基于粒计算与证据理论的多粒度空间知识获取方法研究

Granular computing has become one of the most vivid directions in the research fields of artificial intelligence and information science. It is about theory reasoning and information processing of granules and granule structures from the perspectives of multiple granularities and multiple levels. By using the tools of Granular computing, evidence theory, rough set and decision analysis, the main objective of this project is to investigate the acquisition of efficient knowledge in muti-granulation spaces under multi-scource environments. It will be realized through the following specific goals: (1) Basic granularity selection techniques and principles in multi-granulation spaces; (2) Granularity transformation techniques between multi-granulation and single-granulation spaces; (3) Basic principles for connecting rough set and evidence theory and decision making methods of muti-scource information by combing rough set and evidence theory. This work aims to solve some basic problems and key technologies in multi-granulation spaces within the framework of Granular computing, and will be of theoretic significance and valuable applications in data mining and intelligent computing of muti-scource information.

粒计算已成为人工智能与信息科学领域一个极为活跃的研究方向。它旨从多粒度、多层次的视角，研究信息粒及其结构的理论推理与信息处理问题。本课题以多源环境下的信息系统为对象，以粒计算、证据理论、粗糙集与决策分析为工具，研究多粒度空间的有效知识获取问题，主要内容包括：（1）多粒度空间中粒度选择的基本机制与原理；（2）多粒度与单粒度空间的粒度变换机制；（3）不同数据背景下，联系粗糙集与证据理论的基本原理与多源信息决策方法。本课题旨在粒计算的框架下，解决多粒度空间中有效知识获取的一些基本问题和关键技术，对粒计算在多源信息中的数据挖掘与智能计算有重要的理论意义和应用价值。

大数据时代，一些具有高维、异构、分布式特征的大规模海量数据不断涌现。如何从数据中挖掘中有价值的的知识是一项重要课题。本课题以由多源数据所粒化的多粒度空间为研究对象，以粒计算、证据理论、粗糙集与决策理论为工具，研究多源数据中有效知识的获取问题。具体研究内容涉及：（1）研究多粒度空间的所有粒度约简集以及最优的粒度约简集。并以此为基础，构造多粒度空间的粒度选择的启发式方法。（2）利用粗糙集来分析概念的粗糙性，利用信息熵、互信息来度量知识的不确定性。（3）结合粗糙集理论与证据理论，对多源数据集中的目标概念给出定性与定量化的刻画，研究融合性的决策方法。. 通过对以上内容的研究，获得了如下成果：（1）以多源数据下的多粒化结构为对象，给出最优粒度选择的基本原理，构建局部最优粒度选择的启发式方法。（2）利用粗糙集、证据理论，给出了多源数据集的知识不确定性。（3） 给出多源数据背景下，联系粗糙集与证据理论的基本原理，构建两者相互刻画和表示的统一性框架。 . 科学意义：阐述了多粒度空间的粒度选择的基本原理，产生了粗糙集与证据理论的融合性方法，求解了多源数据中决策规则的获取问题。本项研究主要解决了粒计算在多源数据处理中的一些基本问题和关键技术，对粒计算在多源数据中的数据挖掘与智能计算有重要的理论意义和应用价值。