基于粒计算方法的知识空间研究

Knowledge space theory is one of the most important research topics in the field of cognitive informatics. Granular computing is a new approach to simulating human intelligence and solving complex problems in the study of computational intelligence. Research on knowledge space theory from the perspective of granular computing is a novel and challenging subject. Multi-granule, multi-level structure and granular uncertainty in knowledge space theory will be explored in the project in depth and systematically. The main work of the project is as follows:.(1) Definable granules and their multi-level structures in knowledge space theory will be researched systematically; (2) Based on the hierarchical operator researched in the project, theoretical framework of hierarchical operators in the formal context will be proposed; (3)Representation and measurement of granular uncertainty will be explored systematically; (4) Efficient algorithm in knowledge reduction will be developed according to the characteristics of “and”-relation based skill decision systems and user’s diversified requests on uncertainty rules. In summary, these researches will help us to understand the essence of granular knowledge spaces and have potential value of applications in solving complex problems and developing intelligent systems. .

知识空间是认知信息领域的研究热点之一，粒计算是当前计算智能研究中模拟人类智能和解决复杂问题的新方法。从粒计算角度研究知识空间是一个新的、具有挑战性的研究课题。本项目拟从粒化、层次化与粒机理下的不确定性两个方面入手对知识空间理论进行深入、系统研究。主要研究内容有：（1）系统研究知识空间的可定义粒及其多粒层结构；（2）研究知识空间的层次化算子，结合粒计算相关算子给出形式背景下的统一层次化算子理论框架；（3）系统研究知识空间的粒化不确定性表示与度量；（4） 针对知识空间中“与”关系的目标技巧表的特点和用户在不确定性规则上的不同需求，设计开发高效的知识约简算法。本项目的研究将对粒化知识空间本质的认识具有重要的理论意义，对解决复杂问题和开发智能系统具有潜在的应用价值。

粒计算理论是近年来人工智能领域的研究热点之一。在粒计算理论中，对象通过相似关系或邻近关系形成的信息基本单位被称为粒，不同粒的层次化组合形成了粒的知识空间，粒的知识空间可以提供对求解问题的全局化描述，因此在粒计算的研究中具有重要地位。本项目主要研究了知识空间中的粒化建模，不确定性度量与推理，以及粒化智能网络的建模与应用。具体包括：. （1） 系统研究了知识空间的粒化建模，粒化代数结构分析，粒化算子的形式化定义，给出语义解释和相关性质；对知识空间中粒的不确定表示与度量进行了深入研究，给出粒的不确定表示与度量的数学结构分析与相应性质。. （2） 在粒计算中，不确定性推理可以通过属性的约简来完成。由约简过程中边界域保持不同的不确定性信息，给出 “与” 关系决策系统的约简目标。通过理论分析了各种不同约简目标间的关系，提出了基于差别矩阵的多目标属性约简理论框架。根据提出的理论框架，设计了区间值信息系统的确定性规则和不确定性规则保持不变的属性约简算法，分布式和最大分布式保持不变的属性约简算法；构造了二进制行（列）关系的确定性有穷自动机，提出了基于确定性有穷自动机的二进制差别矩阵的快速简化算法。. （3） 在启发式多目标属性约简中，通过定义属性间的局部相似度与全局相似度，提出了基于启发式的广义决策保持约简。考虑到决策中最大效用的获取，构造了基于启发式的效用决策粗糙集模型约简算法。. （4） 在粒化智能网络的建模与应用方面，主要研究了基于约束条件下的联盟结构优化问题，提出了一种联盟约束动态规划算法，通过该算法可以生成收益最大化的联盟结构；研究了智能网络中的移动众包问题，提出了一种带有隐私保护的移动众包系统的激励机制，该机制主要包含一种两阶段拍卖算法和一种可信的在线声誉更新算法。. 项目组成员在本领域重要学术期刊和会议上发表项目相关论文共31篇，其中SCI或EI检索论文共12篇，出版学术专著1部，这些工作是对粗糙集与粒计算领域研究的有益探索，同时也对粒计算在认知信息与人工智能等相关领域的研究具有一定的理论意义和应用价值。