关键词：
认知融合（精选六篇）
认知融合 篇1
20世纪70年代,随着数字通信和数字程控交换技术的成熟,通信界提出了网络综合(Network Integration)的概念,并研究综合业务数字网(ISDN)技术,但是未能成功。其后90年代,随着移动通信技术的发展,又提出制订IMT-2000全球统一移动通信标准的目标,也未能成功。上世纪末,在Internet的冲击下,通信网经历了深刻的变革,提出了下一代网络(NGN)的概念,研究思路由网络综合转向网络融合(Network Convergence),第一次在统一的IP技术基础上展现了信息通信网的融合前景。
NGN关于网络融合的研究成果集中体现为由3GPP提出的IP多媒体子系统(IMS)技术,它综合通信网和因特网技术、固定网和移动网技术,形成了包括三个层面的融合技术:网络融合综合了互联网IP技术、软交换技术和蜂窝核心网技术,业务融合综合了开放式Parlay/OSA技术和Web Services技术,管理融合综合了电信网管理、IP网络管理和策略控制技术。尽管IMS受到互联网界的质疑,但是作为核心网融合技术来说,还是受到通信界和信息技术界的广泛认同。
进入本世纪以来,无线通信技术突飞猛进地发展,无线通信的规模快速地扩展,无线通信的能力空前地增长,从而导致通信网,特别是宽带接入网越来越复杂。其复杂性主要体现为网络的异构性(Heterogenity),具体体现在三个方面。首先是无线接入技术(RAT)的异构性。无线通信已不仅仅是蜂窝移动通信,多种不同的无线技术呈现不同的性能、面向不同的应用、覆盖不同的范围,典型的技术包括2G/3G/E3G、Wi MAX、Wi Fi、UWB、Bluetooth等,按其作用范围划分分别属于WWAN、WMAN、WLAN和WPAN技术。其次是组网方式的异构性。除了经由BS/AP接入的单跳式无线网络以外,还有多跳式的无线自组织网(MANET)和网状网(Mesh),这些网络覆盖范围可能互相重叠,面向不同的应用场景或互补组网,其中多跳网络除了物理层和链路层技术以外,还有其自身的路由技术和分布协同的控制方式,和依赖于基础设施集中控制的蜂窝通信网有很大的不同。第三是终端的异构性。面向不同应用的无线终端具有不同程度的智能和能力,近年来针对多制式网络适配大力研制多模终端,学术界还在积极研究基于软件无线电(SDR)技术的可重配置终端。显然,要支持如此复杂的异构接入环境的融合,面向蜂窝网络的IMS技术已力不从心了,必须要有新的融合技术思路。
新的融合网络不但要考虑网络层和业务层技术,还要考虑无线接入的物理层和链路层技术,更为重要的是,还需考虑自适应接入环境的能力,使网络能够在感知环境信息的基础上,向用户提供无处不在、无所不有的服务。正是基于这样的思路,学术界提出了认知网络(Cognitive Network,CN)的概念。
2 认知网络基本概念
2005年美国弗吉尼亚工学院的学者首次明确提出了以下的认知网络定义[1]:认知网络是具有认知过程,能感知当前网络条件,然后依据这些条件作出规划、决策和采取动作的网络。它具有对网络环境的自适应能力,具有对于以前决策的评判和未来决策判定的学习能力,决策要达到的都是端到端的目标,即网络目标。
根据上述定义可将认知网络结构抽象为“目标—认知决策—重配置”三个层次,如图1所示。最上面一层是目标层,该层反映由应用、用户或资源提出的目标需求,这些目标通过认知规范语言(CSL)映射为特定的机制要求,馈送给一个或多个相关的认知网元。CSL的作用类似于认知无线电中的无线电知识描述语言(RKRL),但是形式上类似于Qo S描述语言。中间层是关键的认知决策层,该层根据目标层的要求、相关网元之间交换的网元状态以及网元感知的当前网络状态,按照一定的方法得出网元配置的决策。最下面一层是重配置层,称之为软件可适配网络(SAN),认知决策层的决策通过应用编程接口(SAN API)发送给对应的实体网元,调整该网元的配置,以满足目标层的需求,同时SAN网络状态通过传感器馈送给认知层。和普通通信网不同的是,SAN中的网元都是可重配置网元,这些网元不但包括网络设备,也包括终端设备和业务应用。
认知网络(CN)的理念源于认知无线电(CR),其核心都是认知适配过程,但是在技术上两者有很大的差别。CR的决策目标是局部的,CN的决策目标是端到端的;CR只考虑物理层和MAC层,CN涉及协议栈各层次,且主要考虑第三层及以上,强调节点间协作;CR只涉及无线链路,CN涵盖无线网络和有线网络;CR认知处理是基于节点的,CN认知处理可有集中式、分布式、混合式等多种形式。CR的主要目的是支持频谱资源共享、提高无线电频谱利用率,CN的主要目的是向用户提供最佳的端到端性能。
3 认知网络关键技术
3.1 上下文感知(Context Awareness)
认知网络中的“认知”二字取自于Mitola定义的认知无线电[2],在信息网络范畴就是计算机界已研究多年的上下文感知技术,它包括感知和决策两个层面。
一般的感知模型如图2所示。分布于网络中的传感器负责采集原始的网络环境信息;解释器负责对原始信息进行过滤,去除和认知系统无关的信息,以减少无用信息量的传送;汇聚器则对于过滤后的感知信息进一步抽象,以精简的形式向决策层报告。
决策层采用人工智能、策略控制、自适应算法等技术,根据历史经验、当前环境信息以及上层目标要求确定网络重配置的控制指令。就认知网络而言,端到端的性能和许多网元相关,理论上的最优决策需要多个网元的协同配合,仅根据单个网元的上下文作出的局部决策并不一定是最佳的。但是考虑到实际网络的复杂性和有限的处理能力,要获得网络完整的信息是不现实的,认知决策往往是基于不完整的信息作出的,为了评判决策的成效性,需要有反馈机制,并存储历史决策及其效用,供后续决策作为依据。
3.2跨层设计(Cross-layer Design)
认知网络的最终目的是根据认知的网络信息调整相关网元的协议栈或协议层参数,以保证用户的端到端性能。通常获取上下文信息的认知观察层和需要调整的自适应适配层并不一定相同,认知网络需要综合各层的认知信息导出对于某一层的重配置决策,然而目前网络协议栈普遍采用的是分层设计原则,也就是说,每个协议层只和其相邻层有信息交互,其感知的信息仅对相邻层有影响,因此认知网络必须采用跨层设计思想[3]。
图3为跨层设计的基本原理,其中每个协议层由两部分组成,一部分完成原有的分层协议功能,另一部分是认知接口,提供该层认知的上下文信息,认知跨层总线则综合各个协议层认知的信息,提供给认知引擎使用,认知引擎根据总线提供的跨层信息作出决策,控制相应协议层的配置。
在无线通信情况下,跨层设计的一个典型应用场景就是TCP协议层参数的自动配置。TCP协议是针对有线网络环境设计的,它没有显式的拥塞指示机制,当超时未收到接收证实时就认为网络发生了拥塞,从而自动减小拥塞窗口。但是对于无线通信而言,证实超时常常并非网络拥塞产生,而是无线链路的丢包引起的,因此有必要根据物理层和MAC层的跨层感知信息及时地调整TCP的拥塞控制参数。另一个典型应用场景是自组织网络中的Qo S路由,为了能保证所选路由的服务质量,不但要根据网络层的路径可达信息,还应根据物理层和MAC层的信息进行选路。
