复合关系粗糙集模型及高效知识发现算法研究

现实信息系统中可能存在多种类型的数据如数值型、名义型、集值型和区间值型等。因此，在不同属性上对象之间可存在等价关系、相容关系和优势关系等不同关系，而且在集值型的属性上还可能存在复杂的函数关系。所以，建立一种能有效处理多类型数据的复合关系粗糙集模型，可以更好地满足实际应用需求，扩大粗糙集模型的应用范围。本项目对复合关系粗糙集模型和基于该模型的高效知识发现算法进行系统研究。研究内容包括四个部分：1.函数集值粗糙集模型的建立和性质研究；2. 函数集值粗糙集模型下高效知识发现算法研究、设计及验证；3.复合关系粗糙集模型的建立和性质研究；4.复合关系粗糙集模型下高效知识发现算法研究、设计及验证。这些问题的解决，对于完善粗糙集的理论与方法，提高其解决复杂数据问题的能力和知识发现的效率有着重要的现实意义。

本项目对可以有效的处理多数据类型、多关系的复合关系粗糙集模型及高效的知识发现算法进行研究，完成了原定研究计划并取得以下主要成果：1）构建了处理多数据类型多关系的扩展粗糙集模型：复合关系粗糙集模型、概率复合关系粗糙集模型、复合优势关系粗糙集模型、复合信息系统中基于复合距离和高斯核的模糊粗糙集等扩展粗糙集模型，刻画了不同复合粗糙集模型的基本性质。2）研究了不同复合关系粗糙集模型下的知识发现算法：在复合关系粗糙集模型中提出了该模型中近似集、正域、负域和边界域的矩阵计算方式，设计了基于矩阵的近似集增量更新的算法；提出了概率复合关系粗糙集模型中属性约简的方法；建立了复合优势关系粗糙集模型中优势关系的矩阵表示、矩阵的相关运算以及上、下近似集的矩阵运算方法；在基于复合距离和高斯核的模糊粗糙集模型中，提出了增加/删除一个属性特征增量选择算法。3）提出了函数集值粗糙集模型，定义了该模型下的信息熵和粒度表示，给出了它的性质；刻画了集值信息系统中属性集、对象集、属性值以及对象和属性同时变化时知识粒度动态变化的原理，提出了集值信息系统中属性集、对象集、属性值以及对象和属性同时变化时近似集更新算法。4）粗糙集模型中，建立粒计算框架下知识的有效表示以提高知识发现的效率。在属性值粗化细化时，分析了最小辨识属性集以及规则的变化性质，提出了不协调决策系统中基于粗糙集的规则增量更新算法；在决策粗糙集模型中，当属性和对象同时变化时，通过增量更新不同子空间的等价类特征矩阵从而更新信息系统的等价类特征矩阵。本项目共发表/录用论文40篇，其中国际SCI刊物17篇（包括一流国际期刊IEEE Tran. TKDE、IEEE Tran. TFS等），EI刊物2篇，国际会议论文19篇；初步查到被SCI检索12篇、EI检索27篇、ISTP检索8篇；特邀SCI期刊专辑编辑1次、出版2本国际会议论文集；获得国际会议优秀论文、全国会议优秀论文奖各1项；获得ACM成都分会优秀博士论文奖、IEEE成都分会优秀学生论文奖各1项；完成软件1套；国际会议分组报告12次，全国性会议分组报告2次。