CN102710732A

CN102710732A - 互联网全息协同系统信息融合基础

Info

Publication number: CN102710732A
Application number: CN2011103495214A
Authority: CN
Inventors: 李宗诚
Original assignee: Individual
Current assignee: Individual
Priority date: 2011-11-06
Filing date: 2011-11-06
Publication date: 2012-10-03

Abstract

全球互联网全息协同大系统信息融合基础，是在建立全新的逻辑基础、数学基础和科学基础上，为了将“云”计算体系改造成为汇通万物的“天地”计算体系，以互联网用户为中心，进而以多层级的价值链(GVC)为中心，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统(IIS)升级进程的主线，通过建立网络配置动力学基本模型、范式和方程体系以及全息组织协同学基本模型、范式和方程体系而建立的新技术。

Description

互联网全息协同系统信息融合基础

技术领域

本项发明为申请人于2011年9月通过电子系统正式向国家专利局提交的600项发明专利集群（总名称为“全球价值链网络技术支持体系 [ DCN / IIL ( VCSE ) ]”中的第 081 项。

本项发明与发明专利集群（总名称为“全球价值链网络技术支持体系 [ DCN / IIL ( VCSE )； ]”中的第 001项、第 002 项、第021项、第022项、第041项、第042项、第061项、第062项、第082项、第101项、第102项、第121项、第122项、第141项、第142项、第161项、第162项、第181项、第182项、第201项、第202项、第221项、第222项一起，共同构成发明专利群“全球互联网智能集成技术支持体系 [ DCN / IISE ( ICT )]”。

本申请人提出包括本项发明在内、由600项发明专利构成的“全球价值链网络技术支持体系 [ DCN / IIL ( VCSE )； ]”，其总体性目标在于，以互联网用户为中心，进而以全球价值链体系（GVC）为中心，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（GIIS）升级进程的主线，建立全新的逻辑基础、数学基础、科学基础以及全新的技术基础和工程基础，为相对封闭、相对静止的“资源池”——云计算网络注入灵魂、智能和生命，建造全球智能一体化协同网络计算机体系（CS / HSN ( GII )），将全球互联网打造成为真正具有生命及生态全息协同组织性质的技术支持体系。在此基础上，以认知系统与实践系统基于计算机辅助系统及互联网而进行的联结和协调作为高级智能集成系统（HIIS）演变进程的主线，建立基于元系统（MS）科学全新理论的智能集成科学技术体系（IIS & IIT ；），将赋予生命活力的新型全球互联网与分散在世界各地各领域各部门的物流网、能源网、金融网和知识网融为一体，大力推行全球价值链系统工程，建立真正具有生命及生态全息协同组织性质的全球智能一体化动态汇通网络体系（DCN / HII ( GVC )），从而建造智能集成网、生命互联网和生态运行网。通过实施全球价值链系统工程技术集群开发总体战略——本发明人称之为“开天辟地”计划，将忽悠不定的“云”计算体系改造成为汇通万物、贯通经纬的“天地”计算体系。

本项发明的主要目的，在于通过全新的逻辑基础、数学基础、科学基础以及全新的技术基础和工程基础，为全球互联网全息协同系统提供信息融合技术。

本说明书中所涉及的所有数学模型基本上为发明人独立建立，具有原始创新性。

本项发明属于互联网资源配置、组织和管理的信息技术领域，是面向面向全球互联网智能集成系统的资源配置、组织和管理技术基础，是将人们、机构和组织从忽悠不定的“云”（计算体系）引向汇通万物的“天地”（全新的计算体系）的关键。

本项发明涉及全球互联网与物联网的结合，是进一步推动有线网、通信网、互联网这三大网络融合的基础。随着三网融合的实施和网络业务的融合，本发明将进一步推动全民通过有线网、通信网、互联网等任一种网络，极其方便地获得文字、音频、视频等各种多媒体信息。在三网融合的基础之上结合物联网的应用，人们将可以方便的实现实时控制式的“智能家庭体验”，如在家里的电视、手机等终端上，遥控指挥冰箱、空调、洗衣机、电饭煲等家电设备，甚至开关电动门窗等。　

本项发明对三网融合所提供的应用价值可总结为：任何人可以在任何时间、任何地点以任何方式获得任何业务，以个人可以承受的经济能力享受信息社会所提供的普遍信息服务。随着技术进步，现在音频、视频、电子邮件和即时消息等都被集成，变成电脑或手机上的一个功能。作为广电运营商，台网必须联合，打造视频专家，向用户提供全高清电视点播、3D电视、网络电视等个性化的视频体验服务，实现视频内容的有线、无线、互联网之间的无缝跨接。

要真正拥有自由的智能化生活、数字家庭和网络经济，就需要通过本项发明，依赖基于电信网、广电网和互联网融合而形成的智能集成一体化动态汇通网。第三代互联网是超越宽带和无线概念的下一代互联网技术、应用、服务和商业模式的综合体系，以及为了迎接这个可以预见的综合体系我们需要在未来几年内遵循或打破的网络规则。本项发明正是新一代互联网不可缺少的关键技术。

背景技术

正如有关领域的专家所知，特征信息融合是一种融合多传感器数据，并获取目标特征和类别信息的数据处理方法。近几年来，多传感器信息融合技术不论在军事领域还是在民事领域都受到了广泛的关注。这一技术正广泛应用于自动目标识别、战场监视、自动飞行器导航、机器人、遥感、医疗诊断、图像处理、模式识别和复杂工业过程控制等领域。多传感器数据融合是指对不同知识源和传感器采集的数据进行融合，以实现对观测现象更好的理解。从表面上看，多传感器融合的概念很直观，但实际上要真正实现一个多传感器融合系统是比较困难的。异质传感器数据的建模、协同与解释都是富有挑战性的工作。尽管有很多困难，但由于多传感器融合系统具有改善系统性能的巨大潜力，人们还是投入了大量的精力进行研究。

在近10年技术积累的基础上，人们在互联网领域提出了各种各样的解决方案blog、Vlog、Podcast、Wiki、Socail NetWork Software、RSS、P2P、IM、VOIP等等，并建立了数以万计的新网站，提供各种各样的新式服务，都希望自己能够为互联网发现并创造新的价值。目前主要的Web2.0技术包括：Blog（网络日志）、TrackBack（反向引用）、RSS（聚合内容）、Wiki（超文本系统写作工具）、SocialBookmark（社会化书签）、网摘（网页书签）、SNS（社交网络）、P2P（伙伴对伙伴）、IM，等。NuWeb（Net User's Web）正在逐步成为Web3.0的一个理想的计划项目，这是一个以使用者为中心的分散式网络信息分享平台。作为一个正在开展中的网络开源项目，NuWeb包括三个系统部分：NuWeb PP，个人入口网站系统；NeWeb CP，区域入口网站系统；NuWeb CC，信息空间的整体入口网站系统。

IT标准的制定已经从主机时代的厂商主导和两层构架时代的技术创新主导发展到了互联网时代的客户主导，统一标准和开放构架已经成为下一代互联网的大势所趋。为应对三网融合，电信网、广播电视网和互联网都开始了向“下一代”的演进，为三网融合奠定了基础。三大网络各自向下一代网络的演进，将使网络之间的界限日趋模糊，在技术上趋向一致，在网络层上实现互联互通，在应用层上趋向使用统一的IP协议，在业务层上互相渗透、互相竞争、互相合作，在运营监管层上逐渐走向统一监管，最终实现三网融合。业界普遍认为，下一代互联网具有更大（可无限扩展）、更快、更方便、更安全等基本特征。

除传统互联网能实现的功能外，物联网将是下一代互联网的应用重点。按照目前业界比较统一的观点，下一代互联网将采用IPv6为标准协议，这将破解目前严重制约并困扰互联网发展的IP资源枯竭的问题。在三网融合及IPv6协议采用的前提下，物联网将应运而生。所谓物联网，是指通过射频识别 ( RFID )、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。

但是，在目前，ICT产业三大网络的融合正陷入夭折的危险境地，云计算技术的创新性严重不足，云计算的应用遭遇种种限制，云计算体系的开发遭遇业内热、业外冷的尴尬局面。随着计算机技术及网络科技的迅猛发展，随着金融创新及金融风险的日益增加，市场竞争进一步加剧，互联网用户竞争的空间和范围进一步扩大，全球经济的一体化也在不断向前推进。二十世纪90年代主要面向互联网用户内部资源全面配置的思想，随之逐步发展成为怎样有效利用和配置整体资源的配置思想。

目前，特征信息融合理论中较为常用的推理方法主要是Bayes 推理方法和D–S推理方法。Bayes 推理方法在推理过程中依赖于先验概率的选取，而且不能处理不确定信息；D–S推理方法虽然不需要任何先验信息，并且具备很强的处理不确定信息能力，但这是以较大的计算量为代价的。

为了克服上述缺陷，建立面向复杂性的两极汇通控制系统，本发明人提出基于随机模糊两极汇通网络的特征信息融合方法，使融合系统既保持两极汇通逻辑系统的优点，又能进行自适应优化，以适应不同的应用环境。为此，本申请人首先提出了NA / UEC的概念报告。

