特刊文章锦集荐读：

Computational Intelligence for Emerging Systems and Applications

新兴系统和应用的计算智能

Guest Editors：Javier Montero，Tianrui Li，Yun Li

导语：

计算智能是软计算、机器学习和一些工程学科中的计算技术，用于研究、模拟和分析非常复杂的问题和现象（例如[1]）。这为我们提供了一个利用知识和原始数据来处理极其复杂的问题的机会（例如[2]）。这一多学科的研究领域在人工智能研究界不断扩展（例如[3]）。

本期特刊聚焦于计算智能的新兴系统和应用，这在学术界和商业界中变得极为重要[4]，我们的日常生活（例如[5]）与我们正在记录的大量数据相关（例如[6]）。许多科学领域，特别是社会科学（例如[7]）正在被这种新的模式所取代：现实生活的方方面面都可以被系统地观测到，而如此庞大的数据集需要特定的技术被可视化（例如[8]）、被处理（例如[9]），并被转化为有用的信息供决策者使用（例如[10]）。同时获得这样一个系统的观察结果，为设计复杂问题中的决策辅助工具提供了可能性（例如[11]），并增加了自治系统存在的可能性（例如[12]）。这种大数据模式意味着社会研究方式的变革，以及社会本身将如何演变。不仅经济体制和劳动结构受到深刻影响，而且人与人之间的关系也会受到影响。我们确实希望机器变得足够智能，以避免由于缺乏专注而产生的明显人为错误，而这些错误是机器所不具备的，但我们的期望也远不止于此：机器将在某种程度上可以在隐藏的事实之间建立联系，并将有机会从经验中自动学习来进化，从而产生更多的自动决策（例如[13]），同时也可以通过说我们的语言甚至表现出情感来与人类互动（例如[14]）。这种范式伴随着许多技术挑战（例如[15]），也存在法律挑战（例如[16]）。这些挑战可能会影响民主社会的某些支柱，如获得通信、信息和教育的机会；我们的社会和经济结构；甚至可能是个人感知和情感的深层次的影响。一场巨大的革命正在进行，计算智能是一个主要的驱动力：在这个复杂的社会里，如果不把它转化为可计算的程序，就无法实现任何相关的改进。

考虑到计算智能与社会、科学和技术的日益密切的相关性，本期合集经过严格的同行评议程序，聚焦杰出且原创的、未出版的研究手稿，重点关注新兴系统和应用的计算智能的最新发现。

我们希望读者能喜欢这期特刊，并希望这些论文有助于他们进行研究和实现计算智能的具体工具和应用，从基本数学问题[17]和数据结构[18]为计算智能的关键问题提供一个有趣的方法，包括：情绪管理[24]和决策[25]；解决中间知识处理工具，如概念表示[19]、信息可视化[20]及其评估[21]；软件分析[22]和垃圾邮件检测[23]。

1.  Further complete solutions to four open problems on filter of logical algebras

Wei Wang, Pengxi Yang, Yang Xu

Pages: 359 - 366

要点提示：论文回顾了模糊逻辑的主要理论背景，它代表了许多智能方法的自然基础，解决了一个与代数结构中布尔滤波器行为相关的开放性问题。

2. A new algorithm of mining high utility sequential pattern in streaming data

Huijun Tang, Yangguang Liu, Le Wang

Pages: 342 - 350

要点提示：论文提出了一种高效的基于数据流树状结构的序列模式挖掘算法。

3. A validation approach for real-time ontology based DBMS

Wided Ben Abid, Mohamed Ben Ahmed Mhiri, Malek Ben Salem, Emna Bouazizi, Faiez Gargouri

Pages: 311 - 317

要点提示：论文提出了一种实时数据库的反馈控制调度体系结构，前提是我们意识到本体允许创建概念、属性以及概念之间关系的形式化表示的机制。

4. Fusion of measures for image segmentation evaluation

Macmillan Simfukwe, Bo Peng, Tianrui Li

Pages: 379 - 386

要点提示：论文致力于图像分割，在认识到目前还没有普遍接受的图像分割质量评价方法的基础上，提出了一种新的基于融合的图像分割质量评价方法。

5. A new edge detection method based on global evaluation using supervised classification algorithms

Pablo A. Flores-Vidal, Guillermo Villarino, Daniel Gómez, Javier Montero

Pages: 367 - 378

要点提示：论文致力于一个封闭问题：边缘检测，提出了一种基于边缘列表思想的全局评价方法，以产生更适合人类感知的解决方案。

6. An empirical study for enhanced software defect prediction using a learning-based framework

Kamal Bashir, Tianrui Li, Chubato Wondaferaw Yohannese

Pages: 282 - 298

要点提示：论文主要研究软件缺陷预测，它是利用挖掘软件历史存储库所获得的数据集，通过原始构建预测模型来实现的。

7. Enactment of ensemble learning for review pam detection on selected features

Faisal Khurshid, Yan Zhu, Zhuang Xu, Mushtaq Ahmad, Muqeet Ahmad

Pages: 387 - 394

要点提示：论文讨论了电子商务中历史评论如何影响决策，以及这些评论何时应该被视为无效。

8. Multimodal emotion recognition method based on convolutional auto-encoder

Jian Zhou, Xianwei Wei, Chunling Cheng, Qidong Yang, Qun Li

Pages: 351 - 358

要点提示：论文讨论了情绪识别，考虑了脑电图和外部生理信号，以及训练的全连接神经网络来输入融合特征和对情绪进行分类。

9. A new rewarding mechanism for branching heuristic in SAT solvers

Wenjing Chang, Yang Xu, Shuwei Chen

Pages: 334 - 341

要点提示：论文关注于决策启发式策略，提出了一种新的布尔可满足性问题分支奖励机制。

参考文献

[1]  J. Kacprzyk, W. Pedrycz, Handbook of Computational Intelli- gence, Berlin Heidelberg: Springer, 2015.

