面向多源数据的多粒度计算方法研究

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 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 data sets. It will be realized through the following specific goals: (1) Develop information granulation strategy and uncertainty measures for granulation; (2) Explore the multigranulation structure and its reasoning; (3) Investigate multigrnaulation fusion and decision rules fusion from multi-source information system. These research results 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 market forecasting, decision management, and 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。本课题以多源数据集为研究对象，以粗糙集、证据理论等为工具，研究多源信息系统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）发展不同意义下多源信息粒化策略及粒化不确定性研究；（2）构建多粒度的结构表示与推理机制；（3）研究面向多源信息的多粒度融合和决策规则融合机制。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，而且对市场预测、决策管理和医疗诊断等应用领域有重要的理论意义和应用价值。

本项目主要是本项目旨在大数据背景下,研究多源数据多粒度计算的基础科学问题与关键技术。在对大数据所具有的本质特征的分析和理解基础上，强调进一步挖掘人类复杂问题求解的多粒度认知机理，研究面向海量性、高维性以及多源性等特征相适应的粒计算理论与方法。目前已经完成的具体研究内容主要包括下列几个方面：（1）在大数据时代，越来越容易收集到大量的多源数据样本，目前使用多个二元关系且可对混合型样本分类的已有方法较耗时.为克服这个不足，提出了两类局部邻域多粒度粗糙集模型和多源多决策多尺度模型，并研究了一些相关性质。（2）在模糊背景下，提出了模糊多粒度决策粗糙集。（3）提出的RPN网络的实现方法，引用了K-Means++聚类算法，来对训练数据集中的目标框大小进行聚类分析，替代原本算法中的9个区域框。通过实验对比分析，通过改进的方法提高了车辆检测的精度。（4）建立了基于顶点覆盖的粗糙集属性约简模型。并把顶点覆盖问题的理论方法引入粗糙集的属性约简问题中。（5）从邻域粒计算的角度提出了多源信息系统的决策规则融合算法。截止目前为止，共发表与本课题相关的论文22篇，其中被SCI收录10篇。达到了预期的研究目标.