基于粒计算的不确定性信息度量的理论与方法研究

在不同知识粒度结构中，研究信息粒度与不确定性信息度量的关系，设计粒运算规则、λ阶粒库，构造不同知识粒集之间的相似性度量，建立粒计算的不确定性信息度量处理系统；在不同粒度的近似空间中提出新的条件熵、条件粗糙熵、覆盖粒度熵、概念粒熵等度量理论，并将其应用于最优知识约简、规则度量、相似性度量、属性重要性度量；从属性空间和信息表示角度，讨论分层递阶近似空间中不确定性信息度量方法之间的变化关系，对相关度量方法进行对比分析，建立相对统一的度量标准；对粗糙集、模糊集、Vague集及概念格进行多方法融合，构建基于粒计算的各种粗糙集扩展模型的粗糙性、相似性及模糊性度量方法；对于演化中的数据和粒度决策变化，提出高效的动态约简与增量式算法，结合多粒度时间序列提出决策系统的演化模型，构造其预测算法和近似迭代公式，建立其粒度决策预测方法及评价体系。该项目研究成果对不确定性信息处理及度量提供有效的理论和方法保证。