粒計算中的不確定性分析與研究

本課題主要研究了不確定性的粒化表示、度量以及不確定性知識粒的推理與決策問題。主要研究結(jié)果及進展如下： (1) 從信息論角度提出不確定性?；硎镜耐暾^點，給出了一般性粒結(jié)構(gòu)選取方法，并將上述方法應(yīng)用到文本情感分析、人臉識別等領(lǐng)域。 (2) 提出具有粒語義的雙量化粗糙集，給出了重要性-準確性度量，定義了相應(yīng)的約簡，提出了區(qū)域保持不變約簡和集合保持不變約簡算法，以及可實現(xiàn)大數(shù)據(jù)集屬性高效約簡的并行分布式約簡算法。 (3)研究了由屬性約簡導(dǎo)致的區(qū)域變遷不確定性，系統(tǒng)地分析了不確定性度量與屬性約簡在不同粒層次之間的關(guān)系；通過F粗糙集和并行約簡，并結(jié)合增量學習、協(xié)同訓練等思想，深入研究了?；ぷ髟诖髷?shù)據(jù)環(huán)境下的高效計算課題。 上述研究成果已在本領(lǐng)域重要國際期刊上發(fā)表，其中有26篇已被SCI收錄。此外，出版學術(shù)著作5部，舉辦國際會議1次。這些工作不僅對不確定分析和粒計算理論的發(fā)展起到積極的推動作用，且在大數(shù)據(jù)高效分析方面產(chǎn)生了重要影響。 2100433B

不確定性問題是智能信息處理中的研究熱點之一，粒計算是當前計算智能研究中模擬人類思維和解決復(fù)雜問題的新方法。從粒計算角度研究不確定性是一個新的、具有挑戰(zhàn)性的研究課題。本項目擬在粒計算框架下從不確定性的表示及不確定性的度量兩個方面入手，對概念、知識及推理的不確定性問題進行系統(tǒng)、深入研究。主要研究內(nèi)容有：（1）系統(tǒng)研究概念的不確定性表示與度量；（2）系統(tǒng)研究知識的不確定性表示與度量以及知識粒度表示的統(tǒng)一框架；（3）系統(tǒng)研究推理的不確定性表示與度量，根據(jù)不確定性規(guī)則程度保持的不同需求，設(shè)計相應(yīng)的廣義差別矩陣，并開發(fā)高效的知識約簡算法；（4）多粒度下不確定性之間的關(guān)系研究。本項目的研究將對不確定性本質(zhì)的認識具有重要的理論意義，對解決復(fù)雜問題和開發(fā)智能系統(tǒng)具有潛在的應(yīng)用價值。

粒計算是當前人工智能研究領(lǐng)域中模擬人類思維和解決復(fù)雜問題的新理論與新方法，它涵蓋了所有有關(guān)粒度的理論、方法和技術(shù)，是研究大規(guī)模復(fù)雜問題求解、大數(shù)據(jù)分析與挖掘、不確定性智能信息處理的有力工具。經(jīng)過十多年的發(fā)展，在與多學科交叉研究過程中，粒計算正逐步形成其特有的研究體系和內(nèi)容。本書介紹了粒計算的不確定性分析與知識獲取方法的最新進展，內(nèi)容涉及粒計算的基本理論、粒計算的不確定性分析、粒計算的擴展模型、基于粒計算的知識獲取方法。

前言

第1章粒計算的基本理論

第2章粒計算的不確定性分析

第3章粒計算的擴展模型

第4章基于粒計算的知識獲取方法 2100433B

粒計算是目前人工智能領(lǐng)域內(nèi)廣為關(guān)注的研究課題，本書旨在為初學者提供學習粒計算理論與方法的基本指導(dǎo)。本書涵蓋了模糊集、粗糙集以及形勢概念分析三個領(lǐng)域的基本思想和概念，主要內(nèi)容包括模糊集的定義及運算、模糊集的結(jié)構(gòu)、模糊相似關(guān)系的構(gòu)造及應(yīng)用、粗糙集的定義及其構(gòu)造、屬性約簡的基本理論與方法、模糊粗糙集的定義及其數(shù)學結(jié)構(gòu)、概念格的定義及其基本性質(zhì)、基于概念格的屬性約簡和規(guī)則提取等。