《基於多伴隨粒計算的知識獲取方法研究》是依託河北師範大學，由米據生擔任項目負責人的面上項目。
基本介紹
- 中文名：基於多伴隨粒計算的知識獲取方法研究
- 項目類別：面上項目
- 項目負責人：米據生
- 依託單位：河北師範大學
項目摘要,結題摘要,
項目摘要
粒計算是在解決大規模複雜問題求解過程中模擬人類思考問題自然模式的新的理論、技術和工具，是目前智慧型信息處理領域一個非常活躍的研究方向。其基本思想是在問題求解過程中使用信息粒，從不同角度、不同層次上對現實世界問題進行描述、推理與求解。本項目擬將多伴隨概念引入到粒計算理論與套用研究之中，系統研究基於多伴隨對的粒計算的知識獲取與信息融合理論與方法，發展多伴隨框架下的不確定性分析理論與特徵選擇算法。主要內容包括：(1) 基於多伴隨對的粒計算模型研究；(2) 多伴隨框架下基於粒計算的信息融合；(3) 多伴隨粒計算的不確定性分析研究；(4) 基於多伴隨粒計算的屬性約簡與規則提取，粒計算在模糊與多模態數據分析等方面的套用。本項目的研究成果不但能夠豐富粒計算與信息融合理論，為複雜系統的數據挖掘及不確定性分析提供新的理論和方法，而且在信息處理、機器學習等方面有廣泛的套用價值。
結題摘要
粒計算是在解決大規模複雜問題求解過程中模擬人類思考問題自然模式的新的理論、技術和工具，是目前智慧型信息處理領域一個非常活躍的研究方向。其基本思想是在問題求解過程中使用信息粒，從不同角度、不同層次上對現實世界問題進行描述、推理與求解。本項目把多伴隨概念引入到粒計算理論與套用研究之中，系統研究了基於多伴隨對的粒計算的知識獲取與信息融合理論與方法，發展了多伴隨框架下的不確定性分析理論與特徵選擇算法。主要研究成果包括：提出了基於多伴隨對的粒計算模型，對於論域具有多種不同代數結構的情形，給出了粗糙近似運算元的構造與公理刻畫。在直覺模糊環境下，構造了多伴隨直覺模糊粗糙集，建立了相應的三支決策模型。在多粒度近似空間上，提出了變精度多粒度決策粗糙集，分析了精度和鄰域對特徵子空間的影響，引入了局部加權精度和局部似然比兩個指標計算粒度權重。針對不同的樣本可能更偏好不同的粒度問題，提出了一種動態粒度選擇方法DGS-LWA-LLS，並給出了特徵子空間集成算法。利用多種信息粒，構建了多尺度概念格和雙子集內涵概念格，得到了不完備決策形式背景屬性約簡的判定方法。研究了多源信息系統中不確定性數據的信息融合和數值特徵，給出了多源不一致決策信息系統基於決策集的條件mass函式的融合算法，得到了獲得最優決策和置信水平的方法。基於集值信息系統上的擬序關係，研究了集值決策表的合成問題，給出了合成集值決策表的三支決策。提出了一種多粒度決策系統的雙參數不確定性測度，定義了保持正、負區域中對象的決策不變的決策系統約簡。研究了基於邊界的粗糙集模型，並給出了近似空間的不確定性度量。提出了一種新的直覺模糊集的相似性度量，由此構造了直覺決策理論粗糙集模型和多粒度直覺決策理論粗糙集模型。基於所有概念外延定義了形式背景的粗糙熵，提出了形式背景的粗糙熵約簡，利用屬性重要度設計了計算粗糙熵的啟發式算法。用Shannon熵定義了分類的一致性，給出了測量兩個數據集一致性的新方法。基於多伴隨和證據理論，給出了直覺模糊信息系統的多準則群決策方法。設計了基於圖論的計算信息系統最小約簡的近似算法。提出了一種學習標籤相關性的方法，並將其套用於多標籤數據的特徵選擇。本項目的研究成果豐富和發展了粒計算與信息融合理論，為複雜系統的數據挖掘及不確定性分析提供了新的理論和方法，在信息處理、機器學習等方面也具有廣泛的套用價值。
