形式概念分析和粗糙集的融合技术与知识获取研究

形式概念分析和粗糙集都是用来进行数据建模和数据分析的有效工具，形式概念分析获取的知识具有层次清晰和逻辑性强的优点，而粗糙集能有效地处理复杂的、不精确的和不完备的信息系统。本课题将深入研究形式概念分析的梯级理论，进而基于多值形式背景完成形式概念分析和粗糙集理论的融合；针对信息系统，引入极大决策规则和决策推理规则的概念，探讨信息系统上决策规则的完备性和无冗余性，进而探索形式概念分析用于决策分析的新方法和新技术；在形式概念分析上引入包含度理论，发展形式概念分析的度量理论；融合粗糙集对不完备信息处理的方法，发展面向不完备形式背景的概念格模型和知识获取方法。本课题的研究将丰富形式概念分析理论和粗糙集理论，对人工智能与知识发现等相关领域的研究也有重要的理论意义和应用价值。

在众多的数据分析与处理技术中，形式概念分析理论(概念格理论)以其具有坚实的数学理论支撑、能清晰地反映数据的代数结构(完备格)、获取的知识层次清晰和逻辑性强等优点吸引了广大研究者的兴趣。近三年来，课题组跟踪国际学术前沿，在形式概念分析中的规则(蕴涵)获取、模糊概念格、概念格的扩展和概念格的应用等四方面进行了系统的研究，所获研究成果不仅丰富了形式概念分析的理论框架，而且推动了形式概念分析的应用发展。具体来说，课题组圆满完成了项目计划，并取得了预期成果。主要包括以下方面：（1）在本领域的国内外重要学术期刊发表相关论文10篇，其中SCI收录4篇，EI收录1篇，二级主学报3篇；（2）取得了一些具有标志性的研究成果；（3）培养研究生及青年教师5名；（4）研制了一个基于概念格和粗糙集的实验系统。