基于概念格的属性约简与知识获取方法研究

信息系统知识发现是智能信息处理的关键问题，近年来，概念格理论与粗糙集理论已经成为数据分析与知识处理的有力工具。本课题以决策形式背景和模糊形式背景为研究对象，以包含度理论、粗糙集理论和信息熵理论为工具，系统研究基于概念格的属性约简与知识获取方法。主要内容有：利用包含度理论建立变精度概念格模型，研究在不同精度与不同粒度下概念格的结构、属性重要性程度、属性约简等问题；给出决策形式背景下基于蕴含算子的属性约简方法与决策规则提取方法；研究模糊形式背景下概念格约简与模糊规则提取方法；建立相对依赖空间理论，并应用于决策形式背景与决策表的约简；探索新的信息熵，定义知识的不确定性度量与知识之间的包含度，进而给出命题知识的计算推理方法。本课题的研究成果不仅将丰富和发展概念格理论，而且在网络工程、管理科学、地理信息系统、信息检索、机器学习等方面有广泛的应用价值。