面向高维数据的粒计算理论与方法

Granular computing is an effective method in the field of intelligent information processing and complex problem solving, in which Multigranulation computing is one of the important research contents, and its solution strategy fits the actual needs of high dimensional data mining. It is very important and significant to explore new theories and methods of Multigranulation computing for high dimensional data. In this project, we are going to carry out systematic study on the data granulation, multi-granularity feature dimension reduction, multi-granularity pattern discover and application demonstration, which is aimed at solving the problems brought by sparsity, redundancy, noise in high dimensional data. Specifically, main contents of the project include: (1) Explore the granulation mechanism of high dimensional data, and give the basic strategies and algorithms of data granulation from perspective of features; (2) Investigate the method of fusing data geometry structure, and propose feature selection algorithms and feature extraction algorithms for high dimensional data; (3) By means of sparse representation and low rank representation, introduce the Multigranulation learning model and algorithm for the pattern discovery of high dimensional data; (4) Based on micro-blogging text data, develop an application demonstration for topic discovery and sentiment analysis. Aiming at the key scientific issues in high dimensional data mining. the results of this project will establish a series of Multigranulation computing models and efficient algorithms, which have important theoretical significance for high dimensional data analysis and mining, will also provide technical support for the development of relevant industry in data analysis.

粒计算是智能信息处理领域中求解大规模复杂问题的有效方法。多粒度计算则是粒计算领域的重要研究内容之一, 它的求解策略与高维数据挖掘的实际需求相契合。探索高维数据多粒度计算新理论与新方法具有重要的理论意义与应用价值。本项目针对高维数据的稀疏、冗余、高噪声等特点，从数据粒化、多粒度特征降维、多粒度模式发现与应用示范等方面着手开展深入系统的研究。具体内容包括：（1）探索高维数据的特征粒化机理，给出特征方向数据粒化的基本策略和算法；（2）研究多粒度数据几何结构融合方法，提出高维数据的多粒度特征降维算法；（3）基于稀疏表示、低秩表示等方法，构建高维数据模式发现的多粒度学习模型与算法；（4）以微博文本数据为载体，在话题抽取与情感分析方面开展应用示范。本项目瞄准高维数据挖掘中的关键科学问题，开展多粒度计算模型与高效算法研究，研究成果对数据挖掘研究具有重要理论价值，也将为数据分析产业的发展提供技术支撑。

高维数据是机器学习、模式识别、生物医学等领域的数据普遍存在的形式。项目针对目前高维数据挖掘时面临的维数灾难、数据冗余、以及计算代价巨大等挑战开展核心科学问题研究，从多粒度的角度出发，以机器学习和粒计算的现有方法和理论为基础，探索面向高维数据的多粒度计算理论与方法。在高维数据的特征空间粒化方面，提出了面向符号数据的层次聚类算法、基于样本对加权共协关系矩阵的聚类集成算法；在高维数据的多粒度降维方面，针对特征抽取任务，提出了自适应稀疏表示引导的无监督降维、基于稀疏表示的多视图无监督降维算法，针对特征选择任务，提出了基于区分矩阵的增量属性约简算法、基于压缩决策表的增量属性约简算法、基于信息粒化的快速Relief算法、基于区分矩阵的多粒度属性约简算法、面向多标签数据的特征选择算法，针对度量学习任务，提出了基于聚类约束的度量学习方法；在高维数据的多粒度模式发现方面，提出了基于多聚类自适应融合的无监督降维算法、自适应融合多聚类结果的半监督学习方法；在微博数据事件抽取和情感分析的应用方面，基于上述理论研究成果研发了微博情感分析原型系统。项目成果为高维数据的挖掘提供了可行的技术方法，也为粒计算理论拓展了新的研究方向和研究思路，对数据挖掘和知识发现有着重要的研究价值，也将为数据分析产业的发展提供技术支撑。