超大规模真实原始数据的浓缩方法

本项研究针对网络信息处理中遇到的大规模真实文本的浓缩问题，采用“规则加例外”的优化策略，进行海量信息的分类和聚类，达到用少量精炼的浓缩信息概括原始海量数据的效果和目的。具体取得了如下的成果：根据认知心理的原理建立规则加例外的粗糙集计算模型；将规则加例外的模型拓展到知识粒度计算；设计了基于知识粒度的、具有较高泛化能力的分类算法；遵循拟物的思想提出了基于引力势场拓扑结构的实数变量的聚类算法；借鉴局部优化的思想将规则加例外的策略用于名义尺度变量的聚类；提出了文本聚类的权重迭代策略。通过本项目的研究。揭示了海量数据浓缩的优化本质，并积累了结构化和非结构化数据的分类、聚类和规则提取等数据浓缩操作的实用算法，在网络信息服务中得到了初步的应用。