1.一种分析方法，所述分析方法用于分析和解释来自非结构化数据的信号以识别和推理底层概念，所述分析方法包括：
生成显式语义概念和隐式相关或相关联概念的定性表示和定量表示；以及以表征、存储、测量、监视、启用隐式和显式信息或证据的事务更新或分析的方式定义用于非结构化数据字段或流的实时处理的语义边界指数，以识别显式语义概念和隐式或隐藏的语义概念，所述语义边界指数由通过基于符号学的信号处理的动态划分产生，其中基于符号学的信号处理通过基于代理的动态感测、表征、存储、监视、推理和将非结构化数据划分成核心语义元素进行。
1.一种使用自动化代理电路系统的技术信号和/或语义信号解释的方法，所述方法包括：
从原始数据流中获得原始数据；
根据测量量规对所述原始数据操作以生成测量结果；
基于可区分性度量确定第一信号指示符集，所述可区分性度量表示所述原始数据的所生成的测量结果之间的可区分性；
基于不可区分性度量确定第二信号指示符集，所述不可区分性度量表示所述原始数据的所生成的测量结果之间的不可区分性；
基于无知度量确定第三信号指示符集，所述无知度量表示对所述原始数据的所生成的测量结果的可区分性和不可区分性的无知；
通过向所述原始数据流应用所述第一信号指示符集来辨别所述原始数据流中的可区分性指示符以生成一个或多个可区分性数据流；
通过向所述原始数据流应用所述第二信号指示符集来辨别所述原始数据流中的不可区分性指示符以生成一个或多个不可区分性数据流；
通过向所述原始数据流应用所述第三信号指示符集来辨别所述原始数据流中的无知指示符以生成一个或多个无知数据流；
将所述一个或多个可区分性数据流、所述一个或多个不可区分性数据流以及所述一个或多个无知数据流进行结合以生成一个或多个语义边界指数；以及
使用所述一个或多个语义边界指数输出所述原始数据流的一个或多个技术解释和/或语义解释或者输出所述原始数据流的一个或多个技术确定和/或语义确定。
2.如权利要求1所述的方法，其中根据所述测量量规对所述原始数据操作还包括，所述测量量规是以下中的一个：金融或商品证券的技术指标、语义距离测量以及Resnik测量。
3.如权利要求1所述的方法，其中确定所述第一信号指示符集通过以下方式执行：
根据所述测量结果确定模式集以生成训练数据，
将所述训练数据从原始数据空间映射到目标空间，并且所述目标空间是多维向量空间，
使用聚类确定所述训练数据的本体，所述训练数据对应于根据所述测量结果的所述模式集，
基于所述原始数据的解释接收参考模式，
确定所述训练数据的所述模式集与所述参考模式之间的相似性测量，
估计从所述原始数据空间到所述目标空间的第一映射集，第一相似性映射集的每一个映射基于所确定的相似性测量的对应的相似性测量，并且所述第一映射集包括所述第一符号指示符集。
4.如权利要求3所述的方法，其中使用几何非线性映射函数执行将所述训练数据从原始数据空间映射到目标空间，其中所述几何非线性映射函数是服从迭代限制的迭代函数系统。
5.如权利要求3所述的方法，其中使用所述聚类执行确定所述训练数据的本体，所述聚类是以下中的一个或多个：k-均值聚类方法以及基于距离测量的聚类方法。
6.如权利要求3所述的方法，其中使用Pearson相关系数执行所述相似性测量的确定。
7.如权利要求3所述的方法，其中使用Shepard插值函数执行基于所确定的相似性测量的从所述原始数据空间到所述目标空间的相似性映射的估计。
8.如权利要求3所述的方法，其中确定所述第二信号指示符集通过以下方式执行：
使用概念距离度量链接和/或聚类已映射的训练数据以生成所述目标空间中的多个聚类，每一个聚类分别根据相对于相应聚类的对应的基的不可区分性被链接和/或聚类，对于所述目标空间中的每一个不相交的聚类，确定相应的参考模式的参考模式到所述目标空间的最接近映射，
对于所述多个聚类的每一个聚类，确定从所述原始数据空间到所述目标空间的第二映射集的映射，所述第二映射集的每一个映射对应于相对于所述多个聚类的相应聚类的所述第一映射集的无区别成员资格，以及