简单地说，任何事物均可成为下一代互联网上的一个“点”，打破只有手机、电脑等才可以接入互联网的惯例。互联网将成为与物体之间“沟通对话”的信息网络。目前零售、物流、医药、食品、交通、建筑、医疗等行业信息化已出现物联网的雏形。在物联网的建设中，用于动物、植物和机器、物品的传感器与电子标签及配套的接口装置的数量将大大超过手机的数量。物联网的推广，将成为推进经济发展的又一个驱动器，为产业开拓又一个潜力无穷的发展机会。

发明内容

（1）对于全球互联网，本发明人在其独立自主建立全新的逻辑基础、数学基础、科学基础以及全新的技术基础和工程基础上，为了将忽悠不定的“云”计算体系改造成为汇通万物、贯通经纬的“天地”计算体系，以互联网用户为中心，进而以全球价值链体系（GVC）为中心，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（IIS）升级进程的主线，建立互联网信息融合的总体设计框架和全拓展两极汇通逻辑基础。

( 1. 1 ) 在本发明人提出有关概念的基础上，我们可建立“高智慧”系统基础结构模型如图1 。在感知层面实现智能集成主体-广义技术新组合感知，对于现代智能集成组织的信息系统来说，主体通过感知系统内外部信息，并将有关信息传递给计算机，而计算机一方面感知主体传递过来的信息，另一方面通过信息网络(局域网或Internet网等)感知有关信息，并将所感知的信息进行加工处理后再传递给主体，让主体进行二次感知，另外智能集成主体与广义技术系统之间还进行相互感知。例如，将主体的知识水平、心理和平均生理状况信息等输入计算机使得计算机对主体的情况有所感知，主体对技术系统的运行状况、技术系统故障等进行感知以及技术系统对自身状况的感知，这样经过主体一技术新联合的相互感知，使智能集成系统获得更精确、更全面、更可靠的信息。在思维层面上，综合利用主体和技术系统的智能，以获得优化的决策。一方面，技术系统通过计算机利用专家知识库进行严密的逻辑推理得出有关决策方案，另一方面，主体通过自己的智慧对主体一技术新联合感知的信息进行判断推理得出有关决策方案，最后通过对所有决策方案进行综合评价，找出优化方案。

为了达到智能集成组织系统快速准确性要求，充分利用计算机快速处理数据的能力、对复杂结构化问题进行综合分析推理的较高抽象思维能力等优势，利用主体对社会的敏感性，对非结构化问题进行分析处理的形象思维能力等，我们可以采用主体一技术新结合的方式共同组织智能集成，以提高智能集成系统的效果。基于主体一技术新联合的智能集成系统框架如图2 所示。

现代智能集成组织通过Internet计算机网络或者通过组织成员对资料的收集而获得有关运作信息，通过信息综合分类，一些定量信息直接转入或录入到计算机信息数据库中去，而一些定性信息可通过适当的形式化描述送到有关决策者（包括顾问机构）手中，决策者（们）根据运作能力、配置能力、设计创新能力以及储备资料，通过计算机辅助定量计算及主体的判断决策提出实践系统有关重大战略决策的一种或几种方案，另一方面通过计算机智能决策支持系统也得出有关决策的一种或几种方案，然后通过主体一技术模糊综合评判进行方案排序，得出优化方案。

资源配置网络可看作是由一种由一定数量（或可变数量）的结点和一定数量（或可变数量）的链条所构成的集合。

在建立基于多属性测度空间的两极汇通集合、基于多规则度量矩阵的两极汇通算子、基于多因子变权综合的两极汇通关系和基于多重性代数系统的两极汇通函数的基础上，本发明人试图将两极汇通集合和可拓集合 ( extension set, ES )结合起来，建立全拓展两极汇通集合，以进一步建立辩证综合分析的数学基础。

在这里，首先需要拓展物元概念，建立绝对物元、相对物元和全拓展物元概念。绝对物元G _A = ( M,

C _A, v _A) 由绝对量值关系v _A = C _A ( M ) 确定；相对物元 G _R = ( M, C _R, v _R) 由相对量值关系v _R = C _R ( M ) 确定；全拓展物元G _U = ( M, C _U, v _U) 由两极汇通量值关系v _U = C _U ( M ) 确定。

全拓展两极汇通集合是在两极汇通集合的基础上对可拓集合的进一步拓展。为了解决辩证系统综合问题，事物可变、限制可变、范围可变、事物与集合的关系可变。对应于这些变化的是元素的绝对变换、相对变换和两极汇通变换，绝对关联函数变换、相对关联函数变换和两极汇通关联函数变换以及绝对论域变换、相对论域变换和两极汇通论域变换。

通过建立绝对集合、绝对关系和绝对函数，本发明人给出“绝对物元”概念。

绝对物元，是描述处于绝对条件和关系中的事物的基本元，它以绝对有序的三元组G _A = ( M, C _A, v _A) 来表达，其中，M表示事物，C _A表示绝对特征的名称，v _A表示M关于绝对特征C _A所取的量值，这三者称为绝对物元的三要素。

绝对物元定义中的v _A = C _A ( M ) 反映了事物的质和量的绝对关系，它由绝对特征的名称C _A和绝对量值v _A构成。一个事物具有众多的绝对特征元，n维绝对物元就描述了事物多种绝对特征的性质。

为了描述绝对事物的可变性，我们可给出动态绝对物元的概念。当t是任意参数时，

G _A( t) = ( M ( t ), C _A, v _A ( t ))

就是参变量绝对物元。

通过建立相对集合、相对关系和相对函数，本发明人给出“相对物元”概念。

相对物元，是描述处于相对条件和关系中的事物的基本元，它以相对有序的三元组G _R = ( M, C _R, v _R) 来表达，其中，M表示事物，C _R表示相对特征的名称，v _R表示M关于相对特征C _R所取的量值，这三者称为相对物元的三要素。

相对物元定义中的v _R = C _R ( M ) 反映了事物的质和量的相对关系，它由相对特征的名称C _R和相对量值v _R构成。一个事物具有众多的相对特征元，n维相对物元就描述了事物多种相对特征的性质。

为了描述相对事物的可变性，我们可给出动态相对物元的概念。当t是任意参数时，

G _R( t) = ( M ( t ), C _R, v _R ( t ))

就是参变量相对物元。

通过建立两极汇通集合、两极汇通关系和两极汇通函数，本发明人给出“两极汇通物元”概念。

全拓展物元，是描述处于两极汇通条件和关系中的事物的基本元，它以两极汇通有序的三元组

G _U = ( M, C _U, v _U) 来表达，其中，M表示事物，C _U表示两极汇通特征的名称，v _U表示M关于两极汇通特征C _U所取的量值，这三者称为全拓展物元的三要素。

全拓展物元定义中的v _U = C _U ( M ) 反映了事物的质和量的两极汇通关系，它由两极汇通特征的名称

C _U和两极汇通量值v _U构成。一个事物具有众多的两极汇通特征元，n维全拓展物元就描述了事物多种两极汇通特征的性质。

为了描述两极汇通事物的可变性，我们可给出动态全拓展物元的概念。当t是任意参数时，

G _U( t) = ( M ( t ), C _U, v _U ( t ))

就是参变量全拓展物元。

通过建立两极汇通集合、两极汇通关系和两极汇通函数，本发明人给出“全拓展两极汇通集合”概念如下：

定义7.7.7 设论域为Ω，k _U是Ω到实域的一个两极汇通映射。令

，

则称

为Ω上的一个全拓展两极汇通集合，y _U = k _U ( u ) 为

的两极汇通关联函数，k _U ( u ) 为元素u关于

的两极汇通关联度，称

和

分别为

的两极汇通正域和两极汇通负域，

为

的两极汇通零界。显然，若

，则

且

。

不难规定Ω上的全拓展两极汇通集合的三种变换形式：元素的两极汇通变换T _u, U，关联函数的两极汇通变换T _k, U和论域的两极汇通变换T _Ω, U。

定义7.7.8 如果

是论域Ω上的全拓展两极汇通集合，T _U ( T _U ∈ { T _u, U, T _k, U, T _Ω, U}) 是全拓展两极汇通集合

的变换，

是关于T _U的两极汇通关联函数，则分别称

为

关于两极汇通变换T _U的正负可拓域。

为了反映这种性质，我们可将实变函数中距离的概念拓展为两极汇通距的概念，作为将定性描述扩大为定量描述的基础。规定实轴上点x ₀与区间X ₀ = < a, b > 之两极汇通距为

点与区间的两极汇通距离d _U ( x ₀, X ₀) 与两极汇通距ρ _U ( x ₀, X ₀) 的关系是：

当

或x ₀= a, b时，ρ _U = d _U ≥ 0；

当x ₀∈X ₀，且x ₀≠ a, b时，ρ _U > 0, d _U = 0。

对x ₁, x ₂∈X ₀，一般有

ρ _U ( x ₁, X ₀)≠ ρ _U ( x ₂, X ₀)。

在两极汇通距的基础上建立的关联函数就将“具有性质P”的事物从定性描述拓展到“具有辩证性质P的程度”的定量描述。进一步地，可如下建立初等两极汇通关联函数

使两极汇通关联函数可以用公式加以描述。

当全拓展两极汇通集合的元素是全拓展物元时，就成为物元全拓展集合，它是全拓展两极汇通集合和全拓展物元分析的集合部。物元全拓展集合描述了事物的辩证性质和关系。

( 1. 2 ) 具有生命或生态全息协同组织性质的全球智能一体化信息融合系统，可简称为全球智能信息融合系统，记作IFS / HSN ( GII )。

在全球智能信息融合系统 IFS / HSN ( GII ) 中，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（IIS）升级进程的主线，以认知系统与实践系统基于计算机辅助系统及互联网而进行的联结和协调作为高级智能集成系统（HIIS）演变进程的主线。

