基于多粒度的信息交流与融合方法及应用研究

Information communication and fusion are technologies for information collection, conversion and synthesis among different data sources. These technologies can mine potential and useful information for classification and decision making. However, massive amounts of data have been stored in many databases of production practices and the data redundancy has brought out many difficulties for information communication and fusion between datasets...This project plans to study information communication and fusion among massive data by using multi-granular computing and generalized homomorphism. Concretely, by characterizing dependence function, information uncertainty measure, data granulation and information approximation with multiple levels of granularity under homomorphism, we study the theory and algorithms for homomorphic transformation of massive data in multiple levels of granularity. On this basis, we study how to apply homomorphism theory to fuse decision rules and large datasets from multiple levels of granular data, and study the theories and algorithms for homomorphic data compression, and for attribute reduction and feature fusion in mutiple-granular massive data. These research items can help to facilitate the implementation of information communication and fusion. Finally, we test the proposed techniques in power equipment fault diagnosis to verify their effectiveness..The project will provide effective models and algorithms for information communication, fusion and feature selection in massive data. The output of this research can provide a powerful tool for users to handle complex data and be used in various areas including fault diagnosis and so on.

信息交流和融合技术是对不同数据源的信息进行采集、转换及合成，从而挖掘潜在有用的信息进行分类和决策。但许多生产实践领域中保存了大量类型多样、结构复杂的冗余数据，这为研究数据之间的信息交流和融合问题带来了诸多困难。.本课题拟基于多粒度数据挖掘理论，引入广义信息同态概念来研究海量数据的信息交流和融合问题。通过研究特征依赖度函数、知识的不确定性度量、数据粒化、知识近似表达在信息同态条件下的多粒度刻画方法，研究海量数据的多粒度信息交流理论与算法。在此基础之上，研究海量数据的多粒度信息融合方法；研究基于多粒度的海量数据的信息同态压缩方法以及海量数据属性约简算法，从而实现海量数据的信息交流和融合。为了验证所提方法的有效性，将其应用于电力系统设备故障诊断。.该项目的研究可为海量数据的信息交流、融合和属性约简提供有效的方法和算法，其研究成果能为用户处理复杂海量数据提供一个有力的工具，具有广泛的应用前景。

本项目针对在生产实际中的海量冗余数据，以模糊集、粗糙集理论为工具，研究了复杂数据的多粒度信息交流机制和融合方法，取得了一系列创新性成果，基本上达到了预期的研究目标。研究结果具体包括四个方面内容：.1.多粒度层次下的信息交流方法。.在代数中把同态运算定义为保持代数运算的特殊映射。然而，在实际应用中，同态概念是一个非常苛刻的条件，在大多数情况下很难满足。本项目基于多粒度数思想，把同态概念作进一步拓展，研究了海量数据的信息交流问题。通过研究粗糙集理论中的特征依赖度函数、知识的不确定性度量、数据粒化、知识近似表达在信息同态条件下的多粒度刻画方法，研究了海量数据的多粒度信息交流理论。.2.多粒度层次下的信息融合方法.由于单粒度表达的知识完备性差，分类知识准确率不高。本项目基于知识近似表达，引入了融合系数概念，将单粒度下的决策进行了线性融合，从而得到融合问题的目标函数。通过求解目标函数的最优解得到了融合算子函数。在此基础上研究了决策规则融合以及融合决策规则的可靠性度量的性质，进而设计出复杂数据在多粒度层次下相互融合和决策规则融合算法。.3. 复杂海量数据的多粒度同态压缩方法.研究了海量数据的同态构造及其学习算法，把海量数据从多粒度角度上压缩成基本信息结构不变的数据。通过对规模较小数据的规则提取和模式分类达到对原始数据的规则提取和分类，从而实现不同数据之间信息交流的目的。.4. 多粒度属性约简与规则约简.在多粒度层次下，研究了决策和属性的依赖度函数不变的计算方法，设计了特征的重要度度量和属性约简的定义，给出了多粒度分类分析一整套属性约简理论，进而研究了基于最优特征子集的快速搜索策略，以及有效约简算法在多粒度下进行高效的融合方法。.该项目的研究可为海量数据的信息交流、融合和属性约简提供有效的方法，其研究成果可能为用户处理复杂海量数据提供一个有力的工具。