多源直觉模糊数据集知识发现的粒计算方法研究

Granular computing, as an important tool for knowledge acquisition and data mining, is a new theory, technology and method, which aims to simulate human thinking in solving large-scale complex problems. The key idea is to describe, reason and result problem from different views, different levels using information granules. By using the tools of rough sets, random sets, concept lattices and the evidence theory, the main objective of this project is to investigate theory and approach to information fusion, granular computing and knowledge acquisition from multi-source intuitionistic fuzzy data sets. It will be realized through the following specific goals: (1) To build models for the representation and emerging of information granularities form multi-source intuitionistic fuzzy data sets; (2) To explore theory and approach of information fusion and rule induction in multi-source intuitionistic fuzzy data sets; (3) To study algorithms of information fusion based on granular computing in multi-source intuitionistic fuzzy data sets; (4) To investigate uncertainty analysis for multi-source intuitionistic fuzzy information fusion. The results of this projects will not only enrich the theory of granular computing and information fusion by providing new theories and approaches for data mining in complex data, but also will be of theoretic significance and valuable applications in research fields such as spatial analysis, medical diagnosis, and so on.

作为知识获取和数据挖掘的重要工具，粒计算是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。本课题以多源直觉模糊数据集为研究对象，以粗糙集、概念格、证据理论等为工具，研究多源直觉模糊信息系统和形式背景中信息融合与知识获取的粒计算理论与方法。主要研究内容包括：（1）发展多源直觉模糊数据集信息粒度的结构表示与融合方法；（2）建立带决策多源直觉模糊数据集信息融合的规则提取与决策分析方法；（3）研究基于证据理论的多源直觉模糊数据集的信息融合及知识获取的粒计算方法；（4）分析多源直觉模糊数据集信息融合前后的不确定性问题。本项目研究成果不但能够丰富粒计算和信息融合理论，为复杂系统的数据挖掘及不确定性分析提供新的理论和方法，而且对空间数据分析、医疗诊断等应用领域有重要的理论意义和应用价值。

本课题自2014年8月份立项以来，课题组成员根据研究计划书内容，结合国内外该领域发展情况，紧扣拟解决的关键科学问题，以多源直觉模糊数据集为研究对象，以粗糙集、概念格、证据理论等为工具，研究了多源直觉模糊信息系统的信息融合的粒计算理论与方法及其不确定性理论问题，建立了多源直觉模糊信息系统的决策分析模型、发展了多源直觉模糊信息系统的信息融合、知识发现的理论与方法。完成了预定研究内容。取得了以下主要进展与重要成果。.1.建立了直觉模糊信息系统的分布、分配以及相对知识粒度等属性约简方法三种重要的属性约简方法，研究了对应重要性质。.2.发展了序信息系统及直觉模糊序信息系统下基于精度与程度的“逻辑与”、“逻辑或”逻辑运算关系双量化信息融合模型，建立了基于逻辑运算的多源数据集信息融合及知识获取的粒计算方法。.3.建立了多源决策信息系统、模糊多源决策信息系统的属性约简， 并进一步给出了多源决策信息系统的概率决策粗糙集模型，建立了带决策多源模糊数据集信息融合的规则提取与决策分析方法。.4.研究了序信息系统、模糊区间值模糊信息系统的多粒度决策融合模型与方法，并给出了广义多粒度双量化决策粗糙集模型，建立了多源模糊数据集的多粒度信息融合及知识获取的粒计算方法。.5.发展了基于形式概念分析的多源信息融合与认知概念学习理论，并给出了基于的主要特征概念学习方法。讨论了模糊信息系统中信息融合、知识获取的形式概念分析方法。.6.研究了动态区间值信息系统的信息融合模型与方法，并对多源区间值模糊信息系统在对象和属性增加减少时，从拓扑结构、信息及证据等方面进行不确定性分析。.7.发展了多源不完备信息系统的信息融合的粒计算理论与方法，构造了基于粒计算的模糊、不完备模糊环境下带决策多源信息系统信息融合规则提取的理论模型与方法。