知識不確定性度量的粒計算模型及其套用研究

《知識不確定性度量的粒計算模型及其套用研究》是依託河南師範大學，由孫林擔任項目負責人的面上項目。

基本介紹

• 中文名：知識不確定性度量的粒計算模型及其套用研究
• 項目類別：面上項目
• 項目負責人：孫林
• 依託單位：河南師範大學

項目摘要

粒計算是智慧型信息處理領域非常活躍的研究方向。目前，該理論在知識不確定性分析、混合數據處理等方面尚未得到充分的研究。本課題以粗糙集、模糊集理論為工具，研究知識不確定性度量與粒計算模型，並將其套用於混合基因數據分類中。主要研究內容：提出知識不確定性度量方法，分析其與現有度量的聯繫和區別，研究相關度量方法的統一表達形式；基於上下近似集給出直覺模糊集的隸屬度與非隸屬度，建立粗糙直覺模糊集擴展模型；構建鄰域粗糙集、隨機森林等理論的擴展模型，研究基因子集評價準則，提出粒計算的混合型基因選擇算法。本項目研究成果可為複雜系統的知識獲取及不確定性分析提供新的理論和方法，並在大數據分析、腫瘤診斷等方面有廣泛的套用價值。

結題摘要

不確定性問題是當前智慧型信息處理中的研究熱點之一，粒計算是人工智慧研究領域中模擬人類思維和解決複雜問題的新方法，是研究大規模複雜問題求解、大數據分析與挖掘、不確定性信息處理的有力工具。按照項目計畫書的要求，項目組圍繞知識不確定性度量的粒計算模型及其套用進行了系統而深入的研究工作，提出了條件信息粒度、直覺模糊集相似度、特徵顯著度等不確定性度量方法，建立了覆蓋粗糙直覺模糊集模型和覆蓋粗糙區間值直覺模糊集模型，構建了鄰域粗糙集、模糊核聚類分析、隨機森林等理論的擴展模型及其約簡算法，設計了一些混合型基因選擇算法，並將其套用於基因表達譜數據分析，在理論和套用方面取得了有價值的研究成果。這些研究工作不僅豐富了傳統的粒計算方法，提升了粒計算處理大規模混合複雜數據的能力，而且對不確定性人工智慧和基因表達譜數據挖掘的理論與套用的發展起到了積極的推動作用。