和一般的跨层设计相比,认知网络的跨层设计技术复杂度更高。一般跨层考虑的是单目标优化,认知网络考虑的是多目标优化;一般跨层仅限于无记忆的自适应,认知网络跨层具有学习功能,能基于对过去决策的学习决策未来;一般跨层是以节点为中心的,认知网络跨层需观察多个节点,考虑多节点目标优化。
3.3 重配置(Reconfigura-tion)
早在20世纪90年代,学术界就开始研究终端重配置,其技术基础就是软件无线电(SDR),它是构建可重配置用户终端的相关硬件和软件技术的总成,可经济有效地实现多模、多频带、多功能无线终端,并能通过软件下载支持动态适配、升级和增强[4]。终端重配置的基本思想是根据认知的可用无线频谱资源,自适应地改变终端的无线接口配置,使终端能够自由接入不同的无线环境,实现在多无线电环境下的无缝漫游和切换通信。在国际上,工业界成立了软件无线电论坛(SDRF),共同探讨软件无线电技术需求和全球管制环境,定期召开技术交流会议,促进软件无线电技术的开发、部署和使用。本世纪初由国际上主要制造商、运营商、研究机构和大学联合成立的无线世界研究论坛(WWRF),专门设立了重配置工作组,研究未来B3G无线通信框架下重配置系统商业模型的研究。
认知网络的实现最终要落实到底层SAN网元的重配置,重配置过程也是通过软件实现的,但是其重配置的技术层次更高。一则,重配置的对象更广,不但包含终端重配置,还包含网络重配置和业务重配置;二则,重配置的作用范围更大,不限于单个节点,可能覆盖端到端路径上的多个网元,称之为端到端重配置(E2R),其复杂度和重要性远高于终端重配置。正因为如此,2006年启动的欧共体研究项目E2R II增设了专题研究认知网络的工作组。
4 认知网络应用前景
尽管认知网络的研究还处于起步阶段,许多技术尚在探索之中,然而人们已经开始预见到一些可望通过认知网络技术来解决的有价值的应用。
4.1 垂直切换
现有移动通信系统的切换指的是在同一无线接入技术下接入不同的接入点,称之为水平切换,切换准则大多为最简单的信号强度准则。对于异构无线网络来说,需要考虑不同无线技术之间的垂直切换,其目标要求和技术难度远高于水平切换。由于不同接入技术的覆盖范围往往重叠,信号质量并非唯一的切换因素,除了寻求最好质量的信道以外,还可能要求通过垂直切换实现系统间合作,以提高网络整体性能和容量,并考虑如何满足用户的技术经济要求。因此,需考虑四类垂直切换:基本的连接保持切换,保证业务性能和网络性能的Qo S优化切换,提高系统能力的负荷均衡切换,以及满足端用户特定需求的优先策略切换。在涉及自组织网络的情况下,除了链路层的因素以外,还需考虑自组织网络的路由问题。因此,垂直切换本质上是一个多判据的决策优化问题,不但涉及多个无线接入系统,而且涉及无线链路、网络层、管理平面等多个层面,远较水平切换复杂。
有效的垂直切换应该基于环境信息的感知,并且需要多个网元之间的信息交互和协同配合,根据认知决策选择目标网络和目标无线接口。认知网络技术可以很好地用于解决垂直切换问题。
4.2 高速轨道通信
随着高速轨道交通的快速发展,如何在高速铁路列车上提供宽带通信服务已被提到议事日程上,成为迫切需要解决的技术问题。IETF曾设立NEMO工作组专门研究此类应用场景,引入移动路由器作为高速交通设施和外部广域网之间的接口网关,借鉴移动IP技术解决整个局部网络的移动性问题。然而NEMO解决的仅仅是网络层的路由可达问题,对于此类应用来说更为重要的是如何解决移动路由器的可靠无线接入问题。通常移动路由器装备有多个不同类型的无线接口,可根据所处网络环境的感知信息,决策选择可用的无线接入网络,为列车内的用户提供不间断的网络服务。因此,可充分利用认知网络技术寻求问题的解决方案。
4.3 应急通信
认知网络技术的研究对于救灾应急通信系统来说也具有十分重要的意义。在发生突发灾害的情况下,已有通信网络必定遭到严重损坏,原有网络拓扑、网络能力和网络环境将发生不可预测的重大变化,此时,如何感知网络现状,迅速作出自适应的调整,并且综合利用多重网络的能力,对于通信能力的恢复至关重要。
图4所示为典型的地震救灾通信情景[5],地震发生后将综合应用卫星、蜂窝、宽带无线、有线等多种通信手段,覆盖4类不同的区域环境:指挥中心,安置中心,灾区现场,救援物质中转中心。每一类区域可用的通信手段不尽相同,通信需求和通信方式也不相同。可望通过认知网络技术实现:根据环境条件自适应选择可用网络;自动适配网络拓扑的变化以及网络节点的加入和退出;保证高优先等级通信的连接;确保救援物资中转的跨区域通信连接;重要通信业务的安全性。
5 结语
认知网络是学术界近年提出的前沿通信技术,综合采用了上下文感知、重配置、跨层设计等先进信息技术,具有重要的学术地位和应用价值,已逐渐成为ICT业的关注热点。尽管关于认知网络的研究刚起步,但是基于认知网络技术探索新的异构无线网络结构和异构网络融合应用是一个值得重视的研究方向。
参考文献
[1]Thomas R W,et al.Congnitive networks:adaptation and learning to achieve end-to-end perfoemance objectives.IEEE Commu-nications Magazine,Dec.2006,51~57
[2]Mitola J,Maguire G Q Jr.Cognitive radio:making software radios more personal.IEEE Personal Communications,1999,6(8)13~18
[3]Baldo N,Zorzi M.Fuzzy logic for cross-layer optimization in cognitive radio networks.IEEE Communications Magazine,2008,(4)
[4]Mitola J.Software radios:wireless architectures for the21st century.http://ourworld.compuserve.com/homepages/mitola/
认知融合 篇2
【关键词】初中思品 学生认知能力 教学方法
【中图分类号】G633.2 【文献标识码】A 【文章编号】2095-3089（2015）17-0192-01
0.引言
随着素质教育不断发展，对学生的综合素质培养提出了更高的要求。初中思品学科主要由心理、道德和法律基础知识、国情常识组成，通过这门学科，培养学会正确的社会观和价值挂，从而让学生在接触社会的过程中，善于用正确的思维判断是非，而不会被一些假象所迷惑。初中思品教学应当根据学生身心发展规律进行教学，把应试教育的重心转移到培养学生的社会认知能力上来。
1.培养初中生社会认知能力的意义