[2]  J. Zhang, Y. Zheng, D. Qi, R. Li, X. Yi, T. Li, Predicting citywide crowd flows using deep Spatio-temporal residual networks, Artif. Intell. 259 (2018), 147–166.

[3]  P. Bonissone, Soft computing: a continuously evolving concept, Int. J. Comput. Intell. Syst. 3 (2010), 237–248.

[4]  H. Chen, R.H.L. Chiang, V.C. Storey, Business intelligence and analytics: from big data to big impact, MIS Q. 36 (2012), 1165–188.

[5]  H. Schaffers, N. Komninos, M. Pallot, B. Trousse, M. Nilsson, A. Oliveira, Smart cities and the future internet: towards cooperation frameworks for open innovation, Lect. Notes Comput. Sci. 6656 (2011), 431–446.

[6]  T. Li, C. Luo, H. Chen, J. Zhang, PICKT: a solution for big data analysis, Lect. Notes Artif. Intel. 9436 (2015), 15–25.

[7]  J.M. Robles, D. Velez, S. De Marco, J.T. Rodriguez, D. Gomez, Affective homogeneity in the Spanish general election debate. A comparative analysis of social networks political agents, Inf. Com- mun. Soc. 21 (2018) 1–18.

[8]  D.Liu,D.Weng,Y.Li,J.Bao,Y.Zheng,H.Qu,Y.Wu,SmartAdP: visual analytics of large-scale taxi trajectories for selecting bill- board locations, IEEE Trans. Vis. Comput. Graph. 23(1) (2017), 1–10.

[9] S. Wang, T. Li, C. Luo, H. Chen, H. Fujita, Domain-wise approaches for updating approximations with multi-dimensional variation of ordered information systems, Inf. Sci. 478 (2019), 100–124.

[10] X. Yang, T. Li, H. Fujita, D. Liu, A sequential three-way approach to multi-class decision, Int. J. Approx. Reason. 104 (2019), 108–125.

[11] B.VItoriano,M.T.Ortuño,G.Tirado,J.Montero,Amulti-criteria optimization model for humanitarian aid distribution, J. Glob. Optim. 51 (2011), 189–208.

[12] D.J. Fagnant, K. Kockelman, Preparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations, Trans. Res. Part A Policy Pract.77 (2015), 167–181.

[13] R.S. Michalski, J.G. Carbonell, T.M. Mitchell, Machine Learning: An Artificial Intelligence Approach, Berlin Heidelberg: Springer Science & Business Media, 2013.

[14] J. Fulcher, L.C. Jain, Computational Intelligence, a Compendium. Studies in Computational Intelligence, Warsaw, Poland: Springer 115 (2008), pp. 3–78.

[15] I.A.B.T.Hashem,I.Yaqoob,N.B.Anuar,S.Mokhtar,A.Gani,S.U. Khan, The rise of “big data” on cloud computing: review and open research issues, Inf. Syst. 47 (2015), 98–115.

[16] R.Kemp,Legalaspectsofmanagingbigdata,Comput.LawSecur. Rev. 30 (2014), 482–491.

[17] W.Wang,Y.Xu,Furthercompletesolutionstofouropenproblems on filter of logical algebras, Int. J. Comput. Intell. Syst. 12 (2019), pp. 359–366.

[18] H. Tang, Y. Liu, L. Wang, A new algorithm of mining high utility sequential pattern in streaming data, Int. J. Comput. Intell. Syst. 12 (2019), pp. 342-350.

[19] W.B. Abid, M.B.A. Mhiri, M.B. Salem, E. Bouazizi, F. Gargouri, A validation approach for real-time ontology based DBMS, Int. J. Comput. Intell. Syst.12 (2019), 311–317.

[20] M. Simfukwe, B. Peng, T. Li, Fusion of measures for image seg- mentation evaluation, Int. J. Comput. Intell. Syst. 12 (2019), 379–386.

[21] P.A.Flores-Vidal,G.Villarino,D.Gómez,J.Montero,Anewedge detection method based on global evaluation using supervised classification algorithms, Int. J. Comput. Intell. Syst. 12 (2019), 367–378.

[22] K.Bahir,T.Li,C.W.Yohannese,Anempiricalstudyforenhanced software defect prediction using a learning-based framework, Int. J. Comput. Intell. Syst. 12 (2019), 282–298.

[23] F. Klurshid, Y Zhu, Z Xu, M. Ahmad, M. Ahmad, Enactment of ensemble learning for review pam detection on selected features, Int. J. Comput. Intell. Syst. 12 (2019), pp. 387–394.

[24] J. Zhou, X. Wei, C. Cheng, Q. Yang, Q. Li, Multimodal emotion recognition method based on convolutional auto-encoder, Int. J. Comput. Intell. Syst. 12 (2019), 351–358.

[25] W. Chang, Y Xu, S. Chen, A new rewarding mechanism for branching heuristic in SAT solvers, Int. J. Comput. Intell. Syst. 12 (2019), 334–341

关于期刊

Impact Factor: 1.838, CiteScore: 3.59

International Journal of Computational Intelligence Systems(IJCIS)是欧洲模糊逻辑和技术学（EUSFLAT）会刊，主要刊载有关应用计算智能各个方面的原创性研究，尤其是针对证明使用了计算智能理论的技术和方法的研究型论文及综述等，由西班牙哈恩大学Luis Martínez Lopez教授和澳大利亚悉尼科技大学路节教授担任共同主编。本刊目前已被DOAJ, Science Citation Index Expanded (SCIE), Ei Compendex and Scopus等数据库收录。