模糊决策条件下的多粒度决策粗糙计算模型研究

All kinds of computing models have been proposed in the area of intelligent information processing. Noting that people always face the fuzzy data during the problem sloving, this project is planned to study the multigranulation decision-theoretic rough computing models with fuzzy decisions under the framework of granular computing. It aims to illustrate the granulation mechanism, the uncertainty in granulation, granulation semantics and the superiority of the corresponding models under fuzzy decisions circumstances and may provided new ideas and methods for the deep study of the multigranulation decision-theoretic rough computing models with fuzzy decisions. The main topics of this project can be described as follows:.(1) We shall study different granularity selection mechanisms and find the benign properties of those mechanisms. Then we shall establish a new granularity selection mechanism based on the finding benign properties, and study the corresponding mathematical properties of the new method..(2) A system of region granules is explored, the hierachy structures is studied to explore both the quantitative semantics extraction and optimal computing of the multigranulation decision-theoretic rough computing models with fuzzy decisions..(3) New multigranulation decision-theoretic rough computing models with fuzzy decisions will be studied, a system of some concrete models and the expansion structures are explored..These studies will give us a further understanding of granulation mechanism and also be helpful in solving the real life complex problems where hierarchy and structure is involved.

针对复杂数据的处理，人们已提出许多计算模型。根据人类在实际中处理的问题往往具有模糊性这一特征，本项目基于粒计算方法，进行模糊决策条件下的多粒度决策粗糙计算模型的相关研究，阐明在模糊决策条件下数据粒化过程中的不确定性、粒化的语义及相应模型的形成机理和应用功效，为系统研究模糊决策条件下的多粒度决策粗糙计算模型提供研究思路和方法。研究内容主要有：（1）研究各种粒度选择策略，提取出良性方法，总结其规律并建立优质的粒度选择机制，并研究相应数学特性；（2）研究模糊决策条件下的多粒度决策粗糙计算模型的区域粒体系，构建整体粒层次结构，探讨模型的粒化语义提取与优化计算；（3）研究模糊决策条件下的多粒度决策粗糙计算模型的扩张理论，构建具体的粗糙计算模型系统并研究其扩张结构，挖掘良性粒化机制。通过本项目的研究，将可以进一步完善多粒度决策粗糙集模型的理论与方法，提升多粒度决策粗糙集模型的性能并拓展其应用范围。

粒计算是在解决大规模复杂问题时模拟人类思考问题自然模式的一个新的理论、技术和方法，其基本思想是在问题求解过程中使用信息粒，从不同角度、不同层次上对现实问题进行描述、推理与求解。粒计算改变了传统的计算观念，使信息处理更科学、合理和易操作，在海量数据挖掘的研究中有着独特的优势，在智能系统的设计和实现中有着重要的作用。本课题组采用粒计算的多视角和多粒度思想，并考虑决策的模糊性，分别开展了基于粒化机理的覆盖多粒度粗糙计算模型、粒的不确定性度量以及覆盖多粒度三支决策粗糙计算模型等3个方面的研究工作，对粒计算理论中知识获取与推理方法进行了系统、深入、有效的研究工作，在理论和应用方面取得了有价值的研究成果。课题对传统的粒表示和粒计算的方法进一步扩展与丰富，提升其处理实际数据的能力，并且对粒计算在机器学习以及数据挖掘等相关领域的应用做了积极的研究探索，对于智能信息处理的研究具有重要的理论和应用价值。