犹豫模糊环境下的粒计算与信息融合研究

Granular computing and information fusion are currently two new active directions in the research fields of artificial intelligence, especially in intelligent information processing. They imitate human being's thinking and objectives to establish effective computation models for the modeling, analysis and computation of large scale complex data. Hesitant fuzzy set theory is more flexible and practical to present uncertainty and ambiguity than classical fuzzy set theory. By using the tools of rough sets and concept lattices, this project aims to investigate theory and approach to information fusion, granular computing in information systems and formal contexts under the hesitant fuzzy environment. The main contents include: (1) To build models for the representation and relationship of information granularities for hesitant fuzzy information systems; (2) To explore theory and approach of attribute reduction and rule induction in hesitant fuzzy information systems; (3) To study algorithms of information fusion based on granular computing in hesitant fuzzy information systems; (4) To investigate uncertainty analysis, approximate reasoning and their visualization for hesitant fuzzy information systems. This project will systematically develop the theory and method of granular computing for modeling , analysis and computation of hesitant fuzzy data, and exploit an experimental system for the modeling and analysis of hesitant fuzzy data. The results of this project will not only enrich the theory of granular computing and information fusion by providing new theories and approaches for data mining in complex data, and will also has theoretic significance and valuable application in research fields such as spatial analysis and so on.

粒计算和信息融合是当前人工智能，特别是智能信息处理领域非常活跃的研究方向，它们模拟人类思考模式，以处理大规模复杂数据的建模、分析与计算为目标。犹豫模糊集比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。本课题以犹豫模糊环境下的信息系统和形式背景为研究对象，以粗糙集和概念格为工具，研究犹豫模糊复杂信息系统的信息融合、粒计算理论与方法。主要内容包括：（1）犹豫模糊信息系统的信息粒度的表示与关系研究；（2）犹豫模糊信息系统的属性约简与规则提取研究；（3）犹豫模糊信息系统基于粒计算的信息融合算法研究；（4）犹豫模糊信息系统的不确定性分析、推理及可视化研究。系统地发展犹豫模糊数据建模、分析与计算的粒计算理论与方法，开发可用于犹豫模糊数据建模与分析的实验系统。本项目研究成果不但能够丰富粒计算和信息融合理论，同时为复杂系统的数据挖掘及不确定性分析提供新的理论和方法。

粒计算和信息融合是当前人工智能，特别是智能信息处理领域非常活跃的研究方向，它们模拟人类思考模式，以处理大规模复杂数据的建模、分析与计算为目标。犹豫模糊集比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。本课题以犹豫模糊环境下的信息系统为研究对象，以粗糙集和概念格为工具，研究了犹豫模糊复杂信息系统的信息融合、粒计算理论与方法。主要研究内容和结果包括：（1）犹豫模糊信息系统和一般模糊信息系统的信息粒度的的结构和表示研究，研究给出了不同序结构下的信息粒度的代数结构与拓扑结构、表示、合成、分解及运算等；（2）犹豫模糊信息系统和一般模糊信息系统的属性约简与规则提取研究，研究给出了不同信息粒度和序关系下的属性约简和规则提取方法；（3）基于粒计算的犹豫模糊信息系统和一般模糊信息系统的信息融合算法研究，研究给出了基本信息粒度的融合方法和融合框架下的信息获取研究；（4）犹豫模糊信息系统的不确定性分析、推理及可视化研究，研究给出了不同信息粒度下获取的知识的不确定性分析和量化推理方法及实现。总之，我们系统地发展了犹豫模糊数据建模、分析与计算的粒计算理论与分析方法。本项目研究成果不但丰富了粒计算和信息融合理论，同时为复杂系统的数据挖掘及不确定性分析提供了新的理论和方法。