如图3所示：我们可以将全球智能一体化的全息信息融合系统IFS / HSN ( GII ) 看作是由大量分布于世界各地、各领域、各种机构的

构件信息的属性标识集合（包括构件和网络协调构件）W ₁₄、

工具信息的属性标识集合（包括工具和网络协调工具）W ₁₃、

手段信息的属性标识集合（包括手段和网络协调手段）W ₁₂、

仪器信息的属性标识集合（包括仪器和网络协调仪器）W ₁₁、

设备信息的属性标识集合（包括设备和网络协调设备）W ₁₀、

设施信息的属性标识集合（包括设施和网络协调设施）W ₉、

程序信息的属性标识集合（包括程序和网络协调程序）W ₈、

规则信息的属性标识集合（包括规则和网络组织规则）W ₇、

技巧信息的属性标识集合（包括技巧和网络协调技巧）W ₆、

规划信息的属性标识集合（包括设计方案和网络设计方案）W ₅、

策略信息的属性标识集合（包括策略和网络协调策略）W ₄、

技术信息的属性标识集合（包括技术和网络协调技术）W ₃、

方法信息的属性标识集合（包括方法和网络协调方法）W ₂、

战略信息的属性标识集合（包括战略和网络协调战略）W ₁

等不同层次各种要素所构成的复杂性全息协同组织大系统，即

W _S= < W, ψ; [ HSO ] > ( W = { W ₁, W ₂, ···, W ₁₄})。

在这里，可将大型全息信息融合智能W分为14个层次 ( i = 1, 2, ···, 14)：

< W, ψ> 多层次多因素的复杂大系统IFS / HSN ( GII )

W 复杂大系统IFS / HSN ( GII ) 的要素集合，即

{ w ₁₁, w ₁₂, ···, w _1 k 1, w ₂₁, w ₂₂, ···, w _2 k 2, ··· , w _14 1, w _14 2, ···, w _14 k 14 }

ψ 复杂大系统IFS / HSN ( GII ) 的结构函数， ψ = ψ( X )

[ HSO ] 全息协同组织结构

X 复杂大系统IFS / HSN ( GII ) 要素的状态向量，即

( x ₁₁, x ₁₂, ···, x _1 k 1, x ₂₁, x ₂₂, ···, x _2 k 2, ··· , x _14 1, x _14 2, ···, x _14 k 14 )

< W _i j, s _i j> 复杂大系统NIC / HSO < W, ψ> 的第i层次子系统，

i = 1, 2, ···, 14；j = 0, 1, 2, ···, k _i

D ( h _i, s _i) 复杂大系统IFS / HSN ( GII ) < W, ψ> 的第i层次分解

s _i 第i层次子系统的状态向量，即 ( s _i1, s _i2, ···, s _ik i)

h _i 第i层次子系统 < s _i, h _i > 的结构函数，

s _i = { s _i1, s _i2, ···, s _ik i}， h _i = h _i ( g _i)

U _i j { e _i| ψ( e _i) ≥ j _i}

min U _i j(φ) ψ ( X ) 的最小向量集，j = 0, 1, 2, ···, k _i

P 复杂大系统IFS / HSN ( GII ) 的状态概率向量，即

( P( 0 ), P( 1 ), P( 2 ), ···, P( k _i ) )

∧ 合取，在格运算中意味着取小运算

∨ 析取，在格运算中意味着取大运算

MCTS 多层次多状态相关的复杂大系统IFS / HSN ( GII )

MIF 单调递增离散函数

进一步地，可给出如下注释：

第14层次：构件信息的属性标识（包括构件和网络协调构件）集合

W ₁₄ = { w _14, 1, w _14, 2, ···, w _14, k 14}

第13层次：工具信息的属性标识（包括工具和网络协调工具）集合

W ₁₃ = { w _13, 1, w _13, 2, ···, w _13, k 1}

第12层次：手段信息的属性标识（包括手段和网络协调手段）集合

W ₁₂ = { w _12, 1, w _12, 2, ···, w _12, k 1}

第11层次：仪器信息的属性标识（包括仪器和网络协调仪器）集合

W ₁₁ = { w _11, 1, w _11, 2, ···, w _11, k 1}

第10层次：设备信息的属性标识（包括设备和网络协调设备）集合

W ₁₀ = { w _10, 1, w _10, 2, ···, w _10, k 1}

第9 层次：设施信息的属性标识（包括设施和网络协调设施）集合

W ₉ = { w _9, 1, w _9, 2, ···, w _9, k 1}

第8 层次：程序信息的属性标识（包括程序和网络协调程序）集合

W ₈ = { w _8, 1, w _8, 2, ···, w _8, k 1}

第7 层次：规则信息的属性标识（包括规则和网络组织规则）集合

W ₇ = { w _7, 1, w _7, 2, ···, w _7, k 1}

第6 层次：技巧信息的属性标识（包括技巧和网络协调技巧）集合

W ₆ = { w _6, 1, w _6, 2, ···, w _6, k 1}

第5 层次：规划信息的属性标识（包括设计方案和网络设计方案）集合

W ₅ = { w _5, 1, w _5, 2, ···, w _5, k 1}

第4 层次：策略信息的属性标识（包括策略和网络协调策略）集合

W ₄ = { w _4, 1, w _4, 2, ···, w _4, k 1}

第3 层次：技术信息的属性标识（包括技术和网络协调技术）集合

W ₃ = { w _3, 1, w _3, 2, ···, w _3, k 1}

第2 层次：方法信息的属性标识（包括方法和网络协调方法）集合

W ₂ = { w _2, 1, w _2, 2, ···, w _2, k 1}

第1 层次：战略信息的属性标识（包括战略和网络协调战略）集合

W ₁= { w _1, 1, w _1, 2, ···, w _1, k 1}

在一个大型全息信息融合智能IFS / HSN ( GII ) 的多层次、多领域、多模式组织中，基本组织单元的集合往往由许多配置单元构成。

我们可以将各种网络分为如下四个层级：

资源网络 ( RN )：资源结点 ( r n ) ——资源链条 ( r c ) ——资源集合 ( rs )

配置网络 ( DN )：配置结点 ( dn ) ——配置链条 ( dc ) ——配置集合 ( ds )

组织网络 ( ON )：组织结点 ( on ) ——组织链条 ( oc ) ——组织集合 ( os )

集团网络 ( GN )：集团结点 ( gn ) ——集团链条 ( gc ) ——集团集合 ( gs )

资源网络可记作：RN = RN ( r n, r c, rs )；配置网络可记作：DN = RN ( dn, dc, ds )；组织网络可记作：ON = RN ( on, oc, os )；集团网络可记作：GN = RN ( gn, gc, gs )。

从资源配置的地位和作用来看，在资源汇通网络CN中，资源配置网络可分为如下三种类型：主导流MF、支持流SF、辅助流AF 。

大体上来看，资源汇通网络CN 可分为如下九种子类型：

CN [ MF ( IN ); SF ( RN ), AF ( MN ) ], CN [ MF ( IN ); SF ( MN ), AF ( RN ) ],

CN [ MF ( IN ); SF ( RN ), SF ( MN ) ]；

CN [ MF ( RN ); SF ( IN ), AF ( MN ) ], CN [ MF ( RN ); SF ( MN ), AF ( IN ) ],

CN [ MF ( RN ); SF ( IN ), SF ( MN ) ]；

CN [ MF ( MN ); SF ( IN ), AF ( RN ) ], CN [ MF ( MN ); SF ( RN ), AF ( IN ) ],

CN [ MF ( MN ); SF ( IN ), SF ( RN ) ]。

（2）对于全球互联网，本发明人在其独立自主建立全新的逻辑基础、数学基础、科学基础以及全新的技术基础和工程基础上，为了将忽悠不定的“云”计算体系改造成为汇通万物、贯通经纬的“天地”计算体系，以互联网用户为中心，进而以全球价值链体系（GVC）为中心，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（IIS）升级进程的主线，建立互联网信息融合技术的数学基础。

传感器之间的冗余数据增强了系统的可靠性，传感器之间的互补数据扩展了单个的性能。一般而言，多传感器融合系统具有如下优点：A）提高系统的可靠性和鲁棒性；B）扩展时间上和空间上的观测范围；C）增强数据的可信任度；D）增强系统的分辨能力。

数据融合处理模型对于人们理解数据融合的基本概念有着重要的影响。该模型每个模块的基本功能如下：

a）数据源：包括传感器及其相关数据（如数据库和人的先验知识等）；

b）源数据预处理：进行数据的预筛选和数据分配，以减轻融合处理中心的计算负担；

c）目标评估：融合目标的位置、速度、身份等参数，以达到对这些参数的精确表达；

d）态势评估：根据当前的环境推出检测目标与事件之间的关系，以判断检测目标的意图；

e）威胁评估：结合当前的态势判断竞争对手的威胁程度和双方的竞争能力等；

f）总过程评估：监视系统的性能，辨识改善性能所需的数据，进行传感器的合理配置；

g）人机接口：提供人与计算机的交互功能，如人工操作员的指导和评价、多媒体功能等；

h）数据库管理系统：主要完成系统数据的存储、检索、压缩和保护等功能。

决策层融合是指在每个传感器对目标作出识别后，将多个传感器的识别结果进行融合。由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，但它对通信宽带的要求最低。

