《基於粒計算與證據理論的多粒度空間知識獲取方法研究》是依託浙江海洋大學，由譚安輝擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於粒計算與證據理論的多粒度空間知識獲取方法研究
- 項目類別：青年科學基金項目
- 項目負責人：譚安輝
- 依託單位：浙江海洋大學
項目摘要,結題摘要,
項目摘要
粒計算已成為人工智慧與信息科學領域一個極為活躍的研究方向。它旨從多粒度、多層次的視角，研究信息粒及其結構的理論推理與信息處理問題。本課題以多源環境下的信息系統為對象，以粒計算、證據理論、粗糙集與決策分析為工具，研究多粒度空間的有效知識獲取問題，主要內容包括：（1）多粒度空間中粒度選擇的基本機制與原理；（2）多粒度與單粒度空間的粒度變換機制；（3）不同數據背景下，聯繫粗糙集與證據理論的基本原理與多源信息決策方法。本課題旨在粒計算的框架下，解決多粒度空間中有效知識獲取的一些基本問題和關鍵技術，對粒計算在多源信息中的數據挖掘與智慧型計算有重要的理論意義和套用價值。
結題摘要
大數據時代，一些具有高維、異構、分散式特徵的大規模海量數據不斷湧現。如何從數據中挖掘中有價值的的知識是一項重要課題。本課題以由多源數據所粒化的多粒度空間為研究對象，以粒計算、證據理論、粗糙集與決策理論為工具，研究多源數據中有效知識的獲取問題。具體研究內容涉及：（1）研究多粒度空間的所有粒度約簡集以及最優的粒度約簡集。並以此為基礎，構造多粒度空間的粒度選擇的啟發式方法。（2）利用粗糙集來分析概念的粗糙性，利用信息熵、互信息來度量知識的不確定性。（3）結合粗糙集理論與證據理論，對多源數據集中的目標概念給出定性與定量化的刻畫，研究融合性的決策方法。 通過對以上內容的研究，獲得了如下成果：（1）以多源數據下的多粒化結構為對象，給出最優粒度選擇的基本原理，構建局部最優粒度選擇的啟發式方法。（2）利用粗糙集、證據理論，給出了多源數據集的知識不確定性。（3） 給出多源數據背景下，聯繫粗糙集與證據理論的基本原理，構建兩者相互刻畫和表示的統一性框架。科學意義：闡述了多粒度空間的粒度選擇的基本原理，產生了粗糙集與證據理論的融合性方法，求解了多源數據中決策規則的獲取問題。本項研究主要解決了粒計算在多源數據處理中的一些基本問題和關鍵技術，對粒計算在多源數據中的數據挖掘與智慧型計算有重要的理論意義和套用價值。
