《複合關係粗糙集模型及高效知識發現算法研究》是依託西南交通大學，由陳紅梅擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：複合關係粗糙集模型及高效知識發現算法研究
- 項目類別：青年科學基金項目
- 項目負責人：陳紅梅
- 依託單位：西南交通大學
項目摘要,結題摘要,
項目摘要
現實信息系統中可能存在多種類型的數據如數值型、名義型、集值型和區間值型等。因此，在不同屬性上對象之間可存在等價關係、相容關係和優勢關係等不同關係，而且在集值型的屬性上還可能存在複雜的函式關係。所以，建立一種能有效處理多類型數據的複合關係粗糙集模型，可以更好地滿足實際套用需求，擴大粗糙集模型的套用範圍。本項目對複合關係粗糙集模型和基於該模型的高效知識發現算法進行系統研究。研究內容包括四個部分：1.函式集值粗糙集模型的建立和性質研究；2. 函式集值粗糙集模型下高效知識發現算法研究、設計及驗證；3.複合關係粗糙集模型的建立和性質研究；4.複合關係粗糙集模型下高效知識發現算法研究、設計及驗證。這些問題的解決，對於完善粗糙集的理論與方法，提高其解決複雜數據問題的能力和知識發現的效率有著重要的現實意義。
結題摘要
本項目對可以有效的處理多數據類型、多關係的複合關係粗糙集模型及高效的知識發現算法進行研究，完成了原定研究計畫並取得以下主要成果：1、構建了處理多數據類型多關係的擴展粗糙集模型：複合關係粗糙集模型、機率複合關係粗糙集模型、複合優勢關係粗糙集模型、複合信息系統中基於複合距離和高斯核的模糊粗糙集等擴展粗糙集模型，刻畫了不同複合粗糙集模型的基本性質。2、研究了不同複合關係粗糙集模型下的知識發現算法：在複合關係粗糙集模型中提出了該模型中近似集、正域、負域和邊界域的矩陣計算方式，設計了基於矩陣的近似集增量更新的算法；提出了機率複合關係粗糙集模型中屬性約簡的方法；建立了複合優勢關係粗糙集模型中優勢關係的矩陣表示、矩陣的相關運算以及上、下近似集的矩陣運算方法；在基於複合距離和高斯核的模糊粗糙集模型中，提出了增加/刪除一個屬性特徵增量選擇算法。3、提出了函式集值粗糙集模型，定義了該模型下的信息熵和粒度表示，給出了它的性質；刻畫了集值信息系統中屬性集、對象集、屬性值以及對象和屬性同時變化時知識粒度動態變化的原理，提出了集值信息系統中屬性集、對象集、屬性值以及對象和屬性同時變化時近似集更新算法。4、粗糙集模型中，建立粒計算框架下知識的有效表示以提高知識發現的效率。在屬性值粗化細化時，分析了最小辨識屬性集以及規則的變化性質，提出了不協調決策系統中基於粗糙集的規則增量更新算法；在決策粗糙集模型中，當屬性和對象同時變化時，通過增量更新不同子空間的等價類特徵矩陣從而更新信息系統的等價類特徵矩陣。本項目共發表/錄用論文40篇，其中國際SCI刊物17篇（包括一流國際期刊IEEE Tran. TKDE、IEEE Tran. TFS等），EI刊物2篇，國際會議論文19篇；初步查到被SCI檢索12篇、EI檢索27篇、ISTP檢索8篇；特邀SCI期刊專輯編輯1次、出版2本國際會議論文集；獲得國際會議優秀論文、全國會議優秀論文獎各1項；獲得ACM成都分會優秀博士論文獎、IEEE成都分會優秀學生論文獎各1項；完成軟體1套；國際會議分組報告12次，全國性會議分組報告2次。
