大规模模糊覆盖信息系统规则提取算法及其应用研究

Rule extraction is one of the key tasks of granular computing in which complexity and accuracy are two important indices for measuring how much rule extraction can be successful. We make a series of studies to reduce complexity of rule extraction and improve accuracy of rule extraction in large-scale fuzzy covering information systems. The content includes three aspects as follows: (1) To compute characteristic matrices quickly using technique of multi-source information fusion and parallel computing methods，study granular reduction of large-scale fuzzy covering approximation spaces based on characteristic matrices, and design efficient algorithms for granular reduction of large-scale fuzzy covering approximation spaces.(2) To study covering reduction of large-scale fuzzy covering information systems based on multi-granulation cognitive mechanism and intelligent optimization methods, and design effective algorithms for covering reduction of large-scale fuzzy covering information systems.(3) To study precision rule extraction of large-scale fuzzy covering information systems based on deep learning strategies, and present parallel algorithms for precision rule extraction of large-scale fuzzy covering information systems, and explore their applications in medical diagnosis systems. The project will provide a new solution for precision rule extraction of large-scale fuzzy covering information systems. The results of project which have important theoretical significance will promote the development of intelligent information processing.

规则提取是粒计算理论研究的主要内容之一，而时间复杂度和准确性是衡量规则提取在多大程度上取得成功的两个重要指标。本项目将围绕如何降低大规模模糊覆盖信息系统规则提取的复杂度以及提高规则提取的准确性展开研究。研究内容：(1)利用多源信息融合技术和并行计算方法快速构建特征矩阵，基于特征矩阵研究大规模模糊覆盖近似空间粒约简，设计大规模模糊覆盖近似空间粒约简的高效算法。(2)采用多粒度认知机理和智能优化方法研究大规模模糊覆盖信息系统覆盖约简，设计大规模模糊覆盖信息系统覆盖约简的快速算法。(3)借鉴深度学习策略研究大规模模糊覆盖信息系统精准规则提取，设计大规模模糊覆盖信息系统精准规则提取的高效算法，探讨其在医疗诊断系统中的应用。本项目的研究将不仅为大规模模糊覆盖信息系统精准规则提取提供一种新的解决方案，而且对推动智能信息处理的发展具有重要的理论意义。

本项目基于特征矩阵和相关族理论研究了大规模动态覆盖近似空间集合近似计算和大规模动态覆盖信息系统属性约简问题，并基于粒计算理论建立了三支冲突分析模型。.(1)针对大规模动态覆盖近似空间集合近似计算问题，在属性集变化的大规模动态覆盖近似空间中，我们基于增量方法计算了动态集合的第二型和第六型上、下近似，提出了计算动态集合第二型和第六型上、下近似的增量算法,通过数据实验验证了所提出的增量算法在大规模动态覆盖近似空间中计算集合近似的高效性。.(2)对于大规模动态覆盖信息系统属性约简问题，基于相关族理论研究了对象集、属性集和属性值集变化的大规模动态覆盖信息系统属性约简，设计了属性约简的增量方法，通过数据实验验证了提出的增量算法能高效地计算大规模动态覆盖信息系统属性约简。.(3)在冲突分析方面，基于三支决策理论建立了三支冲突分析模型，设计了有效的冲突分析聚类算法，改进了Pawlak教授所提出的冲突分析模型，为冲突分析提供了有效的工具和方法。. 基于以上研究工作，我们为大规模覆盖信息系统属性约简和冲突分析提供了有效的工具和方法。