确定所述第二信号指示符集是从所述第一映射集到所述第二映射集的相应的映射。
9.如权利要求1所述的方法，其中通过获得所述第一信号指示符集与所述第二信号指示符集之间的并集的补集来执行确定所述第三信号指示符集。
10.如权利要求1所述的方法，所述方法还包括：
将所述第一信号指示符集、所述第二信号指示符集和所述第三信号指示符集形成组以生成对应于接收到的参考模式的通道，所述通道包括：
使用所述第一信号指示符集生成的第一数据流，
使用所述第二信号指示符集生成的第二数据流，以及
使用所述第三信号指示符集生成的第三数据流；
将所述第一数据流乘以对数函数以生成第一乘积，并且相对于时间微分所述第一乘积以生成第一尖峰列；
将所述第二数据流乘以对数函数以生成第二乘积，并且相对于时间微分所述第二乘积以生成第二尖峰列；以及
将所述第三数据流乘以对数函数以生成第三乘积，并且相对于时间微分所述第三乘积以生成第三尖峰列。
11.如权利要求10所述的方法，所述方法还包括：
通过相应的二进制值近似在第一时钟的每一个循环处的所述第一尖峰列的值；
通过相应的二进制值近似在第二时钟的每一个循环处的所述第二尖峰列；
通过相应的二进制值近似在第三时钟的每一个循环处的所述第三尖峰列；以及将所述第一尖峰列、所述第二尖峰列和所述第三尖峰列的二进制值划分成时间加窗的二进制位码，所述时间加窗的二进制位码的每一个时间序列对应于所述一个或多个语义边界指数中的一个。
12.如权利要求11所述的方法，所述方法还包括：
确定相应的素数标识符以唯一地识别所述时间加窗的二进制位码，其中
所述相应的素数标识符与相应的时间加窗的二进制位码一起的组合包括所述一个或多个语义边界指数。
13.如权利要求11所述的方法，其中所述第一时钟、所述第二时钟和所述第三时钟分别是Lamport时钟。
14.如权利要求1所述的方法，其中所述一个或多个语义边界指数包括用于生成另外的一个或多个语义边界指数的另外的原始数据流的原始数据。
15.如权利要求1所述的方法，其中所述一个或多个语义边界指数是使用来自是另外的一个或多个语义边界指数的原始数据流的原始数据生成的，所述另外的一个或多个语义边界指数是使用来自另外的原始数据流的原始数据生成的。
16.如权利要求1所述方法，其中来自用于生成所述一个或多个语义边界指数的原始数据流的原始数据包括所述一个或多个语义边界指数。
17.如权利要求1所述的方法，所述方法还包括：
获得另外的原始数据流；
基于另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流生成另外的一个或多个语义边界指数，其中所述另外的原始数据流的所述另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流是分别通过向所述另外的原始数据流应用另外的第一信号指示符集、另外的第二信号指示符集和另外的第三信号指示符集生成的；
使用所述另外的一个或多个语义边界指数和所述一个或多个语义边界指数之间的相似性来识别所述原始数据流和所述另外的原始数据流之间的预期类比；以及使用类比推理引擎，根据所述原始数据流和所述另外的原始数据流之间的所述预期类比来确定所述原始数据流和所述另外的原始数据流之间的类比。
18.如权利要求1所述的方法，所述方法还包括：
获得另外的原始数据流；
基于另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流生成另外的一个或多个语义边界指数，其中所述另外的原始数据流的所述另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流是分别通过向所述另外的原始数据流应用另外的第一信号指示符集、另外的第二信号指示符集和另外的第三信号指示符集生成的；
生成所述原始数据流与所述另外的原始数据流之间的结构化关系以生成类比支架；以及
