《基於粒計算的多元時序數據語義建模、算法及套用研究》是依託大連理工大學,由盧偉擔任項目負責人的面上項目。
基本介紹
- 中文名：基於粒計算的多元時序數據語義建模、算法及套用研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：盧偉
項目摘要,結題摘要,
項目摘要
在當今大數據時代，時序數據越來越呈現出高維、海量和複雜不確定性等特點，經典的時序數據分析與建模方法還停留在以數據為中心的單一粒度處理階段，缺乏可解釋性研究。從更高和更抽象的語義層次去分析和建模時序數據，使產⽣的分析和預測結果能夠為清晰的語義所解釋，從而讓用戶能夠真正理解和運用這些結果去指導系統的分析、推理、決策和控制，是當前時序數據分析和建模的⼀個迫切需求。為此，本項目擬從刻畫人類粒化認知機理出發，基於粒計算，協同區間分析和模糊理論，研究(1)基於超盒表示的多元時序數據多粒度信息粒化，(2)多元時序數據的粒化語義描述和(3)多元時序數據語義粒模型的構建，並將其套用於金融數據來驗證其有效性和實用性，這將進一步豐富時序數據的分析與建模理論與方法，為多元時序數據的分析、知識發現與表示、決策和系統調控提供了⼀個新的思路。
結題摘要
如何建立具有可解釋性的模型是人工智慧領域的一個重要研究方向。本項目的最終目的是在粒計算框架下，針對多元時序數據，構建語義粒模型。本項目圍繞其所涉及的三個關鍵問題i、多元時序數據的多粒度信息粒化，ii、多元時序數據的語義粒描述和iii、基於信息粒的多元時序數據語義建模開展了深入的研究。針對問題i、，提出了基於多超盒矩陣表示的多粒度信息粒化方法和信息粒性能評價指標，並將多粒度概念引入到多元時序數據最佳化分割中，克服了傳統多元時序數據的信息粒化方法只能在單一粒度下進行的不足，從而進一步發展了多元時序數據的信息粒化方法；針對問題ii、，將經典的只能處理數值數據的模糊聚類拓展至其能處理超盒信息粒，並以此為基礎，提出了基於特徵空間超盒信息粒聚類的語義概念生成方法，並利用區間之間的包含關係、覆蓋關係和區間代數，建立了概念度量方法，實現了多元時序數據的語義粒化描述；針對問題iii、，提出了基於超盒信息粒的語義規則挖掘方法和語義粒模型的評價方法，建立了基於語義規則的多元時序數據粒模型和基於模糊認知圖的多元時序數據粒模型，實現對多元時序數據在粒水平上的語義預測。並以此為基礎，創新性將模糊認知圖粒模型的學習問題轉換成凸最佳化問題，提出了模糊認知圖粒模型的快速魯棒學習方法，突破了目前模糊認知圖粒模型的學習普遍採用基於種群的最佳化的學習方法所帶來的學習速度慢和學習精度差等缺陷。依託本項目共發表SCI論文6篇，其中在本領域國際頂級期刊《IEEE Transactions on Fuzzy Systems》和《IEEE Transactions on Cybernetics》上分別發表2篇，在本領域重要期刊《Information Sciences》和《Knowledge-based Systems》上各發表1篇。在EI檢索期刊上發表論文1篇，在IFSA2019國際會議上發表論文1篇。