社会认知能力是一个人对自己和他人以及社会的基本认识，能够对某件事情的意义和价值做出一定的评价和判断。社会认知能力与个人的心理发展水平有很大的关系，在不断学习中，社会认识能力也会得到增强。错误的社会认知加工会造成行为上的偏差，给社会和他人造成困扰，甚至灾难。初中生的心理发展不够成熟，当他们也有自己的社会认知能力，因此在政治教學中，教师要根据学会的特点，帮助学生正确认识社会的本质，让学生养成遵守社会规范的意识，从行动中表达自己的社会认知能力，促进学生全面发展。
2.在政治教学中培养学生社会认知能力的对策
2.1根据学生特点，激发学生社会认知意识
传统的政治教学偏重于应试教育，教师过于注重教材，常常以考试的方式检测学生的道德素养及对法律法规的认识，这样不利于培养学会的社会认知能力。素质教育对教师的教学方法提出了改革，要充分尊重学生的主观能动性，从而激发学生的社会意识[1]。初中生已经具备一定的社会价值，因此教师在进行教学时，可以将一定的社会问题带入教学中，再与学生共同探讨社会问题，通过政治思维方式，全面认识社会问题，展开讨论。例如，教师可以在教学时，将学生常常经历却被忽视的问题引入课堂中来，让学生在学习过程中，理解巩固相应的知识，树立正确的人生观、价值观和世界观，形成高尚的道德品质。生活中蕴含着大量的思想品德知识，例如，踩踏事件、环境保护问题等引发我们对生命进行思考，学生对这些问题也有自己的看法，因此教师要鼓励学生表达自己的意见，培养学生的社会认知意识。教师要善于发现生活中的教育素材，同时也要注重素材的真实性和有效性，符合初中学生的政治思维特点，从而让学生对这些问题有深刻的体会，能够自己的价值观进行评价。在进行思品教学时，在引用生活实例时，要有理有据，帮助学生理解，有利于提升初中生社会认知意识。
2.2利用多种教学途径，培养社会认知能力
在思品的教学过程中教师要创设问题情境，启发学生的思维，创设辩论环境，提升学生辨是非的能力。通过问题讨论，学生能够形成感受到各种思想的融合，实现思维共鸣，在交流中获得进步[2]。在进行问题探讨的过程中教师要把握学生的心理，调动学生的积极性，要树立“教师为主导，学生为主体”的思想。例如，让学生对“为了帮助别人自己却受伤了，值不值？”进行辩论。通过问题的辨析，学生表达出了自己的看法，很多学生认为值得，因为帮助别人是最大的快乐;也有的学生认为要客观看待问题，如果当时的情况对自己的安全十分不利，则不能够盲目施救，还应当有妥善的办法。通过创设问题，学生能够对是非、公私进行更深层次的理解，使学生认知能力得到了提高。在进行初中教学时，教师也可以利用多媒体教学，把当前社会热点相关的视频播放出来，让学生感受到较为真实的社会场景，激发学会的社会意识。例如，将我国在航空事业上取得成就的视频播放出来，通过观看，学会的民族自豪感和责任意识油然而生，其社会认知能力也得到了提高。还可以通过班级板报，将学生获取的信息进行整理，制作班级信息栏，让学生更加了解社会，能够根据政治学科的知识，理性分析问题，形成自我的判断力。
2.3在实践中锻炼学生社会认知能力
初中思品教学不应当局限于教室，而应该通过实践，真正提高学生的社会认知能力。通常我们都说“学生是未来社会主义的接班人和建设者”，促进学生健康发展不仅仅是指学会的身体健康，还应表现在学生心理素质方面，促进学会身心健康，保持乐观向上、充满正能量的积极人生态度，这对初中生健康成长具有深远的意义[3]。初中生的社会认知能力应当在积极、和谐的氛围内不断提高的。教师在思品教学中要为学生营造一个和谐、包容和理解的积极教育环境，尽可能让学生参与到社会实践中，从而得到真正锻炼。例如，教师可以在五四青年节的时候开展“争做好青年”额活动，让学生自主选择一项活动进行展开，可以是帮助敬老院的老人，也可以是对校园周边的环境进行调查，以及帮助学习上遇到困难的学生学习等等，通过学生自主选择活动内容，学生的参与热情更高，活动的完成度也更好。通过实践，让学生深入社会，了解到社会上需要帮助的人很多，在实践中，社会责任意识被激发，社会认知能力也得到锻炼[4]。
3.结语
初中思品是培养学生道德认识，形成正确价值观的学科。初中思品教师要有意识地将学生的社会认知力融合在政治教学中，根据学生的特点，改革教学方法，利用多种教学途径，培养学生的社会认知力。初中思品教学可以利用社会实践，让学生感受到不同的社会情境，从而激发学生的责任意识，并将这些意识逐渐融合到行动中去，不断提高其社会认知力，为提高初中学生的综合能力打下坚实的基础。
参考文献：
[1]王燕莉.如何在初中政治教学中培养学生的社会认知能力[J].新课程学习（中），2012，78（08）：34-35..
[2]沈苏甜.刍议初中政治教学与学生社会认知力的有机融合[J].新课程学习（中），2012，78（08）：70-71..
[3]刘焕伟.激励理论在初中政治课堂教学中的应用研究[D].山西大学，2012，45（01）：25-26.
认知融合 篇3
智能交通中存在大量复杂问题, 比如多来源的交通信息整合, 反馈系统的仿真和调控, 交通事件发生的随机性处理等。常用的算法和系统理论往往难以进行有效的处理和达到很好的效果。在多途径的数据来源情况下, 对这些信息如何取舍和融合是一个麻烦的事情。
在不确定环境下推理和活动的能力是智能行为的基础。在过去20 a逐步发展了多种知识表达语言用以支持和清楚地表达不确定性, 这些语言的研究重点在可能性信息的表达上[1,2]。它可以使智能体在1个相对可靠的理论基础上进行推理。采用这些充分可理解的技术, 在决策时预期得到极大的应用。模糊数学、神经网络[3]、进化算法和Bayes网络等不确定推理方法, 都可以在一定程度上进行不确定信息的处理, 从而可以在信息融合和交通仿真和交通控制中得到较好的解决[4]。在这些不同理论结合使用时, 面临的是结构性差异, 各自原有理论的一些通盘性假设和考虑均不再成立, 这将极大地影响到方法本身及其结论的合理性和可靠性。
认知结构方法是在参考和模仿人的不确定信息处理方法后, 专门针对不确定信息提出来的不确定信息表达和推理方法。采用在信息表达和推理过程中保留不确定信息的方法, 实现不确定信息有效利用, 并采用合适的方法来保障不确定推理的价值。这种信息表达和推理方法, 从应用出发, 有针对性地引入的方法, 解决各类确定、不确定问题, 具备较严密的理论基础。在精确推理情况下与传统的概率统计方法的结论是一致的, 在快速推理情况下与人的直觉是一致的[5]。
基于认知结构和连续认知结构表达的不确定推理框架, 采用4值 (最值、置信度、信任值、似真值) 表达不确定认知情况。该方法同时包容了精确概率推理, 完整地表达了不确定性信息;采用定义在认知结构上的推理结构来处理推理规则的不确定性;认知结构最简推理的计算复杂度在最复杂情况下关于推理节点个数为线性;这种方法在现实中有很强的表达能力和实用性, 根据其推理结果可以方便地进行决策;此外, 这种方法的推理过程还是非单调的。该方法可以用来处理交通不确定信息的表达、融合和进一步的交通仿真所需处理的不确定推理问题。
本文探讨了在交通信息融合中使用认知结构处理的方法, 并在认知结构方法体系中提出2个公设, 夯实了认知结构方法的基础。