生成基于所述原始数据流预测事件的指示符，所述指示符是基于类比支架并且基于使用所述另外的原始数据预测其它事件的其它指示符生成的，其中所述其它指示符是先前获得的。
19.如权利要求1所述的方法，所述方法还包括：
使用所述一个或多个语义边界指数作为金融技术指标的输入来计算所述金融技术指标；以及
对所述一个或多个语义边界指数的所述金融技术指标执行金融投资组合分析，以预测由所述原始数据流标志的转变点和/或交叉点。
20.如权利要求1所述的方法，所述方法还包括：
获得另外的原始数据流；
基于另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流生成另外的一个或多个语义边界指数，其中所述另外的原始数据流的所述另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流是分别通过向所述另外的原始数据流应用另外的第一信号指示符集、另外的第二信号指示符集和另外的第三信号指示符集生成的；
通过确定以下中的一个或多个来使用所述另外的一个或多个语义边界指数和所述一个或多个语义边界指数之间的相似性来识别所述原始数据流和所述另外的原始数据流之间的预期类比：所述另外的一个或多个语义边界指数和所述一个或多个语义边界指数之间的相关性、所述另外的一个或多个语义边界指数和所述一个或多个语义边界指数的相应的指数之间的距离测量以及K-均值聚类方法。
21.如权利要求1所述的方法，所述方法还包括：
识别对应于所述原始数据流中的惊喜和/或异常事件的第一时间集；
识别对应于所述原始数据流中无惊喜和/或无异常事件的第二时间集；
基于所述一个或多个语义边界指数计算技术指标的移动平均；
执行所述移动平均的统计分析以识别相比于所述第二时间集期间所述第一时间集期间的所述移动平均的差异；以及
将所述移动平均的相应的惊喜阈值确定为所述第一时间集处的所述移动平均和所述第二时间集处的所述移动平均之间的对应的差异的预定部分；以及
将对应于超过所述惊喜阈值的所述原始数据流的移动平均的事件标志为是预期的惊喜和/或异常事件。
22.如权利要求21所述的方法，其中对所述移动平均执行的所述统计分析包括计算各种一个或多个语义边界指数的所述移动平均的偏度、所述移动平均的峰度、所述移动平均的偏差以及指数移动平均。
23.如权利要求1所述的方法，其中所述原始数据流是以下中的一个或多个：非结构化数据流、文本数据流、数值数据流、金融证券数据流以及物理测量的时间序列。
24.一种执行技术信号和/或语义信号解释的装置，所述装置包括：
自动化代理电路系统，被配置成：
从原始数据流中获得原始数据；
根据测量量规对所述原始数据操作以生成测量结果；
基于可区分性度量确定第一信号指示符集，所述可区分性度量表示所述原始数据的所生成的测量结果之间的可区分性；
基于不可区分性度量确定第二信号指示符集，所述不可区分性度量表示所述原始数据的所生成的测量结果之间的不可区分性；
基于无知度量确定第三信号指示符集，所述无知度量表示对所述原始数据的所生成的测量结果的可区分性和不可区分性的无知；
通过向所述原始数据流应用所述第一信号指示符集来检测所述原始数据流中的可区分性指示符以生成一个或多个可区分性数据流；
通过向所述原始数据流应用所述第二信号指示符集来检测所述原始数据流中的不可区分性指示符以生成一个或多个不可区分性数据流；
通过向所述原始数据流应用所述第三信号指示符集来检测所述原始数据流中的无知指示符以生成一个或多个无知数据流；
将所述一个或多个可区分性数据流、所述一个或多个不可区分性数据流以及所述一个或多个无知数据流进行结合以生成一个或多个语义边界指数；以及
使用所述一个或多个语义边界指数输出所述原始数据流的一个或多个技术解释和/或语义解释或者输出所述原始数据流的一个或多个技术确定和/或语义确定。
25.如权利要求24所述的装置，其中所述电路系统还被配置成根据所述测量量规对所述原始数据操作，使得所述测量量规是以下中的一个：金融或商品证券的技术指标、语义距离测量以及Resnik测量。