设传感器编号s = 1, 2, ···, m，传感器s接收到的观测数为n _s，各传感器接收到的观测可能不相等，观测的顺序分别为i _s = 1, 2, ···, n _s，其中0表示漏检。某一可能的空间位置由m个传感器的观测构成，表示为，此时又称为m元观测。如果传感器数目为4，则空间位置Z ₁₀₂₃表示该位置由传感器1的观测1、传感器2漏检、传感器3的观测2以及传感器4的观测3构成。这样，总的候选目标集合便由所有的视线交点构成，即

( 3. 7. 105 )

一个m元观测分配给空间位置 ( x _j , y _j) 的似然函数为

( 3. 7. 106 )

其中u ( i _s) 为一指示函数，且

( 3. 7. 107 )

为概率密度函数，θ _s表示位置 ( x _j , y _j) 与传感器s的夹角，P _Di为传感器s的检测概率。此时目标位置由最大化该似然函数决定，即

通过一数据分配网络将各个传感器输入的证据分配给各个融合子节点，融合子节点可以根据对所要选择的融合命题进行选取，各融合子节点可以对单一的融合命题进行数据融合。各融合子节点即为一模糊神经网络。建立规则库和选定模糊隶属函数之后，原则上可以组建基于模糊神经网络的融合系统，并进行模糊推理。设已知输入输出数据

( x ^p, d ^p)，x ^p ∈U ∈R ⁿ，d ^p ∈V ∈R ⁿ；

确定一个形如式 ( 3. 7. 111 ) 的模糊逻辑系统

( 3. 7. 112 )

其中

,

,

为模糊逻辑系统参数，,

, ；m为模糊规则库中模糊规则总数，X = ( x ₁, x ₂, ··· , x _n) 为模糊推理器输入，n为输入维数。使得

( 3. 7. 113 )

最小。当m已知时，调整参数

,

,

，使得式 ( 3. 7. 113 ) 的E ^p最小。

基于非单值逻辑的随机模糊神经网络 ( S FNN ) 非线性系统的数学表达式为^[46]

( 3. 7. 114 )

( 3. 7. 115 )

式中，

, m _x i,

,

,

和δ ^l为可调参数，δ ^l是决定输出隶属函数

形状的特征参数。在

点上，输出空间模糊集的隶属函数达到它的上确界。同样，利用反向传播学习算法对非单值模糊逻辑系统参数

, m _x i,

, ,

和δ ^l等进行训练，从而达到模糊逻辑系统学习的目的。

互联网智能集成信息系统可用两种二元组表示。

互联网智能集成信息系统可用第一种二元组B = ( U, P∪C ) 表示，P为实践相关属性， a ∈P, V _a是a的值域，可包含空值o；C为认知相关属性，其值域不含空值。

当部分信息尚未确定时，相似关系SIM ( A )，

是对不可分辨关系的乐观估计。

互联网智能集成信息系统可用第二种二元组B = ( U, C∪P ) 表示，C为认知相关属性，

a ∈C, V _a是a的值域，可包含空值o；P为实践相关属性，其值域不含空值。

当部分信息尚未确定时，相似关系SIM ( A )，

是对不可分辨关系的乐观估计。

由A上可能不可分辨的对象组成，定义为^[52]

Figure 2011103495214100002DEST_PATH_IMAGE082

U / OPT ( A ) = { X ₁, X ₂, ···, X _n }，X _i是可能等价关系，i = 1, 2, ···, n中的对象关于A可能不可分辨。x ∈ U，包含x的可能等价类S _A ( x ) = { y ∈ U | ( x, y ) ∈ OPT ( A )}。不可分辨关系的悲观估计是根据现有信息，确信由关于A不可分辨的对象组成，定义为

Figure 2011103495214100002DEST_PATH_IMAGE084

U / PES ( A ) = { Y ₁, Y ₂, ···, Y _m }，Y _j( i = 1, 2, ···, n ) 中的对象关于A不可分辨。

显然，

Figure 2011103495214100002DEST_PATH_IMAGE086

，

Figure 2011103495214100002DEST_PATH_IMAGE088

，使

Figure 2011103495214100002DEST_PATH_IMAGE090

。

设实际关于A的分类关系为REA (A )，则有

Figure 2011103495214100002DEST_PATH_IMAGE092

。

Figure 2011103495214100002DEST_PATH_IMAGE094

，传统的下近似A _— X和A ^— X上近似分别扩充为

Figure 2011103495214100002DEST_PATH_IMAGE096

Figure 2011103495214100002DEST_PATH_IMAGE098

Figure 2011103495214100002DEST_PATH_IMAGE100

Figure 2011103495214100002DEST_PATH_IMAGE102

分类中不确定部分用边界域表示，在不完全信息扩充为

对应的负域

Figure 2011103495214100002DEST_PATH_IMAGE108

Figure 2011103495214100002DEST_PATH_IMAGE110

近似质量α ( A, X ) = | A _– X | / | A ^– X | 推广为

Figure 2011103495214100002DEST_PATH_IMAGE112

Figure 2011103495214100002DEST_PATH_IMAGE114

定义8.6.1 ( A )

Figure 2011103495214100002DEST_PATH_IMAGE116

，

Figure 2011103495214100002DEST_PATH_IMAGE118

，如果

Figure 2011103495214100002DEST_PATH_IMAGE120

，则称对象u是完全对象；否则u为不完全对象。

定义8.6.1 ( B )

，

Figure 2011103495214100002DEST_PATH_IMAGE122

，如果

，则称对象u是完全对象；否则u为不完全对象。

定义8.6.2 如果

Figure 2011103495214100002DEST_PATH_IMAGE124

，称X是可能可定义集。

不难证明如下性质^[50]：

性质1

a )

Figure 2011103495214100002DEST_PATH_IMAGE126

Figure 2011103495214100002DEST_PATH_IMAGE128

b ) 如果

Figure 2011103495214100002DEST_PATH_IMAGE130

，则

Figure 2011103495214100002DEST_PATH_IMAGE132

，

Figure 2011103495214100002DEST_PATH_IMAGE134

c )

Figure 2011103495214100002DEST_PATH_IMAGE136

d )

Figure 2011103495214100002DEST_PATH_IMAGE138

对于不完全信息系统，应有如下定理^[52]：

定理8.6.1 对完全信息系统，b ∈A，如果x ∈Δ_–A ( X )，则x ∈Δ_– |b | ( X )，式中Δ_–A ( X ) = X –A _– X，A _- X为A的下近似。

定理8.6.2 如果

Figure 2011103495214100002DEST_PATH_IMAGE140

，下面递推公式成立：

式中

定理8.6.3 如果，下面递推公式成立：

式中

证明略。

例1 如不完全认知表3. 8. 6所示，表中“o ”表示空值。按照上述定理8. 6. 2和定理8. 6. 3分析认知表3. 8. 6，有如下结果：

( a ) X = { 1, 4, 5, 6 },

{ a, c }_- ^OPT ( X) = { 1, 4, 5 },

{ b }_- ^OPT ( X ) = Φ,

σ= Φ,

{ a, b, c } = { a, c }_- ^OPT (X ) ∪{ b }_- ^OPT (X )∪σ= { 1, 4, 5 };

( b ) { a, c }^- _OPT( X ) = { 1, 2, 4, 5, 6 },

,

μ= Φ,

{ a, b, c }^- _OPT( X) =

{ 1, 2, 4, 5, 6 },

表3.8.6 不完全认知表

Car Price ( a ) Mileage ( b ) Size ( c ) Max – Speed ( d ) D

1 high low full low good

2 low o full low good

3 o o compact low poor

4 high o full high good

5 o o full high excellent

6 low high full o good

（3）对于全球互联网，本发明人在其独立自主建立全新的逻辑基础、数学基础、科学基础以及全新的技术基础和工程基础上，为了将忽悠不定的“云”计算体系改造成为汇通万物、贯通经纬的“天地”计算体系，以互联网用户为中心，进而以全球价值链体系（GVC）为中心，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（IIS）升级进程的主线，引入适当的、用于分别反映一般复杂适应系统基本动力、基本荷载、基本功效、基本消耗、内部合作和竞争及外部合作和竞争的各种基本协同变量，建立信息融合的两极汇通分析表和两极汇通范畴体系。

（3A）借鉴粗集理论的观点，我们可将两极汇通分析系统表示成为

其中，

U是论域，为非空有限集合；

C _U∩D =

，C _U表示绝对-相对条件属性集，

D表示选择属性集，均为非空有限集合；

是属性的两极汇通值域，而V _U, a是属性a ∈C _U∪D的两极汇通值域；

f : U × C _U∪D → V _U是两极汇通信息函数，指定U中的每一个对象的两极汇通属性值。

两极汇通分析系统也可用数据表表示，可称之为两极汇通分析表，其中行代表对象，列代表属性，每行表示对象的一条信息，对象x与属性b的交汇点就是对象x在属性b下的两极汇通值b ( x )。为了便于表达，两极汇通分析系统可以表示为