1 认知结构表达及运算
认知结构是参考和模仿人们对事物的不确定认知性而提出来的, 认知结构运算主要用来解决不确定信息融合的问题。
定义1:认知结构。
认知结构是一个4元组Rec (E) :<μ, δ, σ1, σ2>
式中:μ是事件E发生可能性的最可能取值;σ1是事件E发生可能性的下界, 简称认知信任值;σ2是事件E发生可能性的上界, 简称认知似真值;δ是认知结构的拒绝度, 1-δ是认知结构的置信值B, 简称认知置信度B;σ2-σ1是认知结构的离散度, 简称认识离散度S[5,6,7,8,9]。
在认知结构相关体系中, 认知结构代表对1个事件或状态的认知情况, 这个情况并不是简单的是或者否, 而是1个带概率性的分布, 由认知信任值和认知似真值以及认知置信度来刻画。它表达了认知的不确定性。
定义2:连续认知结论。
连续认知结论表达的是对1个连续取值变量的认知结论[2], 它是1个实数4元组CR (X) : <λ, ε, ξ1, ξ2>。
式中:X的最可能取值是λ, 称为结论最值;ε是结构拒绝度, 1-ε是结论置信度XB;ξ1是X的最小可能取值, 简称结论下界;ξ2是X的最大可能取值, 简称结论上界。ξ2-ξ1是连续认知结论的离散度, 简称结论离散度XS。
定义3:连续认知结构。
连续认知结构表达的是对1个连续取值变量X的认知情况[4], 它是1个实数8元组CRec:< CR (X) :<λ, ε, ξ1, ξ2>, Rec:<μ, δ, σ1, σ2>。由这个连续取值变量的连续认知结论和关于这个连续认知结论的认知结构组成。
公设1:认知信息的离散度与置信度成正比。置信度和离散度的比值为认知信息的效用。
由此可以得到在认知结构中B=W×S, 式中:W为认知结构的效用;在连续认知结构中XB×B =XW×XS×S, 式中:XW=XB×B/XS/S为连续认知结构的效用。
这表达了认知信息中的置信度和不准确程度之间的关系, 这个公设中的反比关系和 (可以精确推算出来) 的精确公式并不一样, 但是在相当大的程度上可以反映两者之间的关系。精确的公式会带来更大的计算复杂度, 并不适合需要快速反应的场合。本文认为这和实际人脑进行处理的机制基本一致。
认识结构的效用正比于置信度, 反比于认知结构的不精确性, 正可以代表认知结构的有效性, 在认知结构信息融合中以权重形式参与计算。对连续认知结构也是同样的道理。
由公设1可以知道, 同1个认知结构它的不同表现形式下, 其效用是固定不变的;同1个连续认知结构的不同表现形式下, 其效用也是固定不变的。
公设2:认知信息的各个分项的合成是采用加权平均的方法进行的, 其权重是认知信息的效用。
这个乘积代表了这个认知信息的准确性和可用性。这个公设在相当大程度上是和人类的认知过程一致的。如1个信息有2个不同的来源, 在信息融合中, 肯定是置信度高和信息确定程度高的来源占有最大的权重。
通过这2个公设, 可以把文献[5,6,7,8,9]中的那些关于认知结构和连续认知结构的加减乘运算的定义变成定理。
定理1:认知结构的加法。
已知不同信息来源关于同一事件E的认知结构为Reci: <μi, σi1, σi2>。认知结构的和为关于这些认知结构的合成结果Rec: <μ, σ1, σ2>:
当 (σi2-σi1) 值为零, 导致Wi为无穷大时, 用极限来处理。
定理2:连续认知结构的加法。
已知关于同1个连续取值变量的连续认知结构CReci: <{λi, εi, ξi1, ξi2}, {μi, δi, σi1, σi2}>。
定义对这个连续取值变量认知信息的合成认知情况为连续认知结构
2 认知结构运算在交通信息整合中的应用
交通信息中存在很多各种各样的信息, 如上下班时段车比较多, 事故发生率较高, 等等。这些信息是典型的不确定信息, 可以通过交通数据的采集进行量化处理, 而且有些时候还存在多个信息来源的情况。要对这些信息进行有效利用, 就必须处理好不确定信息融合问题。
智能交通中的拥挤度可以采用多种方法来获得, 比如从Smooth系统 (地感线圈车检器) , 和车牌识别系统上报的交通数据。这些交通数据都可以反映交通情况, 但在进行指挥调度决策时只能依赖1个最终的交通状况判断, 并结合其他的经验知识来进行推理和决策。
认知结构理论体系中的加法运算是专门为不确定信息的融合设计的。认知结构推理方法为多来源的信息整合提供了理论基础, 可以用来解决信息整合中的随意性和纯经验做法。
例如:对于交通畅通情况判断, 可以从Smooth中采集到单位时间车辆的通过数量和速度, 可以从车牌识别 (图像识别) 系统中获得单位时间车辆通过的数量和速度, 可以从GPS监控系统中获得车辆经过该路段的平均时速, 可以从架设在各干道上的视频头中人工监控道路畅通情况判断。
这些信息都是该路段的道路畅通情况的1种反映。这些信息对人来说可以有效利用, 但是对于计算机来说, 一般没有很好的方法来有效处理。认知结构方法正是针对这类问题提出来的。
根据对Smooth系统的历史数据可以方便地对Smooth系统反映的信息进行认知结构构建, 相关的构建方法可以参见文献[2,3]。
关于Smooth系统获得的车流量信息, 可以表达为连续认知结构:
用文字进行描述就是这样:
通过Smooth系统获得的信息是车流量最可能取值为83 辆/min, 车流量最大不超过97 辆/min, 最小也不低于70 辆/min, 这个结论的置信值是0.87。Smooth系统这个结论成立最可能是94%, 最高可能是100%, 至少也是83%, 这个认知的置信度是0.98。
这个描述基本包含了我们对Smooth系统采集数据在直觉上全部可利用的信息。
对于车牌识别系统来说, 一个可能的连续认知结构为:
按照连续认识结构的加法运算, 这2个连续认识结构的合成认知结构为:
CRec (流量) =CRec地感+CRec车牌 (流量)
这样从不同的来源 (Smooth系统和车牌识别系统) 得到2个关于车流量的信息后, 形成了1个合成的信息, 可以用文字描述为:
Smooth系统和车牌识别系统认知信息融合后获得的认知信息是车流量最可能取值为81.104 辆/min, 车流量最大不超过124.883 辆/min, 最小也不低于60.522 辆/min, 这个结论的置信值是0.947。这个结论成立概率最可能是84.5%, 最高可能是93.8%, 至少也是73.5%, 这个认知的置信度是0.981。
再针对这些信息, 分别计算其效用。
XW (CRec地感) =0.062 7
XW (CRec车牌) =0.056 5
XW (CRec) =0.071 0
可以看出, 在这2个信息的融合过程中, 融合信息的效用得到了提高。这表明经过信息融合后, 我们结论的有效性提高了;置信度也提高了;结论的可靠性也提高了。
在信息融合过程中, 也可能存在2个连续认知结论相互矛盾的情况。例如:
这里有2个连续认知结论,
和,
这2个信息之间是存在矛盾的。车牌识别系统指出车流量约在70 辆/min。Smooth系统指出车流量最低不低于70 辆/min。这样通过信息融合我们得到的结论是:
