粒度集群态势不确定推理规则集构建方法，其特征在于，所述定解问题知识的表示采用偏微分方程底层数值驱动特征模式，统一表达初值问题、边界值问题、初始条件及边界条件混合问题及其规则，具体的底层定解问题知识表示过程包括以下步骤：

步骤A1)针对Cauchy初值问题，建立偏微分方程和初值条件方程，形成底层数值驱动特征模式；

步骤A2)针对Dirichlet、Neumann、Robin边界值问题，建立偏微分方程和边界值条件方程，形成底层数值驱动特征模式；

步骤A3)针对初始条件及边界条件混合问题，建立偏微分方程、初值条件方程以及边界值条件方程，形成底层数值驱动特征模式；

步骤A4)列出时间变量、空间变量及其函数，依据守恒定律或信息理论，确立函数及其时间和空间变化率之间的关系，形成偏微分方程底层数值驱动特征模式，其中，代数方程作为偏微分方程特例处理。

4.根据权利要求1所述的一种多粒度集群态势不确定推理规则集构建方法，其特征在于，所述模拟逼近知识的表示包括：

漂移过程逼近；

扩散过程逼近；

跳跃过程逼近；

随机微分方程中层数据驱动特征模式。

5.根据权利要求4所述的一种多粒度集群态势不确定推理规则集构建方法，其特征在于，所述模拟逼近知识的表示采用随机偏微分方程中层数据驱动特征模式，统一表达漂移过程、扩散过程、跳跃过程的随机模拟逼近及其规则，具体的中层模拟逼近知识表示过程包括以下步骤：

步骤B1)考虑输出变化与均值的关系，设计漂移率计算方法，形成漂移过程逼近；

步骤B2)考虑输出变化与斜率的关系，设计扩散率计算方法，形成扩散过程逼近；

步骤B3)考虑输出跳变，设计平稳独立增量计算方法，形成跳跃过程逼近；

步骤B4)综合漂移、扩散、跳跃特征，形成随机微分方程中层数据驱动特征模式。

6.根据权利要求1所述的一种多粒度集群态势不确定推理规则集构建方法，其特征在于，所述实体关系知识的表示包括：

实体空间；

关系空间；

得分函数；

高斯映射矩阵高层不确定交互特征模式。