26.如权利要求24所述的装置，其中所述电路系统还被配置成：
根据所述测量结果确定模式集以生成训练数据，
将所述训练数据从原始数据空间映射到目标空间，并且所述目标空间是多维向量空间，
使用聚类确定所述训练数据的本体，所述训练数据对应于根据所述测量结果的所述模式集，
基于所述原始数据的解释接收参考模式，
确定所述训练数据的所述模式集与所述参考模式之间的相似性测量，
估计从所述原始数据空间到所述目标空间的第一映射集，第一相似性映射集的每一个映射基于所确定的相似性测量的对应的相似性测量，并且所述第一映射集包括所述第一符号指示符集。
27.如权利要求26所述的装置，其中所述电路系统还被配置成使用几何非线性映射函数执行将所述训练数据从原始数据空间映射到目标空间，其中所述几何非线性映射函数是服从迭代限制的迭代函数系统。
28.如权利要求26所述的装置，其中所述电路系统还被配置成使用所述聚类执行确定所述训练数据的本体，所述聚类是以下中的一个或多个：k-均值聚类方法以及基于距离测量的聚类方法。
29.如权利要求26所述的装置，其中所述电路系统还被配置成使用Pearson相关系数执行所述相似性测量的确定。
30.如权利要求26所述的装置，其中所述电路系统还被配置成通过以下方式执行所述第二信号指示符集的确定：
使用概念距离度量链接和/或聚类已映射的训练数据以生成所述目标空间中的多个聚类，每一个聚类分别根据相对于相应聚类的对应的基的不可区分性被链接和/或聚类，对于所述目标空间中的每一个不相交的聚类，确定相应的参考模式的参考模式到所述目标空间的最接近映射，
对于所述多个聚类的每一个聚类，确定从所述原始数据空间到所述目标空间的第二映射集的映射，所述第二映射集的每一个映射对应于相对于所述多个聚类的相应聚类的所述第一映射集的无区别成员资格，以及
确定所述第二信号指示符集是从所述第一映射集到所述第二映射集的相应的映射。
31.如权利要求24所述的装置，其中所述电路系统还被配置成通过获得所述第一信号指示符集与所述第二信号指示符集之间的并集的补集来执行确定所述第三信号指示符集。
32.如权利要求24所述的装置，其中所述电路系统还被配置成：
将所述第一信号指示符集、所述第二信号指示符集和所述第三信号指示符集形成组以生成对应于接收到的参考模式的通道，所述通道包括：
使用所述第一信号指示符集生成的第一数据流，
使用所述第二信号指示符集生成的第二数据流，以及
使用所述第三信号指示符集生成的第三数据流；
将所述第一数据流乘以对数函数以生成第一乘积，并且相对于时间微分所述第一乘积以生成第一尖峰列；
将所述第二数据流乘以对数函数以生成第二乘积，并且相对于时间微分所述第二乘积以生成第二尖峰列；以及
将所述第三数据流乘以对数函数以生成第三乘积，并且相对于时间微分所述第三乘积以生成第三尖峰列。
33.如权利要求32所述的装置，其中所述电路系统还被配置成：
通过相应的二进制值近似在第一时钟的每一个循环处的所述第一尖峰列的值；
通过相应的二进制值近似在第二时钟的每一个循环处的所述第二尖峰列；
通过相应的二进制值近似在第三时钟的每一个循环处的所述第三尖峰列；以及将所述第一尖峰列、所述第二尖峰列和所述第三尖峰列的二进制值划分成时间加窗的二进制位码，时间加窗的二进制位码的每一个时间序列对应于所述一个或多个语义边界指数中的一个。
34.如权利要求33所述的装置，其中所述电路系统还被配置成：
确定相应的素数标识符以唯一地识别所述时间加窗的二进制位码，其中
所述相应的素数标识符与相应的时间加窗的二进制位码一起的组合包括所述一个或多个语义边界指数。
35.如权利要求33所述的装置，其中所述电路系统还被配置成使用相应的Lamport时钟作为所述第一时钟、所述第二时钟和所述第三时钟来执行所述第一时钟、所述第二时钟和所述第三时钟的近似。
36.如权利要求24所述的装置，其中所述一个或多个语义边界指数包括用于生成另外的一个或多个语义边界指数的另外的原始数据流的原始数据。