CRec (流量) =CRec地感 (流量) +CRec车牌 (流量) :
这种情况下, 合成信息的效用反而低于来自车牌识别系统的效用。这跟实际人们的不确定信息融合过程吻合得相当好。人们在实际进行不确定信息处理时也有这种情况, 相互矛盾的信息会带来混乱, 会降低融合后的效果。因为很多事情况下, 决策后采取的行动并不是最优的, 但是仍然可以在一定程度上满足需求, 并没有绝对正确的决策, 所以反而不如只取矛盾的信息进行处理, 然后进行决策。融合信息的选取问题是另外一个课题, 且容另文论述。
前面论述了信息融合的方法, 并探讨了该方法的实际使用情况。用同样的方法我们可以来解决道路的平均时速, 占有率, 交通事件判断, 拥堵状况等信息的融合问题。
3 进一步的工作
进一步的工作包括在认知结构及推理[2]的理论框架指引下, 整合已有的各个智能交通应用部件;利用交通方面的专业知识和经验性知识, 建立能够处理不确定信息交通仿真系统;形成一整套自动决策, 多途径交通调节的智能化系统, 有效地解决目前智能交通所面临的多种问题。
参考文献
[1]Chen S M Ke J S.Knowledge representation usingfuzzy petri nets[J].IEEE Transactions on Knowl-edge and Data Engineering, 1990, 2 (3) :311-319
[2]C'edfic Rose, Cherif Smaili.A Dynamic bayesiannetwork for handling uncertainty in a decision sup-port system adapted to the monitoring of patientstreated by hemodialysis[C]//17th IEEE Interna-tional Conference on Tools with Artificial Intelli-gence, Hong Kong:The Hong Kong University ofScience and Technology, 2005
[3]吴海俊, 丁勇, 毛保华, 等.基于模糊神经网络的列车制动控制智能算法研究[J].交通与计算机, 2008, 26 (1) :55-58
[4]刘红红, 杨兆升.基于神经网络的实时交通信号控制与仿真研究[J].交通运输系统工程与信息, 2008, 8 (2) :43-47
[5]刘洁.不确定推理及其在多智能体环境中的应用[D].合肥:中国科技大学, 2000
[6]刘洁, 范焱, 蔡庆生, 等.一种认知结构表示不确定推理网络的自动建立[J], 南京大学学报, 2000, 1 (9) :26-35
[7]刘洁, 刘贵全, 陈小平, 等.连续认知结构推理方法及其应用[J].软件学报, 2002, 13 (1) :125-129
[8]刘洁, 陈小平, 刘贵全, 等.不确定信息的认知结构表示、推理和学习[J].软件学报, 2002, 13 (4) :181-183
认知融合 篇4
一、批评话语
大多数学者认为批评话语的源头是修辞学中的基础语言学、社会语言学与实用语言学。目前批评话语尚没有标准的使用方法和构成理论基础。所以长期以来批评话语是以一种将语言、标点和认知综合在一起的共享视角。批评话语的基本目的是通过一系列的语言技巧和方法解除语意的神秘化, 使其意思通俗易懂。同时批评话语也具有注重社会中的权利与能力, 关注生活中的权利与能力, 尝试成为一种新型的语言流派。许多学者认为语言为社会权利和能力的区别提供了一个便捷的通路。所以最新的批评话语的定义为:批评话语是解析社会权利的不同层次, 分析语言内涵中所含有的信息、歧视、能力和相对关系解释出来。所以近年来批评话语是解释和分析语言的含义与相应的信息, 并揭露现实社会的不平等现状。[2]
批评话语的使用者, 在使用批评话语之前需要了解和熟悉整体语言的基本含义与深层含义, 与内容有关的方法与对策, 构成语言的基本特点与这些特点在语言中存在的作用。从微观上分析批评话语, 一个字一个字地详细分析语言内涵和构成。所以, 微观上看批评话语是通过使用一种成型的语言功能和话语方法来解释或者解析社会结构与语言的基本构成。目前使用批评话语最多的部分是新闻中语言对社会的解析, 对社会的剖析。而对社会的剖析与语言的部分作用有十分紧密的联系。目前部分话语由于需要满足语法构成, 导致寓意不清晰甚至模糊, 所以批判语言通过对语言的重新的解析, 并将词语有顺序重新排列, 同时语言的构成也在一定程度上反映作者的认知和意志。[3]
在宏观方面看批评话语, 大多数学者认为宏观的批评话语与社会的结构存在很深的联系。而批评话语本身就是社会中的一部分, 而语言中也包含着社会, 所以可表明, 话语是随着社会的产生而产生的, 同时不用的话语也能够出现不同的社会结构。目前批评话语可以划分成语言、语言实践和社会实践三种。在实际应用中, 语言通过语言实践与实际社会相联系, 所以间接地与社会实践联系。现如今权利仅仅成为认知的表浅的层次。而社会的权利又包含着许多知识、理论、解释、价值观念、学习态度。大多数人认同的思想可以成为共同的社会认知。目前大多数人承认的社会认知是对社会的认识、对组织的意见、对人与人关系的解释和详细的学习能力、思想、与猜测能力等多种能力的综合体。[4]目前大多数专家认为尚未发现合理的方案将微观层次所理解的批评话语与宏观层次所解释的批评话语进行有机结合。目前合理的表达解释语言的基本功能与作用, 必须将语言的基本结构和使用者对语言的认知进行有机结合。将话语和社会不平等构成进行相互沟通, 需要通过宏观层次上解释批评话语, 随后通过微观层次上补充说明批评话语。
总的来说, 通过分析批评话语的基本定义、含义与相应语言构成, 认为经过长时间的语言分析, 可以为批评话语合理的构建一个标准框架。随后再结合认知科学的基本方法和相关知识, 不断完善相应的结构。
二、批评话语与认知语言学的关系
长期以来, 批评话语使用的语言学基本方法是传统的韩礼德语言结构基础理论, 虽然应用时间久, 缺点与矛盾相对较少, 但是这一理论仅仅关注社会的基本结构中的有关语言的部分。现如今的批评话语使用的是许多语言方法与许多社会原理相互结合, 形成一种较为完善的理论。许多国内学者认为使用认知语言可以对批评话语进行详细合理的解释, 为批评话语提供一个有价值的分析理论与构成图。通过使用认知语言学中的语言操作, 对批评话语进行重新分析和解释。[5]
