粒计算中的不确定性分析与研究

Uncertainty analysis is one of most important research topics in the area of intelligent information processing. While Granular Computing, which simplifies complex real world problems by considering different levels of granularity, provides a general and effective methodology for problem solving and information processing in computing intelligent. The study for uncertainty from a point view of granular computing is a meaningful but also challenging job. This project is planned to study the problems of representations and mesures of uncertainty under the framework of granular computing, where concept, knowledge and reasoning are the main focuses in this project and the uncertainty of them will be explored in depth. The main work of this project are included as follows:.(1) The systemically study for representations and mesures of uncertainty of concepts..(2) The systemically study for representations and mesures of uncertianty of knowledge. An unified and effective representative framework of uncertianty and its granular structure will also be considered..(3) The representations and mesures for uncertianty reasoning; The general discernibility matrix with user's objective and the corresponding algorithm for reduction. .(4) The relationships of uncertianty under diverse granulations..These studies will give us a further understanding of uncertainty and also be helpful in sovling the real life complex problems where hierarchy and structure is involved.

不确定性问题是智能信息处理中的研究热点之一，粒计算是当前计算智能研究中模拟人类思维和解决复杂问题的新方法。从粒计算角度研究不确定性是一个新的、具有挑战性的研究课题。本项目拟在粒计算框架下从不确定性的表示及不确定性的度量两个方面入手，对概念、知识及推理的不确定性问题进行系统、深入研究。主要研究内容有：（1）系统研究概念的不确定性表示与度量；（2）系统研究知识的不确定性表示与度量以及知识粒度表示的统一框架；（3）系统研究推理的不确定性表示与度量，根据不确定性规则程度保持的不同需求，设计相应的广义差别矩阵，并开发高效的知识约简算法；（4）多粒度下不确定性之间的关系研究。本项目的研究将对不确定性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。

本课题主要研究了不确定性的粒化表示、度量以及不确定性知识粒的推理与决策问题。主要研究结果及进展如下：. (1) 从信息论角度提出不确定性粒化表示的完整观点，给出了一般性粒结构选取方法，并将上述方法应用到文本情感分析、人脸识别等领域。. (2) 提出具有粒语义的双量化粗糙集，给出了重要性-准确性度量，定义了相应的约简，提出了区域保持不变约简和集合保持不变约简算法，以及可实现大数据集属性高效约简的并行分布式约简算法。. (3)研究了由属性约简导致的区域变迁不确定性，系统地分析了不确定性度量与属性约简在不同粒层次之间的关系；通过F粗糙集和并行约简，并结合增量学习、协同训练等思想，深入研究了粒化工作在大数据环境下的高效计算课题。. 上述研究成果已在本领域重要国际期刊上发表，其中有26篇已被SCI收录。此外，出版学术著作5部，举办国际会议1次。这些工作不仅对不确定分析和粒计算理论的发展起到积极的推动作用，且在大数据高效分析方面产生了重要影响。

内容获取失败，请点击重试