粒度計算是一種解決問題的方法,它將精確的信息與更一般的細節融合在一起。它專注于如何將不確定性和概率納入計算機中。最初設計于20世紀70年代,這種理論上的計算機科學方法已被納入計算機程序設計和人工智能中。模糊集...
粒度計算是一種解決問題的方法,它將精確的信息與更一般的細節融合在一起。它專注于如何將不確定性和概率納入計算機中。最初設計于20世紀70年代,這種理論上的計算機科學方法已被納入計算機程序設計和人工智能中。模糊集的原理是在20世紀60年代發展起來的,用于處理不確定性;模糊集和概率論都通常用于粒度計算。這種方法常被稱為粗糙集理論、數據壓縮和機器學習。

企業網絡中的數據挖掘通常涉及粒度計算作為一種結構化問題解決和一般思維的方法,粒度計算有不同的建模方式。它通常用于大型數據庫中的數據聚類,它有時被用于對數據進行抽象和泛化以組織信息。這對于數據挖掘非常重要,因為人們通常不會用具體復雜的數字術語來思考信息。計算機可以分析語言來衡量如何使用搜索項,因此,粒度計算通常是獲取搜索結果的一部分,企業網絡中的數據挖掘通常涉及粒度計算,而互聯網上的搜索引擎也同樣如此因此,一般的搜索詞可以讓一個人進入一個網站,其中包含一個主題的更多細節在一個典型的數據庫中,信息根據許多變量被組織成不同的類、簇和子集。企業計算機程序可以使用這種對數據進行分類的方法來組織大量的信息;然后員工可以在最需要的時候獲取信息人類通常不像計算機那樣思考。文字被用來表示抽象的想法,并且常常使細節變得不那么精確。用單詞和短語代替復雜的想法通常是必要的;例如,大腦通常不會計算精確的速度或距離等細節一個連接到計算機上的傳感器就可以做到這一點。大腦可以判斷某種東西的味道或感覺是否好,但通常情況下,除非這些信息已經可用,否則一般無法計算出大量的東西。因此,顆粒計算,有助于使計算機的工作更像發生在大腦中的思維過程。通常有數字,計算機語言元素,最終的結果是一個計算機程序,它可以解釋人們如何通過計算機接口進行通信。在多年的計算機理論支持下,這一概念被應用于許多企業、醫療和安全計算機系統中,也可以應用于互聯網。