认知语言学本身是一种语言的构成方式。认知语言也是随着经济的发展、政治文化的深入人心, 形成的新型语言方式。认知语言学与批评话语之间的基础与使用方法虽然有一定程度的不同, 但是两者之间并不矛盾, 并在认知语言学与批评话语之间的基础与使用方法上有一定的互相取长补短的作用。部分学者认为在应用批评话语是需要使用者有一定的认知能力。著名的语言专家kolle在论文中阐述, 可以通过较多的描述隐喻和词语之间的联系将认知理论与批评话语分析紧密的结合起来。同时他认为批评话语中往往蕴含使用人的认知。现如今权利仅仅成为认知的表浅的层次。而社会的权利有包含着许多知识、理论、解释、价值观念、学习态度。大多数人认同的思想可以成为共同的社会认知。目前大多数人承认的社会认知是对社会的认识、对组织的意见、对人与人关系的解释和详细的学习能力、思想、与猜测能力等多种能力的综合体。[6]目前大多数专家认为尚未发现合理的方案将微观层次所理解的批评话语与宏观层次所解释的批评话语进行有机结合。但是认知语言学本身就是语言的一种使用方法与新型的语言构成方式目的是帮助使用人员更好地加工官方语言和批评语言的语言构成、基本信息和相应的内涵表达出来, 认知语言学可以使用在政治语言中对使用者的心理状态和语言进行分析的方法。
认知语言学和批评话语都是对说话人, 话语的深层汉语进行分析和解释的语言和认知。而幕后放入认知是决定话语真正含义的重要方面。虽然语言本身并不需要认知对它进行构建, 但是合理运用认知可以在某个对话背景中迅速发现其含义与真相。所以将这些认知与话语的内容相互结合并进行综合性的分析, 其适用的范围就会出现极大的提高。所以认知语言学与批评话语都是通过思考与操作, 将话语中暗藏的含义解释出来, 同时认知语言学与批评话语在实际应用中均是以人们的以往经验作为思考的根本。而批评语言是针对社会的变化情况, 在以往的经验之上不断结合实际情况, 将经验与实际情况进行有机结合, 为自身进行使用。所以批评话语在使用中需要不断地积累和积淀。
三、批评话语与认知语言学融合方法
(一) 批评话语的隐匿含义
认知语言学的一个研究重要方向就是对语言中内涵的寓意的分析。在现实的生活中寓意其实是十分常见的, 而应用认知语言学对语言中的隐匿的话语进行分析, 并不能完整而深刻地理解其含义, 十分容易错误解释其内涵。批评话语可以教直接将语言中的含义进行直接而简单的分析, 将语言翻译成为大家所接受的语句。而现如今可以对同一件事情, 使用不同的语法和语言流派, 通过隐匿的信息将作者的真实意图表达出来而不影响事件的真实性, 同时这些语言不仅仅是其自身的抑制, 也包含着整个社会的意识和文化背景和心理状态。
(二) 心理空间将整合理论与批评话语结合
通过合理的实验心理空间和概念整合, 可以更加完整地对语言的浅层含义与深层含义进行分析, 同时将语言人自身的意识形态、自身的价值观念, 对待事物的态度加以分析。使用心理空间将整合理论对语言进行分析, 通过观察语言本身的形式和语言的表面浅层含义, 从而判断其态度。所以, 心理空间将整合理论与批评话语结合可以提高其理解能力和认知能力。
四、结论
探究发现认知语言学与批评话语在学习和应用中虽然有一定程度的不同, 但是两者之间并不矛盾, 可以通过合理的方法互补。认知语言可以为批判语言提供更多的语言解释方法和语言构成方案, 并将批判语言的文化、背景、习俗和相应的语言功能均书面化和规范化, 所以将认知语言学和批判言语进行结合是可行的, 也是十分必要的。
摘要：本文阐述认知语言和批评语言的融合的可实施性与必要性。同时探究认知语言的学习技巧和使用方法与批评话语的应用方法和学习技巧。对比出两者之间不同, 探究认知语言学与批评话语的关注重心。探究发现认知语言学与批评话语在学习和应用中虽然有一定程度的不同, 但是并两者之间不矛盾, 可以通过合理的方法互补。本文阐述了认知语言学与批评话语融合的主要方法。
关键词：认知语言学,批评话语,融合
参考文献
[1]张辉, 江龙.试论认知语言学与批评话语分析的融合[J].外语学刊2008 (05) :12-19.
[2]郜丽娜.认知语言学理论在批评话语分析中的应用[J].牡丹江大学学报, 2013 (01) :79-81.
[3]唐韧.批评话语分析之认知语言学途径:以英国媒体移民话语为例[J].外语研究, 2014 (06) :18-22.
[4]田海龙.认知取向的批评话语分析:两种路径及其特征[J].外语研究, 2013 (02) :1-7.
[5]汪徽, 张辉.批评认知语言学的研究路径——兼评van Dijk的《话语与语境》和《社会与话语》[J].外语研究, 2014 (03) :13-19.
认知融合 篇5
一、元认知策略相关理论
近年来许多西方学者的研究证明, 语言学习策略对学习者学习某种新的语言具有举足轻重的意义。Andrew D.Cohen (Cohen, 1998) 指出, 语言学习的成功与否和学习者对学习策略的运用能力密切相关。学习策略从根本上就是对元认知能力的运用。
美国著名儿童心理学家J.H.Flavell (弗拉维尔, 2002) 早在1976年就提出了元认知 (metacognition) 这一概念。他认为元认知就是个体关于自己的认知过程的知识和调节这些过程的能力。元认知策略是一种典型的学习策略, 是学生对整个学习过程的有效监控及调节。元认知策略由元认知知识和元认知控制两个独立的部分构成。O’Malley&Chamot (O’Malley&Chamot, 2001) 将元认知策略分为确立目标、制定计划、策略选择、自我监控、自我评价和自我调整等多个环节。元认知策略在整个学习过程中处于核心地位, 在很大程度上制约着学习者选择、注意力、推论和精密推算等认知策略的成效。美国心理学家R.J.Sternberg (斯腾伯格, 1999) 曾指出:元认知结构发展不健全的人必定就是能力较为薄弱的人。元认知词汇学习策略是学习者对整个词汇学习过程的管理, 是高一级的管理策略, 对提高词汇学习效率起着举足轻重的作用。
根据O’Malley&Chamot的分类, 词汇学习中的元认知策略可具体分为制定学习计划、确立学习目标、选择注意力、自我监控学习过程和对学习效果的评估等部分 (魏娟娟, 陈红, 2008) 。
二、大学英语词汇教学现状
在大学英语学习阶段, 虽然大部分学生对词汇学习的重要性有一定认识, 再加上初高中阶段已经基本完成了对主要语法项目的学习, 所以他们的主要精力都放在了记忆词汇上。但实际情况表明大学生词汇学习的整体效果并不理想, 而且实际应用能力偏弱, 很多学生对单词的掌握还仅限于拼写和汉语释义, 不能根据语境正确使用单词。造成当前大学英语词汇教学中普遍存在这些问题的主要原因有:
(一) 句法分析过多, 词汇教学偏少。
受传统英语教学方式的影响, 教师普遍认为词汇学习是英语学习中较为容易的环节, 学生完全可以通过课后的词汇表、字典和参考书独立完成, 因而多把词汇学习布置到课下让学生预习时完成。教师在课堂上重点讲解语法现象和分析语篇结构, 对词汇教学未给予足够的重视。这就导致学生只单纯地背诵词汇表, 不注重掌握词汇语法、搭配等, 脱离了词汇出现的语境。学生词汇的外化能力相当差, 这种外化能力的欠缺反过来对词汇内化能力的提高带来明显的负面效应 (曾维秀, 2003) 。
(二) 机械记忆过多, 策略指导较少。
