基於子模函式最佳化的知識約簡研究

《基於子模函式最佳化的知識約簡研究》是依託上海大學，由岳曉冬擔任項目負責人的面上項目。

基本介紹

• 中文名：基於子模函式最佳化的知識約簡研究
• 項目類別：面上項目
• 項目負責人：岳曉冬
• 依託單位：上海大學

中文摘要

經典知識約簡方法關注概念或分類的近似表示，隨著數據環境的改變，知識約簡的計算問題開始引發關注。知識約簡本質上是屬性空間的稀疏最佳化問題，從最佳化角度研究知識約簡有助於設計實現高性能約簡算法並促進其數據套用。然而由於約簡目標函式的非凸、離散性，通過最佳化方法直接對約簡目標求解是非常困難的。如果約簡目標函式具有子模性質，就可以通過便捷的最佳化方法求解約簡目標並獲得較高精度的結果。項目將從子模函式最佳化角度對知識約簡問題重新建模並進行系統研究，研究內容包括約簡目標函式子模性質分析，基於子模函式最佳化理論的約簡算法改進與設計，最佳化約簡算法的數據套用等方面。研究議題與知識約簡在現代數據挖掘中面臨的關鍵計算問題相對應，由此從最佳化角度為複雜數據環境下套用知識約簡提供了理論支持和解決方案。從子模最佳化角度重新審視知識約簡，不僅有助於解決知識約簡計算問題，並且可以豐富子模最佳化理論並拓展其在符號機器學習領域中的套用。

結題摘要

項目的研究目的在於從子模函式最佳化角度對知識約簡問題進行系統研究。研究內容包括約簡目標函式的子模性質分析，基於子模函式最佳化理論的約簡算法改進與設計，最佳化約簡算法的數據套用等方面。項目的既定研究目標已經完成，主要研究進展包括：對經典粗糙集模型與鄰域粗糙集模型表示的多種知識約簡算法的約簡目標函式進行形式化建模，並論證分析其子模性質；依據子模最佳化理論對傳統多種知識約簡算法進行改進和效率最佳化，基於鄰域粗糙集模型與經典粗糙集模型提出了多種高效串列、並行約簡算法；將最佳化約簡算法套用於數據挖掘與圖像分析領域，實現大規模決策規則提取與影像語義特徵提取。項目從非凸、離散函式最佳化角度研究知識約簡問題，有助於解決知識約簡方法面對複雜數據套用時的計算局限難題。研究成果可套用於大規模、複雜類型數據分析，從最佳化角度為複雜數據環境下的知識約簡套用提供理論支持。