本体学习的粒计算模型与方法研究

面向主题的领域数据源具有内部结构不完整、内容不完备或不精确或不确定、数据量大和动态存储等特点，对其进行知识抽取以构建近似本体时必然给本体学习算法带来很大的挑战。粒计算方法非常适用于进行不完备信息处理。本课题从知识表示和知识获取的角度出发，旨在从模型理论、方法和应用三个方面开展面向本体学习的粒计算模型和方法的研究工作。主要包括（1）给出领域数据源的形式化描述和粒化方法，构建面向本体学习的领域概念粒度空间模型；（2）针对本体概念获取的需要，提出领域多层次概念获取的粒计算方法；（3）针对本体关系学习的需要，提出领域多维多层次粒之间关联关系获取的粒计算方法；（4）针对本体非分类关系学习的需要，提出粒间交叉关系获取方法；（5）提出基于粒计算的本体学习框架和研制基于粒计算的本体学习实验系统原型。本课题的研究对本体学习和粒计算数据挖掘两方面都具有重要的理论意义和很高的应用价值。

研究主要从三个层面进行，首先，进行了面向概念获取与关系获取的粒计算方法的研究。主要包括：（1）针对不完备和多值的领域信息系统，研究了信息函数的扩展，领域信息系系统中信息粒（概念粒）、粒集和粒度结构的形式化描述，研究了粒之间的合成与分解运算方法和具有的一些性质，提出了领域概念粒度空间模型；（2）在此模型的基础上研究了中基于粒计算的概念获取的方法，结合数据挖掘技术提出了基于粒计算的分类关系获取的方法；（3）通过对不同领域概念粒度空间来构建粒间上下文，提出了基于粒计算的非分类关系获取的方法。其次，进行了模型和有关方法在实际领域中的应用研究。主要涉及：（1）粒计算方法在气象领域的雷电预测中应用研究；（2）粒计算方法在隐私保护中的应用研究；（3）粒计算方法在布料色卡图像检索中的应用研究；（4）基于MapReduce的粒计算在决策树分类中的应用研究。第三，着力于研究粒计算的基本理论，课题组基于非标准分析将粒计算作为一种粒数数系被研究，研究了粒运算的基本定律、粒与粒之间的不可区分关系和这种粒数系中描述型的形式语言等。用非标准分析的理论来研究粒计算，旨在探索出一条新的基于二元关系的粒计算模型。