《多粒度標記數據的知識表示和知識獲取研究》是依託浙江海洋大學，由吳偉志擔任項目負責人的面上項目。
基本介紹
- 中文名：多粒度標記數據的知識表示和知識獲取研究
- 項目類別：面上項目
- 項目負責人：吳偉志
- 依託單位：浙江海洋大學
項目摘要,結題摘要,
項目摘要
粒計算是當前人工智慧，特別是智慧型信息處理領域一個非常活躍的研究方向，它以粒為基本計算單位，以處理大規模複雜數據和信息等建立有效的計算模型為目標。粒計算的基本思想是從多角度、多層次進行信息粒度的表示和問題求解，然而，目前該理論尚缺少多粒度標記數據的具體計算模型。針對這個問題，本課題從模擬人的認知出發，以信息系統和形式背景為對象，以粗糙集和概念格為工具，研究數據的多粒度標記以及知識表示和知識獲取的理論與方法。主要內容包括：（1）多粒度標記數據模型的建立及多粒度標記數據的信息粒度的表示；（2）具有多粒度標記數據的知識獲取的理論與方法；（3）基於多粒度標記數據的知識不確定性分析。本項目研究成果不但能夠豐富粒計算理論，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，而且對空間數據分析等套用領域有重要的理論意義和套用價值。
結題摘要
本課題研究了具有多粒度標記的信息系統和形式背景中的知識表示和知識獲取的理論與方法。用粒計算的角度提出了分層數據結構的多粒度知識表示系統的形式化描述，給出了多粒度標記劃分和多尺度決策粒標記劃分結構及其導出的粗糙近似；發展了無限論域中經典和模糊環境下各種廣義粗糙集近似及其數學結構；給出了多尺度信息表和形式背景中基於粒計算的知識約簡與基於規則提取的知識發現的方法；討論了多尺度決策表中基於標準粗糙集模型和對偶機率粗糙集模型在各種意義下的最優粒度選擇問題；分析了從多粒度標記數據中所獲取的知識的不確定性問題。上述研究成果豐富了基於粗糙集和概念格的粒計算理論，為數據挖掘與知識發現提供了理論和方法。