37.如权利要求24所述的装置，其中所述一个或多个语义边界指数是使用来自是另外的一个或多个语义边界指数的原始数据流的原始数据生成的，所述另外的一个或多个语义边界指数是使用来自另外的原始数据流的原始数据生成的。
38.如权利要求24所述的装置，其中来自用于生成所述一个或多个语义边界指数的原始数据流的原始数据包括所述一个或多个语义边界指数。
39.如权利要求24所述的装置，其中所述电路系统还被配置成：
获得另外的原始数据流；
基于另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流生成另外的一个或多个语义边界指数，其中所述另外的原始数据流的所述另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流是分别通过向所述另外的原始数据流应用另外的第一信号指示符集、另外的第二信号指示符集和另外的第三信号指示符集生成的；
使用所述另外的一个或多个语义边界指数和所述一个或多个语义边界指数之间的相似性来识别所述原始数据流和所述另外的原始数据流之间的预期类比；以及使用类比推理引擎，根据所述原始数据流和所述另外的原始数据流之间的所述预期类比来确定所述原始数据流和所述另外的原始数据流之间的类比。
40.如权利要求24所述的装置，其中所述电路系统还被配置成：
获得另外的原始数据流；
基于另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流生成另外的一个或多个语义边界指数，其中所述另外的原始数据流的所述另外的一个或多个可区分性数据流、另外的一个或多个不可区分性数据流和另外的一个或多个无知数据流是分别通过向所述另外的原始数据流应用另外的第一信号指示符集、另外的第二信号指示符集和另外的第三信号指示符集生成的；
生成所述原始数据流与所述另外的原始数据流之间的结构化关系以生成类比支架；以及
生成基于所述原始数据流预测事件的指示符，所述指示符是基于类比支架并且基于使用另外的原始数据预测其它事件的其它指示符生成的，其中所述其它指示符是先前获得的。
41.如权利要求24所述的装置，其中所述电路系统还被配置成：
使用所述一个或多个语义边界指数作为金融技术指标的输入来计算所述金融技术指标；以及
对所述一个或多个语义边界指数的所述金融技术指标执行金融投资组合分析，以预测由所述原始数据流标志的转变点和/或交叉点。
42.一种包括可执行指令的非瞬态计算机可读存储介质，其中当所述指令被电路系统执行时，使得所述电路系统执行以下步骤：
从原始数据流中获得原始数据；
根据测量量规对所述原始数据操作以生成测量结果；
基于可区分性度量确定第一信号指示符集，所述可区分性度量表示所述原始数据的所生成的测量之间的可区分性；
基于不可区分性度量确定第二信号指示符集，所述不可区分性度量表示所述原始数据的所生成的测量结果之间的不可区分性；
基于无知度量确定第三信号指示符集，所述无知度量表示对所述原始数据的所生成的测量结果的可区分性和不可区分性的无知；
通过向所述原始数据流应用所述第一信号指示符集来辨别所述原始数据流中的可区分性指示符以生成一个或多个可区分性数据流；
通过向所述原始数据流应用所述第二信号指示符集来辨别所述原始数据流中的不可区分性指示符以生成一个或多个不可区分性数据流；
通过向所述原始数据流应用所述第三信号指示符集来辨别所述原始数据流中的无知指示符以生成一个或多个无知数据流；
将所述一个或多个可区分性数据流、所述一个或多个不可区分性数据流以及所述一个或多个无知数据流进行结合以生成一个或多个语义边界指数；以及
使用所述一个或多个语义边界指数输出所述原始数据流的一个或多个技术解释和/或语义解释或者输出所述原始数据流的一个或多个技术确定和/或语义确定。
43.如权利要求1所述的方法，其中从所述原始数据流获得的所述原始数据是非结构化数据。