复杂时空知识的智能处理基础理论及应用研究

时空知识是知识的重要组成部分。时空知识处理研究具有重大理论意义和应用价值，时空知识表示、推理、发现和融合是其核心子域，其研究已获重要进展，但还存在如下主要问题：缺乏复杂空间对象、复杂空间关系和统一时空知识建模等研究；大多数时空推理理论与方法还难于解决实际问题；挖掘出的时空模式表达能力偏弱、可理解性较差；时空推理与时空数据挖掘未能深度结合；时空信息融合问题仍未很好解决。为此，本项目拟围绕以上复杂时空知识处理问题开展系统、深入研究，提出能有效处理复杂空间对象、复杂空间拓扑和方向关系、三维空间关系的模型，统一时空逻辑，多时间粒度交互时空模式挖掘方法，推理和挖掘的深度结合方法和多源异构、多粒度时空数据融合及多时空知识融合方法等，并将其应用于矿产资源评价等领域。本项目的实施将建立复杂时空知识处理的基础理论，解决现实世界时空知识处理方面的一批关键难题，深化、拓展、推动时空知识处理研究与应用。

通过对复杂时空对象、时空关系和时空逻辑等的系统、深入研究，建立复杂时空知识表示与推理较完善的基础理论。重点研究复杂内部结构空间对象、复杂拓扑关系、多种空间关系结合等更为复杂的问题，提出了一系列复杂时空知识建模方法。我们发现图像特征中隐含着有意义的空间模式，通过应用空间知识表示与推理方法，能够有效发现和利用这些空间模式，在一定程度上提升图像分类、图像检索效果，由此开辟了一条新的空间知识表示与推理应用途径。在时空知识发现方面，首次探讨了社会经济因素对输入型流行病传播的影响，提出了融合环境、地理、人口统计、气候、社会经济指标和流行病监控数据的主动监控规划方法；融合了人口统计数据，流行病学数据和异构的流行病爆发数据等多种类型的可用数据，提出了基于流病模型的张量反卷积计算框架，实现了对动态社会接触结构的建模与推断；通过改进主题模型，提出了多种时空知识发现方法，提高了分类的准确性与稳定性。在时空相关的网络分析方面，揭示了社区结构与马尔科夫动力学过程亚稳态的内在联系，提出了新的谱图分析理论；提出能够有效处理零先验知识网络的多元结构建模和发现方法；结合信任网络分析方法提出了社会化协同过滤推荐算法，比现有方法更好的解决了数据稀疏和冷启动问题；提出一种新型随机块模型及快速学习算法，以及结合网络拓扑与结点内容的社区发现模型。在时空知识决策方面，提出了结合进化算法和支持向量机的智能决策方法，结合过滤型特征筛选技术的混合极限学习分类方法，基于并行群智能框架的支持向量机自适应模型。在时空知识融合方面，提出了贝叶斯网推理及学习新方法，提出基于凸函数证据理论的信息融合新模型。将复杂时空知识处理新方法用于矿产资源评价和预测，建立了基于专家乘积模型理论的找矿证据组合求异矿产靶区预测模型和多元地球化学异常识别模型，建立了基于RBM模型的矿产靶区预测模型，建立了基于CRBM模型的复杂多元地球化学背景场的地球化学异常识别模型，建立了矿产靶区预测的极限学习机回归和分类模型，建立了基于蚁群算法的地球化学异常识别模型；并将上述模型成功应用于多个实验区矿产靶区预测和多元地球化学异常提取。