面向混合數據的粒度計算理論與方法研究

《面向混合數據的粒度計算理論與方法研究》是依託山西大學，由李德玉擔任項目負責人的面上項目。

基本介紹

• 中文名：面向混合數據的粒度計算理論與方法研究
• 項目類別：面上項目
• 項目負責人：李德玉
• 依託單位：山西大學

項目摘要

粒度計算是當前人工智慧，特別是智慧型信息處理領域最為活躍的研究方向，對大規模複雜數據的建模、分析與計算任務具有重要意義。本課題旨在研究面向混合數據（同時具有符號型變數、數值型變數描述的數據）粒度計算理論與方法。主要內容包括：（1）利用混合數據聚類技術對連續數值屬性的值域進行粒化，進一步誘導論域上的二元關係，建立混合數據的粒化方法；（2）在混合數據粒化的基礎上，研究隱含於數據中的概念的格結構及其概念格構造方法，研究粒度的運算及運算下粒度世界的代數結構；（3）在此基礎上開展多粒度與動態粒度視角下的混合數據約簡、知識獲取與評價研究。系統地發展面向混合數據建模、分析與計算的粒度計算理論與方法，開發一個可用於混合數據建模與分析的實驗系統。本項目研究成果將豐富粒度計算理論，拓展粒度計算的數據適用範圍，探索複雜信息處理的新途徑，對數據挖掘和知識發現的研究有重要的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混合數據為研究對象，以粗糙集、概念格等理論為基本工具，發展面向混合數據的粒化、不確定性度量、知識獲取與推理的粒計算新理論與新算法，並套用於文本數據、遙感數據的分析與處理。主要研究結果如下：（1）在混合數據的粒度的代數結構與聚類最優粒度選擇方面，通過定義模糊粒的四種運算，證明了混合數據的粒度空間可被理解為一個有補格結構；以熵為主要工具，設計了面向混合數據聚類的最優粒度選擇算法。（2）在信息系統中知識粒度的刻畫方面，考慮了現在常用來度量粗糙性的模糊熵是否有效的問題，給出了模糊熵可用來度量粗糙性的必要條件。（3）在基於概念格的粒計算與推理方面，提出了概念格構建與規則獲取的模糊粒化基方法；提出了基於概念格不同粒度的領域本體構建方法；提出了基於概念格的多示例學習方法；研究了模糊決策背景和模糊決策蘊涵的概念及其語義和語構特徵，討論了一致閉包與模型的關係，證明了導出的推理規則的協調性和完備性。（4）在符號數據的聚類方面，提出了面向生物數據有效的k-modes算法和賦權的k-modes子空間聚類算法。（5）在理論成果的套用方面，主要是研究了文本情感分類、聚類問題，以及空間數據分析中的分類、空間關係抽取問題。這些成果豐富了粒計算理論，為混合數據分析與處理提供了新方法與新算法。