信息数量巨大且来源庞杂、快速，非结构性强，含有很多不确定性、随机性和模糊性，是大数据时代的特点。人们分析研究认知问题的核心是把数学计算运用到海量数据上来预测事情发生的可能性、随机性，所以通常用“概率”来表达，而难以给出“精确”的判断。这时，必然要采用云模型，以云的数字特征来反映其主要内涵和外延。云模型可以描述人们对问题了解的两种不确定性：模糊性，即对问题的边界不清，是这样还是那样，或即定量不确定；随机性，即此事件发生的概率不清，或即定性不确定。云模型可实现定性与定量之间的转换。

云模型是由李德毅院士提出的把随机性和模糊性集成到一起的一种模型，它是用语言值表示的定性概念与定量表示之间的不确定转换模型。

云模型的定义如下：设U为定量数据论域，C为U上的定性概念，若定量值x∈U，且x是概念C的一次随机实现，x对于C的确定度为y=μc（x），是具有稳定倾向的随机数，则云滴（x，y）在论域U上的分布称为云（或云模型）。

云的数字特征用期望Ex、熵En和超熵He来表示，这三个数值反映了定性概念的定量特征。而在云模型中最重要的一种是正态云模型，它具有良好的数学性质，可以用来表示自然科学和社会科学中大量的不确定现象。

正态云定义：若x满足x～N（Ex，En'2），其中En'～N（En，He2），且对于定性概念C的确定度满足下式：

则x在论域U上的分布称为正态云。

正态云模型用一组参数来表达定性概念的数字特征，用来反映概念的不确定性。云由云滴组成，一个云滴是定性概念的一个数值化的表示。云的厚度（或宽度，或密集度）反映了确定度随机性的大小。在以上讨论的正态分布和模糊度概念的基础上，令这组参数为：(www.daowen.com)

期望值Ex是概念在论域中的中心值，是最能代表这个定性概念在论域中的中心值，是云中心对应的x值。

熵En是定性概念模糊度的度量，是信息不充分程度的度量，即不清楚的范围（或称为裕度）的大小。熵越大，裕度越大。

超熵He，为熵的熵，是熵的模糊度的度量，超熵越大，云滴的离散度越大，即确定性的随机性越大，云的“厚度”也越大。

所以正态云的期望曲线是一个正态曲线，故离中心值（即Ex）较远区域的元素可以忽略不计（所谓“3σ”原则）。上述云的数字特征的概念，通常称为概念C（Ex，En，He）。

云模型可实现大数据下云会计大量不确定性核算中定性与定量之间的转换。