虽然教师在课堂上也会讲授词汇知识, 但大多只是着重于词汇本身如拼写、发音、用法等的讲授, 很少涉及记忆规律、记忆方法等词汇学习策略的讲授。大部分学生对词汇学习策略知之甚少, 基本还在沿用中学时传统的反复诵读拼写的方法来死记硬背单词。偶尔有些学生在词汇学习实践中不自觉地应用了一些策略, 也不能灵活、主动地使用。
即便有些教师注意到了学习策略对学习效果的影响, 但在课堂教学中很多教师只是对和具体的学习内容、任务紧密结合的认知策略进行了训练, 而忽略元认知策略的训练, 所以这些学习者的策略意识和策略运用水平很难得到提高, 从而导致英语学习效率低下。根据魏娟娟和陈红 (2008) 所做的一项调查研究, 大学生对四大类元认知词汇策略 (预先计划, 选择注意, 自我监控, 自我评估) 的使用都没有达到经常使用的程度。而管理方法使用恰当与否在很大程度上决定着学习方法的成效 (文秋芳, 1996:57) 。因此, 在大学英语教学中对学习者进行系统的元认知策略训练, 开发他们的自主学习能力, 对于提高大学英语教学效果, 具有重要意义。
三、元认知策略在词汇教学中的融合
在大学英语词汇教学中应用元认知理论, 需要注重以下四个方面:
(一) 灌输元认知理论, 激发学习动机。
调查表明, 有些学生之所以英语学习效果不明显, 其首要原因在于学习动机水平低下, 缺乏明确的学习目标, 普遍缺少自主调控学习行为的意识和能力。教学实践中, 需要教师有意识地向学生教授元认知理论, 让学生了解、认同元认知概念, 认识元认知对学习效能的重要作用, 从源头培养学生的自主学习意识和能力。教师可通过开展丰富多样的教学活动来激发学生词汇学习的兴趣, 提升他们的成就动机水平, 增强学好词汇的自信心和成就感。首要的是提高学生的自我效能感。让学生切身体验到经过多次强化学习后获得的成功, 从而帮助学生建立稳定的自我效能感, 进行积极的归因, 保持学习的兴趣和动力。
(二) 明确学习目标, 制定学习计划。
清晰、富有挑战性又切合实际的目标能帮助学生看到他们自己的进步。因此, 教师应当指导学生根据自身能力和已掌握英语词汇的情况, 科学制定学习目标, 并通过分解学习目标来制定切实可行的学习计划。我们知道, 科学合理的计划是进行高效学习的保证, 这也正是元认知理论的关键所在。在制定学习计划的过程中, 教师要发挥引导作用, 帮助学生制定具体可行且有针对性的学习计划。通过有计划的学习, 学生会逐渐发觉自己的进步, 从而会不断增强英语学习动机。
(三) 密切监控学习进程, 及时调整学习方法。
科学合理的计划需要持之以恒的努力才能达到预定目标, 尤其是词汇学习这类长期的学习任务, 更需要付出必要的努力。然而, 很多情况下, 学生往往会因为词汇学习的进步缓慢而懈怠甚至产生畏难情绪。此时, 教师就必须密切监控学生学习行为和效果, 据此分出层次, 科学指导, 不断优化学习方法, 通过各种途径明确地告知学生所取得的进步, 不断激励学生保持学习兴趣, 帮助学生完成学习计划。
监控者的角色不仅要由老师承担, 通过元认知策略培训后, 学生的自我管理能力大大提高, 可以对学习进行自我监控。学生可以通过记录学习笔记, 填写元认知策略学习档案等形式对自己的学习进行监控, 也可以采取学习小组成员互相监督的形式。教师则可以鼓励、引导学生积极实施自我监控, 从而提高教学效率, 巩固教学成果。
(四) 准确评估学习效果, 保持学习动力。
准确评价自己的学习行为和效果是一项非常重要的元认知技能。自我监控的方法使学生自觉承担起学习效果评估的责任, 能有效地促进学习进步。教师要引导学生定期进行自我评价, 使学生准确认识到以前的学习行为和取得的学习效果之间的因果关系, 及时强化主动学习的行为, 保持学习动力。这样不断对词汇学习过程进行评价和总结, 学生就能更好地管理和支配自己的学习, 不断地调整学习计划和目标, 寻找适合自己的学习策略和技巧, 成为积极的词汇学习者。
总之, 词汇教学是英语教学的基础和前提。教师应当在继承传统词汇教学方法, 挖掘发挥行之有效的经验基础上, 努力转变词汇教学观念, 以学生实际需要为导向, 将元认知学习策略融入词汇教学中, 改变死记硬背的落后学习方式, 培养学生学习兴趣, 提高学生自主学习能力。
参考文献
[1].Cohen, A.D.Strategies in Learning and Using a Second Lan-guage[M].Shanghai Foreign Language Education Press, 1998
[2].O'Malley J&Chamot A.Leaning strategies in Second Lan-guage Acquisition[M].Shanghai Foreign Language Education Press, 2001
[3].弗拉维尔著, 邓赐平译.认知发展[M].上海:华东师范大学出版社, 2002
[4].斯腾伯格著, 俞晓琳译.成功智力[M].上海:华东师范大学出版社, 1999
[5].孙峻, 成小芬.大学英语词汇学习的问题与对策[J].湖北成人教育学院学报, 2007
认知融合 篇6
关键词：超对策模型,结局偏好,信息融合,0-1规划
在现实世界的冲突环境中，由于所掌握的信息不同，导致不同的局中人对冲突的理解和认知是不一样的，超对策理论[1,2]是研究局中人对实际情况不了解情形下的冲突问题的有效方法。与传统的对策模型不同，在超对策环境中，局中人可能会对其他局中人的行动、策略、偏好有错误的理解，甚至可能不了解全体局中人的人数。本文考虑一类一阶n人超对策模型[3,4,5]，其中每个局中人正确的了解其他局中人的策略集，但对其他局中人的结局偏好存在错误的认知。文献[3,4,5]对不同种类的单一偏好信息分别给出了不同的集结融合方法。本文则针对超对策中专家群体可能给出的效用值，序关系值，互反判断矩阵和模糊互补判断矩阵四种不同形式的混合偏好认知信息，给出了将不同形式偏好认知信息转化为序关系值的方法，最后建立了专家群体对其他局中人不同形式混合结局偏好认知信息融合的0-1规划模型。
1 模型的建立
记N={1,2,3…,n}为超对策环境中局中人的集合；Si,∀i∈N为局中人i的策略集；Vi为局中人i在结局空间O=S1×S2×⋯×Sn上的结局偏好向量，Vij为局中人j对局中人i在结局空间O上的偏好向量的理解或认知，由于认知失真，一般有Vij≠Vi存在。因而，在一阶超对策模型中，至少有一个局中人进行的对策与其他局中人不同。由于每个局中人进行的对策可由他自己的偏好向量以及他所理解的其他局中人的偏好向量构成的集合来表示，于是一阶n人超对策模型可表示为：H1={H10,H20,⋯,Hj0,⋯,Hn0}(∃i,j∈N:Hi0≠Hj0)(1)，其中，H0j=(V1j,V2j,⋯,Vj,⋯,Vnj)T,j=1,2,⋯,n
很显然，在上述超对策模型(1)中，正确确定偏好向量Vij使其尽量与Vi一致，对于局中人j来说是十分重要的。在实际冲突环境中，为了得到其他局中人较为准确的偏好信息，单个局中人往往由一群专家组成，专家分别从自己的角度给出他们对其他局中人偏好信息的认知。因此，如何集结这些专家的偏好认知就显得尤为重要。
