前言
人们在认知和处理现实世界的问题时，常常采用从不同层次观察问题的策略，这种策略可以使用粒计算的原理更加准确、严格地表述。因此粒计算不仅是一些理论、方法、技术或工具的总称，而且可以认为是一种看待客观世界的世界观和方法论。粒计算可以从两大方面来进行研究：粒的构造和使用粒的计算。前者处理粒的形成、表示和解释，后者处理在问题求解中粒的运用。总的来说，粒计算是通过粒对现实问题的抽象、粒之间的关系、粒的分解和合成以及粒或者粒集之间的交互来描述和解决问题的一种方法。
本书以研究粒计算的3个主要模型——词计算模型、粗糙集模型、商空间理论模型的基本理论为起点，从人工智能、粒度表示、所研究的对象粒等角度，分析了三者之间的联系及区别。由此，本书以一种新的粒计算模型——粒度格矩阵空间模型为理论轴线，在二进制粒空间和模糊空间下进行了定义和定理的阐述和证明，解释了粒化、粒计算，使其成为连接关系、粒、矩阵理论和图论之间的一座桥梁。其次，将该理论与其他智能计算理论相结合，依次应用于完备和不完备信息系统的知识发现、聚类、图像分割、镜头边界检测、关键帧提取、人脸检测、人眼检测、面部表情识别等相关领域。
本书在结构上力求从传统理论研究入手，以粒计算模型为主线，以应用研究为立足点，由浅入深、由远及近地介绍了粒计算理论的历史发展、研究现状及应用。在文字叙述上，着力描述准确、简明扼要、层次清晰，便于读者对全书理论的了解和梳理。在内容上，本书集合了著者多年对粒计算模型研究的理论体会，以及以大量实验为基础的研究成果。谈及此处，深知从事粒计算理论研究的学者前辈之多、研究理论之深广、经验之丰富，足令著者等晚辈自惭，虽以此书为阶段科研总结，也是下一步致力于应用领域研究的契机。
全书共分11章，安排如下。
第1章为绪论，总结了粒计算的基本问题，分析了粒计算目前存在的3个主要模型，同时对其当前的研究现状及在相关领域的应用进行了阐述，为新模型的建立提供了理论和应用依据。
第2章提出了粒度格矩阵空间模型。该章在集合论的框架下，从商空间理论、粗糙集方法及模糊集理论出发，提出更强有力的粒度格矩阵空间模型(GX,GA,GV,(GI,GE,GM),t)，构成一个更加完整的粒计算理论。第2章是全书的理论基础，为后续章节的知识发现、聚类和图像分割等领域的应用提供了有力的理论依据。
第3章阐述了基于新模型的完备和不完备信息系统的知识发现。首先，以完备信息系统为研究对象，通过等价关系将论域划分为互不相交的等价粒，以粒度格矩阵作为运算途径对系统进行知识约简。其次，针对粗糙集知识发现的非动态性缺点，提出了一种基于新模型的具有动态粒度的决策规则挖掘算法。最后，以不完备信息系统为研究对象，通过构造相容粒和粒空间，达到不完备信息系统的知识挖掘。
第4章提出了基于新模型的动态聚类算法，阐明了对不同性质的样本点采用“动态粒度”聚类的必要性。利用第2章建立的粒度模型和第3章基于新模型的知识发现算法，对构建的信息系统进行知识挖掘，明确样本集合中各属性的权值，重新定义距离公式，提出了新聚类算法。第4章是第3章提出的基于新模型的知识发现算法在聚类问题中的应用，从另一个角度验证了基于新模型的知识发现算法的可行性和有效性，同时为第5章的图像分割问题做了铺垫。
第5章详细描述了粒度格矩阵空间模型下的图像分割问题。首先，论证了图像分割问题与粒度划分的一致性，完成了图像向粒度格矩阵空间模型的转换。其次，根据等价关系的不同设定，将图像转化为具有分层结构的知识体系。最后，在各单元粒度层完成图像的逐次分割后，通过粒度的合成取得最终的分割效果。
第6章在分析镜头边界检测算法的基础上，提出了一种基于多粒度特征融合的自适应双阈值镜头检测算法。该方法运用HSV颜色粒度特征和LBP纹理粒度特征来突出表现视频帧的主要内容，同时采用自适应阈值选取方式进行镜头边界检测。
第7章针对当前关键帧提取算法普遍存在速度慢、时间复杂度高等缺点，提出了一种基于CUDA模型的粒信息熵的关键帧提取算法，利用帧粒互信息熵提取图像帧特征，并运用SUSAN算子完成帧粒特征的边缘匹配，结合CPU+GPU并行编码的方式加速计算过程，从而缩短提取关键帧所用的时间开销。同时，提出了基于DCT与NCIE的关键帧多级提取方法，将镜头分为动态镜头集和静态镜头集，针对动态镜头，采用非线性相关信息熵（NCIE）对镜头帧进行相似性度量，从子镜头中选择最接近平均信息熵的一帧作为关键帧。
第8章提出基于Adaboost的人脸检测多阶段优化算法。该算法为避免传统Adaboost算法易出现训练过度、训练时间长、误报率高等问题，在算法学习和检测过程中通过扩充训练样本、缩减特征数量、限制样本权重等，对传统Adaboost算法进行多阶段优化；其次，通过在算法前端和后端设置自判断机制缩减误报。在分类器判断待检测窗口之前设置前端误报缩减机制，通过边缘能量初步过滤、删除非感兴趣子窗口，提高检测准确度；后端自判断机制是在Adaboost算法检测后，设置基于粗糙粒的肤色检测和边缘蒙板的“过滤器”，在窗口内再次筛选人脸，进一步缩减误报。
第9章在改进Adaboost算法三层结构人眼检测方法的基础上，针对CamShift算法在跟踪过程中仅仅依靠前一帧获取到的目标信息初始化当前帧图像的搜索窗口缺乏预测模块、易跟踪失败等弊端，将Kalman滤波器引入CamShift算法，提出了一种基于Kalman滤波器和改进CamShift算法的双眼跟踪方法；其次，在人眼检测和人眼跟踪的基础上，利用Ostu对定位到的人眼区域进行阈值化处理，通过Freeman链码方法提取人眼外围轮廓进行拟合，根据椭圆的长短轴比值分析判断人眼状态。
第10章针对改善深度置信网络运用于面部表情识别时，易出现局部结构特征被忽视、顽健性差、运算量大等问题，提出了融合双韦伯特征的深度置信网络表情识别算法。通过设计双韦伯描述算子，在空间分布优化传统韦伯特征的梯度方向算法，对图像进行初次特征提取，丰富局部细节纹理信息；其次，在深度置信网络中进行二次特征提取，融合局部纹理信息的表征优势，借助深度学习在整体结构信息的提取优势，得到更易识别的高级抽象特征。
第11章为结论和展望，总结了全书的工作及创新，并为下一步的研究指明了方向。在本书的编写过程中，初稿得益于太原理工大学谢克明教授的大力支持，在应用领域的编写中，得到了同课题组各位老师、同学的鼓励和帮助。在此，对他们表示衷心的感谢。限于著者的水平，书中难免存在不妥之处，敬请致力于粒计算研究的前辈、同仁和各位学者批评指正。
作者
2019年5月