基于多关系的模糊认知图挖掘模型、算法与评价机制研究

为进一步研究多关系环境下大规模复杂系统中不同对象间的复杂认知关系，拓展多关系数据挖掘的研究领域- - 使用一种新型的能够模拟系统动态行为的智能工具即模糊认知图扩充多关系数据挖掘的研究。1.模型：在分析多关系数据源特征的基础上，实现模糊认知图在不同对象间、同一与不同粒度空间上的扩充，解决多关系、多粒度间模糊认知机理的提升，形成多关系模糊认知图挖掘的推理机制，从而建立多关系模糊认知图挖掘模型；2.算法：结合模糊认知图学习与多关系数据挖掘方法，提出自动或半自动地面向多实例、多关系的扩展性模糊认知图挖掘算法，并进一步提高挖掘算法的有效性与先进性；3.评价：从理论与应用的结合上建立多关系模糊认知图挖掘模型与算法的综合评价机制，就模型的稳定性、协调性、平衡性等给予评价，并在生物信息学领域中对挖掘算法予以验证。经大量文献的跟踪与查新，证实该项研究在国内外尚属首次，且与此前国家自然科学基金项目的研究构成体系。

为进一步研究多关系环境下大规模复杂系统中不同对象间的复杂认知关系，拓展多关系数据挖掘的研究领域，本项目使用一种新型的能够模拟系统动态行为的智能工具即模糊认知图扩充多关系数据挖掘的研究：1.建立了一种基于多关系的模糊认知图挖掘模型即两层树型模糊认知图（Two-level Tree-type Fuzzy Cognitive Map，TTFCM）；2.对此完成了多关系、多粒度间模糊认知机理的提升，形成多关系模糊认知图挖掘的推理机制；3.基于多关系模糊认知图挖掘模型，针对不同类型的多关系数据源，借鉴传统模糊认知图的学习算法，拓展至面向多实例的多关系模糊认知图挖掘算法，并提高其效率；4.从理论与应用的结合上建立了多关系模糊认知图挖掘模型与算法的综合评价机制，就模型的稳定性、协调性、平衡性等给予评价，并将其应用于金融、生物信息、中医等领域数据中予以验证。