2 不同形式偏好信息的描述
为了确定模型（1）中的偏好向量Vij，我们假设局中人j由M个专家Dj={Dj1,Dj2,⋯,DjM}组成，第m个专家的权重为wm,且。不同专家给出其所认知的局中人i在结局空间O={O1,O2,⋯,OK}上的偏好信息有如下四种形式：效用函数值，序关系值，互反判断矩阵以及模糊互补判断矩阵。
2.1 效用函数值
设专家Djm给出其所认知的局中人i在结局空间O={O1,O2,⋯,OK}上的效用值向量为Uijm=(u1ijm,u2ijm,⋯,uKijm)T，其中ukijm是实数值,并且满足,。不失一般性，效用值ukijm越大，对应的结局ok越优。
2.2 序关系值
设专家Djm给出其所认知的局中人i在结局空间O={O1,O2,⋯,OK}上的序关系值向量为Nijm=(n1ijm,n2ijm,⋯,nKijm)，其中nkijm表示专家Djm所理解的局中人i认为结局ok在所有结局中的位置次序。很显然，序关系值nkijm越小，对应的结局ok越优。
2.3 互反判断矩阵
设专家Djm给出其所认知的局中人i在结局空间O={O1,O2,⋯,OK}上两两比较的互反判断矩阵为Aijm=(apqijm)K×K，其中元素apqijm由专家依据Satty提出的1-9标度法来给出，表示结局p对结局q的相对偏好程度，矩阵Aijm满足aijmpq>0,aijmpp=1,aijmpqaijmqp=1,∀p,q∈{1,2,⋯,K}。
2.4 模糊互补判断矩阵
设专家Djm给出其所认知的局中人i在结局空间O={O1,O2,⋯,OK}上两两比较的模糊互补判断矩阵为Rijm=(rpqijm)K×K，其中rpqijm可以被理解为结局p优于结局q的隶属度，矩阵Rijm满足rpqijm≥0,rpqijm+rqpijm=1,rppijm=0.5,∀p,q∈K。
3 不同形式结局偏好认知信息的融合
3.1 不同形式结局偏好认知信息的转化
将各专家不同形式的偏好认知信息统一化成序关系值：
1）效用值转化为序关系值：只需将Uijm=(u1ijm,u2ijm,…,uKijm)中各个ukijm按从大到小的顺序排列即可得到相应的序关系值向量Nijm=(n1ijm,n2ijm,…,nKijm)。
2）互反判断矩阵转化为序关系值[6]：先求出互反判断矩阵Aijm的最大特征值所对应的特征向量X=(x1ijm,x2ijm,…xKijm)，将X归一化后可以近似地看作结局空间上的效用值向量Uijm=(u1ijm,u2ijm,…,uKijm)，再将Uijm化为序关系值向量Nijm=(n1ijm,n2ijm,…,nKijm)。
模糊互补判断矩阵转化为序关系值：首先将模糊互补判断矩阵化为互反判断矩阵[7]，再将互反判断矩阵化为序值关系向量。将模糊互补判断矩阵化为互反判断矩阵
3.2 结局偏好认知信息的融合模型
经过上述处理之后，得到M个专家所对应的M个序关系值向量为Nij1,Nij2，…NijM，为了集结M个专家的偏好认知，设群体序关系值认知向量为Nij=(n1,n2,⋯,nK)，考虑如下的距离函数：
d反映了群排序与个体排序的总差异，d越小，则群排序与各专家排序的总体差异越小，因此，可将使d达到最小的Nij作为最终群体排序。求解时，由于Nij是{1,2,⋯,K}上的一个全排序，不能用二次规划的求解方法求解[8]。为此，构造距离矩阵，其中：
为加权距离测度函数。于是求解可转化为求解下面的0-1规划问题：
上述0-1规划问题的目标函数R的系数矩阵即为距离矩阵D，以D为效率矩阵，用匈牙利算法即可求得xpq,p=1,2,⋯,K;q=1,2,⋯,K。
若xpq=1，则令np=q，于是可得融合后的局中人j所理解的局中人i在结局空间上的序关系值向量Nij=(n1,n2,⋯,nK)，由此很容易得到局中人j对局中人i在结局空间上的偏好认知向量Vij。
4 数值例子
考虑一个两人一阶超对策模型，假设局中人1由D11,D12,D13,D14四位专家组成，各专家权重w1=w2=w3=w4=0.25，不同专家对局中人2在结局空间O={O1,O2,O3,O4}上的不同形式偏好认知分别为：由U211=(0.1,0,3,0.4,0.2)得到相应序关系值向量N211=(4,2,1,3)，矩阵A213的最大特征值为4.0155，其所对应的特征向量为X=(0.1611,0.8014,0.3422,0.4634)。从而得到相应序关系值向量N213=(4,1,3,2)，由矩阵R214得到互补判断矩阵A214，矩阵A214的最大特征值为4.0166,其所对应的特征向量为Y=(0.1655,0.3260,0.7400,0.5647),从而得到相应序关系值向量N214=(4,3,1,2)由N211,N212,N213和N214得到距离矩阵D。
以D为系数矩阵，根据(5)建立0-1规划模型，求得N21=(4,1,3,2)，于是局中人1所理解的局中人2的结局偏好向量V21=(2,4,3,1)。
5 结论
本文针对超对策中专家群体可能给出的效用值，序关系值，互反判断矩阵和模糊互补判断矩阵四种不同形式的其他局中人的结局偏好认知信息，通过建立0-1规划模型提出了一种较为合理、有效的结局偏好认知信息的融合方法，为不确定超对策环境中的决策者进行信息处理提供了科学依据。
参考文献
[1]Hipel K W,Wang M,Frase N M.Hypergame analysis of theFalkland Island crisis.Internat.Stud.Quart,1988(32)335-358.
[2]Wang M,Hipel K W,Frase N M.Solution concepts in hyper-games.Applied Mathematics and Computation,1989(34)147-171.
[3]Song Ye-xin,Wang Qi-an,Li Zhi-jun.A group decision mak-ing method for integrating outcome preferences in hypergamesituations.Lecture Notes in Artificial Intelligence,2005,3613:676-683.
[4]Song Yexin,Qu Yong,Liu Zirui,etc.Fusion and automaticranking of fuzzy outcome preferences information in hyper-game models.Proceedings of 2005 International Conferenceon Machine Learning and Cybernetics,2005,5:2711-2715.
[5]宋业新.一阶超对策模型中结局偏好认知信息集结的模式识别法[J].海军工程大学学报,2006,18(1):1-6.
[6]樊治平,姜艳萍.基于OWG算子的不同形式偏好信息的群决策方法[J].管理科学学报,2003,6(1).
