模糊和随机环境下的粒计算与信息融合研究

Granular computing and multi-source information fusion are currently two new vivid directions in the research fields of artificial intelligence, especially, for intelligent information processing. They imitate human being's thinking and their objectives are to establish effective computation models for dealing with large scale complex data and information. By using the tools of rough sets, random sets, concept lattices and the evidence theory, the main objective of this project is to investigate theory and approach to information fusion, granular computing and knowledge acquisition in multi-source information systems and formal contexts under the fuzzy and random environment. It will be realized through the following specific goals: (1) To build models for the representation and emerging of information granularities from multi-source information systems; (2) To explore theory and approach of attribute reduction and rule induction in multi-source information systems; (3) To study algorithms of information fusion based on granular computing in multi-source information systems; (4) To investigate uncertainty analysis for multi-source information fusion. The results of this projects will not only enrich the theory of granular computing and information fusion by providing new theories and approaches for data mining in complex data, and will also be of theoretic significance and valuable applications in research fields such as spatial analysis.

粒计算和多源信息融合是当前人工智能，特别是智能信息处理领域非常活跃的研究方向，它们都模拟人类思考模式，以处理大规模复杂数据和信息等建立有效的计算模型为目标。本课题以模糊和随机环境下的信息系统和形式背景为对象，以粗糙集、随机集、概念格、证据理论为工具，研究多源信息复杂系统的信息融合、粒计算以及知识获取的理论与方法。主要内容包括：（1）多源信息系统的信息粒度的表示与融合研究；（2）多源信息系统的属性约简与规则提取研究；（3）多源信息系统基于粒计算的信息融合算法研究；（4）多源信息融合的不确定性分析研究。本项目研究成果不但能够丰富粒计算和信息融合理论，为复杂系统的数据挖掘及不确定性分析提供新的理论和方法，而且对空间数据分析等应用领域有重要的理论意义和应用价值。

粒计算和多源信息融合是当前智能信息处理领域非常活跃的研究方向，它们都模拟人类思考模式，以处理大规模复杂数据和信息等建立有效的计算模型为目标。本课题以模糊和随机环境下的信息系统和形式背景为对象，以粗糙集、随机集、概念格、证据理论为工具，研究多源复杂系统的信息融合、粒计算以及知识获取的理论与方法。给出了经典形式背景和模糊形式背景中概念格的信息粒度的表示、融合及其数学结构；用构造性方法和公理化方法发展了粗糙近似算子，在构造性方法中，通过融合算子，构造性地定义了模糊粗糙近似算子、直觉模糊粗糙近似算子、基于覆盖的粗糙近似算子；在公理化方法中，给出了刻画模糊粗糙近似算子、直觉模糊粗糙近似算子和概率粗糙近似算子的独立公理集，并进一步得到了相应粗糙集的代数结构和拓扑结构。发展了基于粒计算的知识约简与基于规则提取的知识发现的理论与方法，给出了经典决策形式背景和模糊决策形式背景中的概念格属性约简的理论和决策规则提取方法；提出了多粒度标记信息系统、不完备信息系统、序信息系统等复杂系统的信息融合和粗糙近似问题；讨论了多粒度标记决策系统的最优粒度选择问题，分析了多粒度决策系统中各种不同最优粒度概念之间的关系，并进一步给出了多粒度标记决策系统基于粗糙集的属性约简理论和决策规则获取新方法。发展了基于粒计算和多源信息融合的不确定性分析，用包含度对粗糙集理论中各种类型的下近似与证据理论中的信任函数进行表示和解释，用证据理论中的信任函数和似然函数对从复杂系统中所获取的知识的不确定性进行度量，为随机性与模糊性这两种不确定性之间的关联性以及知识不确定性度量的研究提供了新方法。上述研究成果丰富了粒计算和信息融合理论，为复杂系统的数据挖掘与知识发现及不确定性分析提供新的理论和方法，而且对空间数据分析等应用领域有重要的理论意义和应用价值。

内容获取失败，请点击重试