( U, C _U∪D )。

在两极汇通分析表中，绝对-相对条件属性与选择属性之间的互信息和信道容量反映信息量的大小。

定义7.8.1 在两极汇通分析表

S _U = ( U, C _U ∪ { d })

中，可按照选择属性d，将论域U分为n类，即 { X ₁, X ₂, ···, X _n}，作为传递信息系统的输入端X；而依照绝对-相对条件属性R _U

，将论域U分为m类，即 { Y ₁, Y ₂, ···, Y _m}，作为系统的输出端Y，则其互信息的计算公式应为

其中，

为信息熵，

为条件熵，而

,

为分布概率，

为条件分布概率。

由信息论可知，给定信道的互信息I ( X, Y ) 是给定输入的概率分布P ( X ) 的∩型函数，而由∩型函数的性质可知，一定存在一概率分布P ( X )，使得互信息达到最大，这个最大的互信息就称为信道容量（capacity）。

定义7.8.2 在两极汇通分析表

S _U = ( U, C _U ∪ { d })

中绝对-相对条件属性R _U

与选择属性D之间的信道容量定义为

无论P ( X ) 如何变化，总不会大于Capacity，因此Capacity 对于给定信道是个常数，只与信道的统计特性有关，是完全描述信道特性的参量，也是信道能够传输的最大信息量，比互信息更能翻印实际情形。Capacity 的计算比较复杂，一般采用迭代法计算^[47]。

定义4.8.3 设两极汇通分析表

S _U = ( U, C _U ∪ D )，

其中，U是论域，C _U和D分别为绝对- 相对条件属性集和选择属性集，且R _U ，则对于任意绝对-相对条件属性p ∈C _U–R _U的重要度SGF ( p, R _U, D ) 定义为

寻找知识相对约简的复杂性主要由两极汇通分析表中的属性组合所决定。对于基于信道容量的知识相对约简算法^[47][48]，在最不利的情况下，每次所考虑的属性数依次为M, M -1, ···, 1（M为两极汇通分析表中的绝对-相对条件属性数），故总次数为

如果忽略对象数对计算约简的影响，那么，在最不利情况下，约简算法能够在O ( M ²) 时间复杂性内找到满意的约简。

（3B）本发明人试图建立两极汇通理念与两极汇通范畴系统（II）

定义7.11.20 一个两极汇通范畴是一个两极汇通代数系统：

C _U = ( ob C _U, Hom C _U, dom , cod , comp )

它包含绝对类ob C _U，绝对类Hom C _U和三个两极汇通函数：

dom : Hom C _U → ob C _U, cod : Hom C _U → ob C _U,

comp: Hom C _U × Hom C _U→ Hom C _U。

其中，

ob C _U可称为两极汇通范畴C _U的对象类，其元素称为C _U的对象；

Hom C _U可称为C _U的态射类，其元素称为C _U的态射；

dom可称为C _U的区域函数；

cod可称为C _U的上区域函数；comp可称为态射的合成。

它们满足下列条件：

( C 1 ) 对任意的A _U, B _U ∈ob C _U, Hom C _U ( A _U, B _U) 是Hom C _U的一个子类，也记作

C _U ( A _U, B _U)。若f ∈C _U ( A _U, B _U)，则

dom ( f ) = A _U, cod ( f ) = B _U。

( C 2 ) 对任意的A _U ∈ob C _U, 存在一个i ( A _U) ∈C _U ( A _U, B _U)，使得：

( 1 ) 如果dom ( f ) = A _U，则comp ( f , i ( A _U)) = f ；

( 2 ) 如果cod ( f ) = B _U，则comp ( i ( B _U), f ) = f 。

( C 3 ) 对任意的 ( f , g ) ∈Hom C _U × Hom C _U, 下列等式成立：

( 1 ) dom ( comp ( f , g )) = dom ( g )；

( 2 ) cod ( comp ( f , g )) = cod ( f )。

( C 4 ) 对任意的 ( f , g, h ) ∈Hom C _U × Hom C _U× Hom C _U, 下列等式成立：

comp ( f , comp ( g , h )) = comp ( comp ( f , g ) , h )。

f ∈C _U ( A _U, B _U) 可记为f : A _U→ B _U；comp ( f , g ) 可记为 f o g。

定义7.11.21 一个两极汇通范畴C _U称为小的，如果ob C _U是一个两极汇通集合；称为大的，如果ob C _U是一个两极汇通纯类（即不是集合的两极汇通类）。

定义7.11.22 一个两极汇通函子F _U : C _U→ D _U称为满的，如果对任意的A _U, B _U ∈ob C _U，任意的f ∈D _U ( F ( A _U), F ( B _U))，存在一个g ∈C _U ( A _U, B _U)，使得F _U ( g ) = f 。

定义7.11.23 一个两极汇通函子F _U : C _U→ D _U称为常函子，如果存在B _U ∈ob D _U，对任意的A _U ∈ob C _U和f ∈Hom C _U ,

F ( A _U) = B _U, F _U ( f ) = i ( B _U)。

记此常函子为const B _U。

定义7.11.24 设F _U和G _U为两极汇通范畴C _U到D _U的函子，从F _U到G _U的一个自然变换是一个两极汇通映射γ : ob C _U→ Hom D _U，使得，对任意的A _U ∈ob C _U，

γ ( A _U) : F ( A _U) → G ( A _U)；

对任意的f ∈ C _U( A _U, B _U)，满足等式

G _U ( f)

γ ( A _U) = γ ( A _U)

F _U ( f)

即在两极汇通范畴D _U中，图

F _U ( f) G _U ( f )

是两极汇通交换图。

从两极汇通范畴C _U到D _U的函子类可记作Funct ( C _U, D _U)。为了使Funct ( C _U, D _U) 做成一个两极汇通范畴，我们可定义两个自然两极汇通变换ν : F _U→ G _U, μ : G _U→ H _U的合成μ

γ: F _U→

H _U，对任意的A _U ∈ob C _U，令

( μ

γ) ( A _U) = μ ( A _U)

γ( A _U)

μ

γ还是一个自然两极汇通变换，因为对任意的A _U ∈ob C _U，图中

G _U ( f)

γ( A _U) = γ( B _U)

F _U( f)，

H _U ( f)

μ( A _U) = μ ( B _U)。

F _U ( f) G _U ( f ) H _U ( f )

对于A _U, B _U ∈ob D _U和f : A _U→ B _U，图

C _U (F (A _U ), F _U ( f)) D _U (A _U, G (F _U ( f)) )

C _U (F _U( f), F (B _U)) D _U ( f, G (F (B _U)) )

是两极汇通交换图。

4、附图说明

图1是“高智慧”系统基础结构模型图：

在感知层面实现智能集成主体-广义技术新组合感知，对于现代智能集成组织的信息系统来说，主体通过感知系统内外部信息，并将有关信息传递给计算机，而计算机一方面感知主体传递过来的信息，另一方面通过信息网络(局域网或Internet网等)感知有关信息，并将所感知的信息进行加工处理后再传递给主体，让主体进行二次感知，另外智能集成主体与广义技术系统之间还进行相互感知。例如，将主体的知识水平、心理和平均生理状况信息等输入计算机使得计算机对主体的情况有所感知，主体对技术系统的运行状况、技术系统故障等进行感知以及技术系统对自身状况的感知，这样经过主体一技术新联合的相互感知，使智能集成系统获得更精确、更全面、更可靠的信息。在思维层面上，综合利用主体和技术系统的智能，以获得优化的决策。一方面，技术系统通过计算机利用专家知识库进行严密的逻辑推理得出有关决策方案，另一方面，主体通过自己的智慧对主体一技术新联合感知的信息进行判断推理得出有关决策方案，最后通过对所有决策方案进行综合评价，找出优化方案。

图2是基于主体一配置方式新结合的智能集成组织信息系统框图：

为了达到智能集成组织系统快速准确性要求，充分利用计算机快速处理数据的能力、对复杂结构化问题进行综合分析推理的较高抽象思维能力等优势，利用主体对社会的敏感性，对非结构化问题进行分析处理的形象思维能力等，我们可以采用主体一技术新结合的方式共同组织智能集成，以提高智能集成系统的效果。

现代智能集成组织通过Internet计算机网络或者通过组织成员对资料的收集而获得有关运作信息，通过信息综合分类，一些定量信息直接转入或录入到计算机信息数据库中去，而一些定性信息可通过适当的形式化描述送到有关决策者(包括顾问机构)手中，决策者(们)根据运作能力、配置能力、设计创新能力以及储备资料，通过计算机辅助定量计算及主体的判断决策提出实践系统有关重大战略决策的一种或几种方案，另一方面通过计算机智能决策支持系统也得出有关决策的一种或几种方案，然后通过主体一技术模糊综合评判进行方案排序，得出优化方案。

