大数据复杂任务的多粒度分解与联合问题求解机制研究

Intelligent analysis and mining of multi-dimensional and cross-domain big data is an important research and application direction of big data processing. The complexity of a problem and task, the uncertainty of information and knowledge, and the dynamic evolution of data, are its key challenges. This project will explore the multi-granularity decomposition and joint problem solving mechanism of big data complex tasks, using such human being intelligence mechanisms as multi-granularity task decomposition, selective information forgetting and associative memorizing. The major research tasks include: multi-granularity knowledge representation and processing of uncertain information and knowledge of big data; adaptive multi-granularity knowledge discovery from multi-dimensional and cross-domain big data based on task decomposition mechanism; selective information forgetting and associative memorizing model based on the bidirectional cognitive transformations between concept’s extension and intension; multi-granularity knowledge dynamical evolution model based on the selective forgetting and associative memorizing mechanisms; multi-granularity decomposition and joint problem solving mechanism of big data complex tasks. These theoretical research results will be used to solve the real life problems such as water quality prediction and early warning, intelligent optimization and dispatching management of industrial systems. A multi-granularity decomposition and joint problem solving model of big data complex tasks will be developed at last.

多维度跨领域大数据智能挖掘分析是当前大数据挖掘研究和应用发展的重要方向，问题任务的复杂性、信息知识的不确定性和数据的动态变化，是其中的关键挑战。本申请项目拟借鉴人类多粒度任务分解、信息选择遗忘和联想记忆机理，探索研究大数据复杂问题任务的多粒度分解与联合问题求解机制，主要包括：基于大数据的不确定性信息知识的多粒度知识表示与处理；基于分解机制的多维度跨领域大数据中的自适应多粒度知识发现；基于概念内涵与外延之间双向认知变换的信息选择遗忘和联想记忆模型；融合选择遗忘和联想记忆机理的多粒度知识动态演化模型；大数据复杂任务的多粒度分解与联合问题求解机制；并在生态环境智能化预测预警、工业系统智能优化调度管理等领域应用系统中进行实验验证。相关研究成果将形成一套有效的多粒度分解与联合问题求解模型理论与方法。

本项目探索研究大数据复杂问题任务的多粒度分解与联合问题求解机制，借鉴人类多粒度任务分解、信息选择遗忘和联想记忆机理，在基于大数据的不确定性信息知识的多粒度知识表示与处理方法、基于分解机制的多维度跨领域大数据中的自适应多粒度知识发现方法、基于概念内涵与外延之间双向认知变换的信息选择遗忘和联想记忆模型、大数据复杂任务的多粒度分解与联合问题求解机制、融合选择遗忘和联想记忆机理的多粒度知识动态演化模型以及基于大数据的不确定信息知识的粒化策略等方面进行了深入研究，达到了预期研究效果：探索了知识与数据双向驱动的粒认知计算，为大数据的知识发现提供了有效的问题求解框架；实现了知识的多粒度(结构化)描述；提出了针对大数据的基于人脑认知机理的多粒度认知计算模型；提出了密度峰值聚类中的“引领树”结构，构建了不确定性大数据的多粒度聚类与知识发现模型；建立了大数据的不确定信息知识不确定性度量方法，实现了在模糊等价关系的知识距离度量；提出了基于信息熵的渐进式流特征选择方法，构建了序贯三支决策粗糙模糊集的知识动态演化模型；在生态环境水质智能预测、社交网络知识发现、图像处理等应用领域中取得了良好的效果。项目负责人入选首批“重庆英才·优秀科学家”，培养毕业博士生6人、硕士生1人。组织召开国际学术会议4次和全国学术会议6次，应邀作国际会议特邀报告8次、全国会议特邀报告21次。发表学术论文48篇(其中，SCI收录21篇、EI收录33篇)，出版专著3部(含编著)，获得发明专利授权1项。项目负责人作为特邀编委组织出版《计算机科学》专刊1期、《CAAI Transactions on Intelligent Technology》专刊1期。项目相关成果获“吴文俊人工智能科学技术奖科技进步一等奖”、IJCRS2018和IJCRS2019最佳学生论文奖等奖励。