《基於粗糙集的空間分析新模型及其套用研究》是依託山西大學，由白鶴翔擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於粗糙集的空間分析新模型及其套用研究
- 項目類別：青年科學基金項目
- 項目負責人：白鶴翔
- 依託單位：山西大學
項目摘要,結題摘要,
項目摘要
近年來，粗糙集理論已被廣泛套用於空間分析中，可有效地對空間數據中的某些不確定性進行建模。本項目旨在從空間相關性這一空間數據固有屬性出發，對基於粗糙集的空間分析模型進行該進，使其可以在對空間數據粗糙性分析建模時不僅用到空間對象本身的屬性，同時考慮周邊對象的空間分布及其屬性的影響。主要研究內容包括：(1)針對粗糙集的空間抽樣方法研究；(2)子區域局部約簡及其空間變化規律；(3)針對空間數據的粗糙集規則提取及預測方法的研究；(4)開發基於上述方法的粗糙集空間數據分析軟體包。本項目研究成果不僅可為空間分析提供一種建模方法，同時還可促進粗糙集理論本身的發展，對空間數據建模、分析與處理具有重要理論意義和套用價值。
結題摘要
本項目以現實中廣泛存在的空間數據為研究對象，以粗糙集理論為基本工具，發展面向空間數據的基於粗糙集的知識獲取與推理新理論與新算法，並套用於文本數據、神經管畸形數據的分析與處理。主要研究內容為：針對海量有監督和非監督數據提出了同數據規模無關的，基於增量抽樣方法的屬性選擇方法，解決了海量數據如何進行快速屬性選擇這一關鍵問題；對名義變數的空間相關性定量描述給出了一個l類內、類間和總體的相關性新度量，能夠描述空間相關性隨著距離變化所呈現的趨勢；將粗糙模糊集進一步套用到了空間數據中。提出了明確的基於遺傳算法的約簡算法，使用模糊熵將模糊分類結果同真實值進行了對比來刻畫分類精度等; 進一步發展了多點模擬方法，提出了確定多重格線數和不確定性評價方法。並將理論成果套用於文本主題挖掘屬性約簡以及神經管畸形出生缺陷數據分析中的空間相關性分析和模糊規則提取問題。