图3是基于全球智能一体化网络计算机体系CS / HSN（GII）的信息融合技术结构图：

我们可以将全球智能一体化的全息信息融合系统IFS / HSN ( GII ) 看作是由大量分布于世界各地、各领域、各种机构的构件信息的属性标识集合（包括构件和网络协调构件）W ₁₄、工具信息的属性标识集合（包括工具和网络协调工具）W ₁₃、手段信息的属性标识集合（包括手段和网络协调手段）W ₁₂、仪器信息的属性标识集合（包括仪器和网络协调仪器）W ₁₁、设备信息的属性标识集合（包括设备和网络协调设备）W ₁₀、设施信息的属性标识集合（包括设施和网络协调设施）W ₉、程序信息的属性标识集合（包括程序和网络协调程序）W ₈、规则信息的属性标识集合（包括规则和网络组织规则）W ₇、技巧信息的属性标识集合（包括技巧和网络协调技巧）W ₆、规划信息的属性标识集合（包括设计方案和网络设计方案）W ₅、策略信息的属性标识集合（包括策略和网络协调策略）W ₄、技术信息的属性标识集合（包括技术和网络协调技术）W ₃、方法信息的属性标识集合（包括方法和网络协调方法）W ₂、战略信息的属性标识集合（包括战略和网络协调战略）W ₁等不同层次各种要素所构成的复杂性全息协同组织大系统，即

W _S= < W, ψ; [ HSO ] > ( W = { W ₁, W ₂, ···, W ₁₄})。

5、具体实施方式（600项发明专利共同实施计划）

经过三十年的自由探索，本申请人于2011年9月通过电子申请系统正式向国家专利局提交600项发明专利申请，并提交600份总计约3600万字的权利要求书、说明书、附图等材料。

经过三十年的自由探索，本申请人在通过国际国内学术刊物和学术会议已发表80多篇论文（不包括合作完成的成果）的基础上，最近已独立写作完成八部与本次申报的600项技术发明有密切关系的学术巨著（共计3000万字），打算在2011年9月之后陆续处理正式出版事宜。

本次申报的600项技术发明专利，是发明人经过三十年独立自由探索而建立的一个自成体系的全新技术集群，其总名称为“全球价值链网络技术支持体系”[ DCN / HII ( GVC )； ]。

基于一系列学术研究新成果和600项最新技术发明，发明人建立了一系列用于统一描述、分析、解释全球智能一体化网络计算体系（可称之为“天地”计算体系）及全球价值链动态汇通网络体系（DCN / HII ( GVC )）的资源配置动力学RDD模型、网络配置动力学NDD模型、智能集成协同学IIS模型以及全息组织协同学HOS模型和博弈组织协同学GOS模型。

继数字技术、网络技术和虚拟化技术之后，基于600项最新技术发明的全球价值链网络技术支持体系给人类带来智能一体化技术（IIT）和全息协同组织技术（HST）。

基于一系列学术研究新成果和600项最新技术发明，发明人提出一项可称之为“开天辟地”计划的战略——全球价值链系统工程技术集群开发总体战略。

作为600项发明专利的申请人，发明人提出要开发并建立的全球动态汇通网络计算，可形象化地简称为“天地计算”（Heaven-Earth Computing）。通过提供信息资源而获取实物资源、知识资源和金融资源的网络，可称为“天地”。在此，“天”代表信息网络，代表虚拟化，代表数字虚拟世界；“地”代表物流、知识、金融三大网络，代表实体化，代表真实世界。以信息网络为平台而将物流网络、知识网络和金融网络融为一体的全新网络体系，可称为汇通网。

“天地”不仅是一些可以自我维护和管理的虚拟计算资源，而且是各种可以自我维护和管理的实体运行资源；它不仅是一些包括计算服务器、存储服务器、宽带资源等的大型服务器集群，而且是各种包括供应系统、生产系统、服务系统、营销系统等的产业价值链和产业集群。它是物流网、知识网和金融网联结汇通起来的全新体系。

天地计算不仅将所有的计算资源集中起来，并由信息网络内部软件实现自动管理，无需人为参与；而且将所有的实体运行资源集中起来，并由信息网络外部软件实现自动管理，较少或无需人为参与。这使得应用提供者无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于创新和降低成本。用形象化的比方说法，这不仅好比从古老的单台发电机模式转向了电厂集中供电的模式，而且好比从电厂集中供电的模式转向全区域动力供应、调度、控制和使用的智能集成一体化全息协同组织模式。最大的不同在于，它是通过信息网络支持下的物流、知识、金融全汇通网络进行传输的。　　

全球价值链网络技术支持体系的总体战略目标可归结为如下内容：

层级I 、在技术开发的基础方面（ICT产业链的前端），从以互联网用户为中心转向以互联网用户终端功效链（EC / IU）为中心，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（IIS）升级进程的主线，建立全新的逻辑基础、数学基础、科学基础以及全新的技术基础和工程基础，为相对封闭、相对静止的“资源池”——云计算网络注入灵魂、智能和生命，建造全球智能一体化网络计算机系统（CS / HSN ( GII )），将全球互联网打造成为真正具有生命及生态全息协同组织的技术支持体系。

层级II 、在全新技术的应用方面（ICT产业链的末端），从以互联网用户终端功效链（EC / IU）为中心转向以多层级多模式的全球价值链体系（GVC）为中心，以认知系统与实践系统基于计算机辅助系统及互联网而进行的联结和协调作为高级智能集成系统（HIIS）演变进程的主线，建立基于元系统（MS）科学全新理论的智能集成科学技术体系（IIS & IIT；），将赋予生命活力的新型全球互联网与分散在世界各地各领域各部门的物流网、能源网、金融网和知识网融为一体（DCN），大力推行全球价值链系统工程，建立真正具有生命及生态全息协同组织的全球智能一体化动态汇通网络体系（DCN / HII ( GVC )），从而建造智能集成网、生命互联网和生态运行网。

通过实施全球价值链系统工程技术集群开发总体战略——本发明人称之为“开天辟地”计划，将忽悠不定的“云”计算体系改造成为汇通万物、贯通经纬的“天地”计算体系。

作为600项发明专利的申请人，本发明人提出要开发并建立的全球动态汇通网络计算，可形象化地简称为“天地计算”（Heaven-Earth Computing）。通过提供信息资源而获取实物资源、知识资源和金融资源的网络，可称为“天地”。在此，“天”代表信息网络，代表虚拟化，代表数字虚拟世界；“地”代表物流、知识、金融三大网络，代表实体化，代表真实世界。以信息网络为平台而将物流网络、知识网络和金融网络融为一体的全新网络体系，可称为汇通网。

“天地”不仅是一些可以自我维护和管理的虚拟计算资源，而且是各种可以自我维护和管理的实体运行资源；它不仅是一些包括计算服务器、存储服务器、宽带资源等的大型服务器集群，而且是各种包括供应系统、生产系统、服务系统、营销系统等的产业价值链和产业集群。它是通过信息网络（互联网）将物流网、知识网和金融网联结汇通起来的全新科学体系、技术体系和工程体系。

狭义天地计算是指信息网络内外部基础设施的交付和使用模式，是以多层级多领域多模式的价值链为中心，以全球智能一体化网络计算机系统（CS / HSN ( GII )）为主要技术支持，以基于需求的易扩展方式，通过融为一体的物流网络、知识网络和金融网络，获得所需的资源。“天地”中的资源在使用者看来是可以无限扩展，随时获取，按需使用，随时扩展，按时付费。这种特性就如同我们使用水电一样使用信息网络内外部基础设施。

广义天地计算是指信息网络内外部服务的交付和使用模式，是以多层级多领域多模式的价值链为中心，以全球智能一体化网络计算机系统（CS / HSN ( GII )）为主要技术支持，以基于需求的易扩展方式，通过融为一体的物流网络、知识网络和金融网络，获得所需的服务。这种服务可以是信息网络内外部的技术和软件、汇通网相关的，也可以是任意其他的服务，它具有超大规模、虚拟化、可靠安全等独特功效；“天地计算”图书版本也很多，都从理论和实践上介绍了天地计算的特性与功用。

天地计算（Heaven-Earth Computing）必定是全息协同式的（HSO，）。它既不是集中式的，也不是分布式的。它不仅是云计算（cloud computing）、网格计算（Grid Computing）、分布式计算（Distributed Computing）、并行计算（Parallel Computing）、效用计算（Utility Computing）、网络存储（Network Storage Technologies）、虚拟化（Virtualization）、负载均衡（Load Balance）等计算机技术和信息网络技术发展融合的产物，而且是通过计算机技术和信息网络技术的进一步融合与发展而将物流网、知识网和金融网紧密联系起来实现智能集成一体化的结果。

进而言之，天地计算是信息网络内外部各种计算技术的全面改进和发展，或者说是统计技术体系、会计技术体系、计量技术体系在计算机科学技术和信息网络技术支持下在实体活动领域的全面实现。天地计算一方面是虚拟化 ( Virtualization )、云计算（cloud computing）、效用计算 ( Utility Computing )、IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）等概念混合演进并跃升的结果；另一方面是实体化 ( Substantiation ) 、计量科学技术、会计原理及技术、核算体系、资源配置动力分析、资源配置效应分析、博弈组织协同学分析、IaaS / HSO（信息网络内外部基础设施即服务）、PaaS / HSO（信息网络内外部平台即服务）、SaaS / HSO（信息网络内外部软件即服务）等概念混合演进并跃升的结果。

