《粒計算的不確定性度量及其特徵選擇算法研究》是依託河南師範大學，由孫林擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：粒計算的不確定性度量及其特徵選擇算法研究
- 項目類別：青年科學基金項目
- 項目負責人：孫林
- 依託單位：河南師範大學
項目摘要,結題摘要,
項目摘要
粒計算是當前智慧型信息處理領域非常活躍的研究方向。粒計算中的不確定性度量與知識獲取的研究已取得許多成果，但仍存在度量方法融合研究較少、大規模數據計算複雜度較高、混合數據處理能力較弱等問題。本項目擬在不同知識粒度的近似空間下，提出新的不確定性度量理論及方法，分析論證這些度量的合理性和單調性，構建其與現有相關度量方法的融合形式。在此基礎上，套用基數排序、Hash表等技術，建立多粒度空間的啟發式資訊理論約簡算法，構建粒空間的增量式代數約簡算法，以提高計算效率。針對混合型數據，研究相對鄰域關係和廣義鄰域關係，構建相應的鄰域粗糙集擴展模型，提出其特徵選擇算法；融合Filter和Wrapper策略，構建混合型的特徵選擇算法。最後，利用基因表達數據進行仿真實驗，測試和驗證上述算法對混合數據處理的有效性。該研究成果可為不確定性問題的處理和大規模複雜數據的知識獲取提供重要的理論基礎和技術支撐。
結題摘要
針對複雜數據的處理，粒計算是當前人工智慧研究領域中模擬人類思維和解決複雜問題的新理論與新方法，是研究大規模複雜問題求解、大數據分析與挖掘、不確定性智慧型信息處理的有力工具。按照項目計畫書的要求，項目組圍繞粒計算的不確定性度量及其特徵選擇算法進行了系統而深入的研究工作，提出了不完備條件熵、條件信息粒度等不確定性度量方法，構建了粗糙粒空間下的增量式約簡和分布約簡算法，給出了相對鄰域關係和廣義鄰域關係，建立了相應的鄰域粗糙集擴展模型，進而設計了一些混合型特徵選擇算法，並將其套用於基因表達譜數據集分析，在理論和套用方面取得了有價值的研究成果。該課題對傳統的粒計算方法進行了擴展和豐富，提升了其處理大規模複雜數據的能力，並且對粒計算在模式識別、不確定性人工智慧以及數據挖掘與知識發現等相關領域的套用做了積極的研究探索，對於智慧型信息處理的研究具有重要的理論和套用價值。