天地计算旨在通过信息网络支持下的物流、知识、金融全汇通网络，将多个成本相对较低的计算实体整合成一个具有强大计算能力的完备智能集成系统，并借助信息网络内外部SaaS / HSO、PaaS / HSO、IaaS / HSO、MSP / HSO等全新的商业模式，将这种强大的计算能力分布到信息网络内外部终端用户手中。

天地计算的核心理念就是通过不断提高“天地”的处理能力，进而减少信息网络内外部用户终端的处理负担，最终使信息网络内外部用户终端简化成一个单纯的输入输出设备，并能按需享受“天地”的强大计算处理能力！　　

在应用天地计算的同时，我们还可以提供另外一种天地存储来作为其辅助，比如，将中国的Win Stor云端存储改造成为天地存储，其以信息网络内外部用户为基础，以信息网络内外部存储工具为导向，提供强大的数据安全功能，使天地计算进入市场。所谓天地存储，就是以信息网络支持下的物流、知识、金融全汇通网络为基础，跨域 / 路由来实现数据无所不在，无需下载、无需安装即可直接运行，实现天地计算架构。　　

最简单的天地计算技术在信息网络内外部服务中已经初露头角，例如搜索引擎、网络信箱等，使用者只要输入简单指令即能得到大量信息，实现简单的物流配送。未来如手机、GPS等移动装置都可以透过全新的天地计算技术，发展出更多的应用服务。　　

进一步的天地计算不仅只做资料搜寻、分析的功能，未来如分析DNA结构、基因图谱定序、解析癌症细胞等，都可以透过这项技术轻易达成。　　　

在信息服务业里面，我们可以分为三个部分：第一个部分是信息网络服务，包括电信的基础服务、增值服务、网络电视的服务。第二块是信息技术的服务，包括软件的服务、外包的服务。还有一个是信息内容的服务。我们可以看到这是整个信息服务的大的门类和产业的状态。但我们不宜看到，门类之间由于技术的进步和产业的变迁，出现了融合的特征，出现了新的产业特征和特点，这是信息服务业大环境里发生的变化。我们可以看到，在互联网的平台上信息技术和通信技术的融合，很典型的是IMS服务。还有一个新的特征是Sashup技术，可以把两个网的能力和用户的数据很好地聚合起来。

伴随新技术的组织转型是必然的，而这种转型是组织内部网络和社会反应多因索的合力结果。对企业来说，采用新技术需要一个有说服力的原因，改变组织结构需要时间，所有员工都需要适应这种变化的训练。实际上比引进技术更重要的是激励人们使用技术，许多案例表明，现存组织内部的激励设计与新技术对组织的再造活动是有冲突的，表现在处于组织不同层面的人激励是不一样的，其次，组织各部分间的激励也有差异。计算机和网络化系统设计应被看作是技术和组织运作的相关集合，使用新技术是一种社会技术建构而不是简单的安装和使用。

本发明人相信，在天地计算时代，人们可以抛弃U盘等移动设备，只需要进入Docs / HSO 页面、新建文档、编辑内容，然后直接将文档的URL分享给你的朋友或者上司，他可以直接打开浏览器访问URL。我们再也不用担心因PC硬盘的损坏而发生资料丢失事件。

总的来说，天地计算可以看作是计算机计算及信息网络计算与实体运行系统的计量、会计及核算相结合的完备业务流程技术。通过天地计算，我们有可能将分散在各地的高性能计算机用高速网络连接起来，进而用信息网络内外部专门设计的各种中间件软件，将分散在各地的实体活动领域的计量、会计和核算体系有机地粘合在一起，以包括Web界面在内的各种人机界面接受信息网络内外部各种用户提出的计算请求，并将之分配到合适的结点上运行。天地计算技术体系能大大提高信息网络内外部资源的服务质量和利用率，同时避免信息网络内外部跨结点划分应用程序所带来的低效性和复杂性，能够在目前条件下达到信息网络内外部实用化要求。

智能集成协同总体设计的目标，在于根据智能集成组织一自组织大协同总体的性能要求，以及智能集成主体实施协同总体的具体社会经济一自然生态环境，合理设置总体中人员位置并初步确定主体任务要求，保证从总体上构建一个综合效益优化的智能集成大协同系统框架，并为主体一作用对象关系的详细设计打下基础。

“智能集成主体一广义技术一作用对象”功能分配，是整个智能集成协同总体设计的基础。智能集成主体-广义技术-作用对象的功能分配通过功能这一纽带使智能集成主体、广义技术和作用对象三方面结合起来，并形成了智能集成协同总体中的要素(分系统)功能分配关系，确定了智能集成主体一广义技术界面、广义技术一作用对象界面的具体位置。一个具体智能集成协同总体的主体一广义技术一作用对象功能界面形式主要受两方面因素的影响：一是智能集成协同总体的功能特征；二是该总体所处的自然生态一社会生态环境。在众多可能的智能集成功能界面形式中，总有一种或几种更适合于某一具体智能集成协同总体的实际情况，能够保证系统满足性能要求、满足实施环境的要求。

仿真运行是复杂智能集成总体设计过程中不可缺少的验证环节。仿真的目的在于检验系统配置方案是否满足设计的总体目标要求，以及依据仿真结果对方案进行调整和完善。不过，作为智能集成系统的主导因素，主体的结构和行为都很复杂，且有诸多不确定性，仿真及其建模对此尚感难办。在实际建立智能集成主体行为的仿真模型时，可根据系统仿真运行的要求对主体的行为特征及影响因素做很多简化，将注意力主要放在对系统仿真有意义的行为特征上，如主体完成一定任务的可靠性、运作效率、最长作用时间等，对影响因素也主要选择对提高模型适用性有帮助以及对行为有显著影响的主要因素。在建模的方法上我们应遵循多学科知识综合原则，一方面以心理学、行为科学等的研究成果为指导，另一方面落实到某种具体的数学工具上。

在全球智能集成一体化动态汇通网络系统工程的总体战略指引下，我们不再单独强调软件、硬件甚至系统平台，而是以客户为中心，进而以价值链为中心，开放封闭技术构架，调整经营理念，积极寻求合作伙伴——甚至是昔日的竞争对手，以期向客户提供强大的IT基础设施、降低客户的采购成本、加快客户的电子商务系统部署、提高客户进入市场时间、有效支持客户目前和潜在的业务需求、满足客户应用的个性化和端到端需求。通过投资、外包、咨询、VAR来寻求客户利益的最大化，同时也带动互联网服务产业的发展。

从世界经济、科技、文化发展的角度来看，封闭混乱的技术体系是第一个要面临的解决的问题，这恰恰是建立全球价值链系统工程汇通网络的最大技术障碍。基于云计算变革的天地计算革命，以多层级多模式的全球价值链系统为核心，以现代电子技术、现代通信技术和现代信息网络技术为支持基础，将物流网络、能源网络、信息网络、金融网络和知识网络紧密结合起来，建立高效、集约、具有生命（或生态）自组织性质的智能集成一体化动态汇通网络大系统。

Claims

1.独立权利要求——全球互联网全息协同系统信息融合基础，是本申请人在建立全新的逻辑基础、数学基础、科学基础以及全新的技术基础和工程基础上，为了将忽悠不定的“云”计算体系改造成为汇通万物、贯通经纬的“天地”计算体系，以互联网用户为中心，进而以全球价值链体系（GVC）为中心，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（IIS）升级进程的主线，通过建立网络配置动力学基本模型和范式而提出来的一项新技术，本项权利的特征在于：

A、作为本项发明的基础，全新的逻辑基础包括全息汇通逻辑、两极汇通逻辑、两极全息汇通逻辑；全新的数学基础包括全息汇通数学、两极汇通数学、系统变迁分析数学；全新的科学基础包括资源配置动力学、全息组织协同学、系统功效价值论、博弈组织协同学、对冲均衡经济学、全息汇通物理学，以及由一系列全新理论的大综合而形成的贯通科学（交叉科学与横断科学）——元系统科学和智能集成科学；全新的技术基础是以价值链系统为核心、面向全息协同性的全新系统技术（集群）；全新的工程基础是以价值链系统为核心、面向全息协同性的全新系统工程（集群）；

B、对于互联网资源配置大系统而言，“天地”计算本身是一个极其复杂的系统，具有十分复杂的全息协同组织结构，在这里，一方面，各种计算机及其基础设施、附属设备和网络设备（包括服务器、浏览器）以全息协同组织模式（包括ICC、ICK、ICH、IDC、IDK、IDH、IMC、IMK、IMH、ECC、ECK、ECH、EDC、EDK、EDH、EMC、EMK、EMH）连接起来而形成计算机互联网络组织；另一方面，各种用户及其功效链以全息协同组织模式（包括ICC、ICK、ICH、IDC、IDK、IDH、IMC、IMK、IMH、ECC、ECK、ECH、EDC、EDK、EDH、EMC、EMK、EMH）连接起来而形成自然智能社会化组织，这种自然智能社会化组织与计算机互联网络组织共同形成本发明人所指称的“天地”计算体系CS / HSN ( GII )；

C、建立互联网信息融合的总体设计框架和全拓展两极汇通逻辑基础，进而建立互联网信息融合技术的数学基础；

D、引入适当的、用于分别反映全球互联网全息协同系统基本动力、基本荷载、基本功效、基本消耗、内部合作和竞争及外部合作和竞争的各种基本协同变量，建立信息融合的两极汇通表及范畴体系。

2.从属权利要求——对于全球互联网，根据独立权利要求1 所述的本发明首先建立互联网信息融合的总体设计框架，本项权利的特征在于：

在提出有关概念的基础上，根据独立权利要求1 所述的本发明建立“高智慧”系统基础结构模型；在感知层面实现智能集成主体-广义技术新组合感知，对于现代智能集成组织的信息系统来说，主体通过感知系统内外部信息，并将有关信息传递给计算机，而计算机一方面感知主体传递过来的信息，另一方面通过信息网络（局域网或Internet网等）感知有关信息，并将所感知的信息进行加工处理后再传递给主体，让主体进行二次感知，另外智能集成主体与广义技术系统之间还进行相互感知；在思维层面上，综合利用主体和技术系统的智能，以获得优化的决策：一方面，技术系统通过计算机利用专家知识库进行严密的逻辑推理得出有关决策方案，另一方面，主体通过自己的智慧对主体一技术新联合感知的信息进行判断推理得出有关决策方案，最后通过对所有决策方案进行综合评价，找出优化方案；

在全球智能信息融合系统 IFS / HSN ( GII ) 中，以自然智能与人工智能基于计算机及其网络而进行的联结和协调作为一般智能集成系统（IIS）升级进程的主线，以认知系统与实践系统基于计算机辅助系统及互联网而进行的联结和协调作为高级智能集成系统（HIIS）演变进程的主线；

根据独立权利要求1 所述的本发明将全球智能一体化的全息信息融合系统IFS / HSN ( GII ) 设计成为由大量分布于世界各地、各领域、各种机构的构件信息的属性标识集合（包括构件和网络协调构件）W ₁₄、工具信息的属性标识集合（包括工具和网络协调工具）W ₁₃、手段信息的属性标识集合（包括手段和网络协调手段）W ₁₂、仪器信息的属性标识集合（包括仪器和网络协调仪器）W ₁₁、设备信息的属性标识集合（包括设备和网络协调设备）W ₁₀、设施信息的属性标识集合（包括设施和网络协调设施）W ₉、程序信息的属性标识集合（包括程序和网络协调程序）W ₈、规则信息的属性标识集合（包括规则和网络组织规则）W ₇、技巧信息的属性标识集合（包括技巧和网络协调技巧）W ₆、规划信息的属性标识集合（包括设计方案和网络设计方案）W ₅、策略信息的属性标识集合（包括策略和网络协调策略）W ₄、技术信息的属性标识集合（包括技术和网络协调技术）W ₃、方法信息的属性标识集合（包括方法和网络协调方法）W ₂、战略信息的属性标识集合（包括战略和网络协调战略）W ₁等不同层次各种要素所构成的复杂性全息协同组织大系统，即

W _S= < W, ψ; [ HSO ] > ( W = { W ₁, W ₂, ···, W ₁₄})。

3.从属权利要求——对于全球互联网，根据独立权利要求1 所述的本发明首先建立信息融合的全拓展两极汇通逻辑基础，本项权利的特征在于：

在建立基于多属性测度空间的两极汇通集合、基于多规则度量矩阵的两极汇通算子、基于多因子变权综合的两极汇通关系和基于多重性代数系统的两极汇通函数的基础上，根据独立权利要求1 所述的本发明将两极汇通集合和可拓集合 ( extension set, ES )结合起来，建立全拓展两极汇通集合，以进一步建立辩证综合分析的数学基础；

定义7.7.7 设论域为Ω，k _U是Ω到实域的一个两极汇通映射，令

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE002

，

则称为Ω上的一个全拓展两极汇通集合，y _U = k _U ( u ) 为

Figure DEST_PATH_RE-54489DEST_PATH_IMAGE004

的两极汇通关联函数，k _U ( u ) 为元素u关于

Figure DEST_PATH_RE-979719DEST_PATH_IMAGE004

的两极汇通关联度，称

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE006

和

分别为

Figure DEST_PATH_RE-141710DEST_PATH_IMAGE004

的两极汇通正域和两极汇通负域，

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE010

为

Figure DEST_PATH_RE-609732DEST_PATH_IMAGE004

的两极汇通零界；显然，若

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE012

，则且

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE016

；

不难规定Ω上的全拓展两极汇通集合

Figure DEST_PATH_RE-831766DEST_PATH_IMAGE004

的三种变换形式：元素的两极汇通变换T _u, U，关联函数的两极汇通变换T _k, U和论域的两极汇通变换T _Ω, U。

4. 从属权利要求——对于全球互联网，根据独立权利要求1 所述的本发明建立互联网信息融合的随机模糊神经网络 ( S FNN ) 非线性系统的数学表达，本项权利的特征在于：

建立规则库和选定模糊隶属函数之后，原则上可以组建基于模糊神经网络的融合系统，并进行模糊推理；设已知输入输出数据

( x ^p, d ^p)，x ^p ∈U ∈R ⁿ，d ^p ∈V ∈R ⁿ；

确定一个形如式 ( 3. 7. 111 ) 的模糊逻辑系统

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE018

( 3. 7. 112 )

其中

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE020

,

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE022

,

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE024

为模糊逻辑系统参数，

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE026

, ,

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE030

；m为模糊规则库中模糊规则总数，X = ( x ₁, x ₂, ··· , x _n) 为模糊推理器输入，n为输入维数，使得

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE032

( 3. 7. 113 )

最小；当m已知时，调整参数

Figure DEST_PATH_RE-119659DEST_PATH_IMAGE020

, ,

Figure DEST_PATH_RE-860399DEST_PATH_IMAGE024

，使得式 ( 3. 7. 113 ) 的E ^p最小。

5.从属权利要求——对于全球互联网，根据独立权利要求1 所述的本发明建立互联网信息融合的智能集成信息系统模型，本项权利的特征在于：

互联网智能集成信息系统可用两种二元组表示；互联网智能集成信息系统可用第一种二元组B = ( U, P∪C ) 表示，P为实践相关属性，

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE034

a ∈P, V _a是a的值域，可包含空值o；C为认知相关属性，其值域不含空值；当部分信息尚未确定时，相似关系SIM ( A )，

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE036

是对不可分辨关系的乐观估计；互联网智能集成信息系统可用第二种二元组B = ( U, C∪P ) 表示，C为认知相关属性，

Figure DEST_PATH_RE-984825DEST_PATH_IMAGE034

a ∈C, V _a是a的值域，可包含空值o；P为实践相关属性，其值域不含空值；

当部分信息尚未确定时，相似关系SIM ( A )，

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE038

是对不可分辨关系的乐观估计；由A上可能不可分辨的对象组成，定义为

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE040

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE042

U / OPT ( A ) = { X ₁, X ₂, ···, X _n }，X _i是可能等价关系，i = 1, 2, ···, n中的对象关于A可能不可分辨；x ∈ U，包含x的可能等价类S _A ( x ) = { y ∈ U | ( x, y ) ∈ OPT ( A )}。

6. 从属权利要求——对于全球互联网，根据独立权利要求1 所述的本发明建立互联网信息融合的两极汇通分析表，本项权利的特征在于：

定义4.8.3 设两极汇通分析表

S _U = ( U, C _U ∪ D )，

其中，U是论域，C _U和D分别为绝对- 相对条件属性集和选择属性集，且R _U

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE044

，则对于任意绝对-相对条件属性p ∈C _U–R _U的重要度SGF ( p, R _U, D ) 定义为

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE046

寻找知识相对约简的复杂性主要由两极汇通分析表中的属性组合所决定；对于基于信道容量的知识相对约简算法^[47][48]，在最不利的情况下，每次所考虑的属性数依次为M, M -1, ···, 1（M为两极汇通分析表中的绝对-相对条件属性数），故总次数为

Figure 2011103495214100001DEST_PATH_RE-DEST_PATH_IMAGE048

7.从属权利要求——对于全球互联网，根据独立权利要求1 所述的本发明建立互联网信息融合的两极汇通理念和两极汇通范畴体系，本项权利的特征在于：

定义7.11.20 一个两极汇通范畴是一个两极汇通代数系统：

C _U = ( ob C _U, Hom C _U, dom , cod , comp )

它包含绝对类ob C _U，绝对类Hom C _U和三个两极汇通函数：

dom : Hom C _U → ob C _U, cod : Hom C _U → ob C _U,

comp: Hom C _U × Hom C _U→ Hom C _U；

其中，

Hom C _U可称为C _U的态射类，其元素称为C _U的态射；

dom可称为C _U的区域函数；

cod可称为C _U的上区域函数；comp可称为态射的合成；

它们满足下列条件：

C _U ( A _U, B _U)；若f ∈C _U ( A _U, B _U)，则

dom ( f ) = A _U, cod ( f ) = B _U；

( 1 ) 如果dom ( f ) = A _U，则comp ( f , i ( A _U)) = f ；

( 2 ) 如果cod ( f ) = B _U，则comp ( i ( B _U), f ) = f ；

( C 3 ) 对任意的 ( f , g ) ∈Hom C _U × Hom C _U, 下列等式成立：

( 1 ) dom ( comp ( f , g )) = dom ( g )；

( 2 ) cod ( comp ( f , g )) = cod ( f )；

comp ( f , comp ( g , h )) = comp ( comp ( f , g ) , h )；