多粒度框架下带偏好直觉模糊数据集的信息融合与知识发现研究

Granular computing, as an important tool for knowledge acquisition and data mining, is a new theory, technology and method, which aim to simulate human thinking in solving large-scale complex problems. In order to obtain more accurate and stable results, multi-granularity computing focus on describing, reasoning and solving realistic problems from different views, different levels by using information granules. By using the tools of rough 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 intuitionistic fuzzy data sets with preference information from multi-granularity view. It will be realized through the following specific goals: (1) To build models for the representation and emerging of information granularities in intuitionistic fuzzy data sets with preference information from multi-granularity view; (2) To explore theory and approach of information fusion and rule acquisition in multi-granularity intuitionistic fuzzy data sets with preference information; (3) To study algorithm of information fusion based on granular computing in dynamic intuitionistic fuzzy data sets with preference information; (4) To analyze uncertainty problem of intuitionistic fuzzy data sets with preference information from multi-granularity view. he 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, medical diagnosis, and so on.

粒计算是在解决大规模复杂问题时模拟人脑综合处理复杂系统和数据自然模式的一个新的理论、技术和方法。多粒度计算进一步重点从不同角度、不同层次上对现实问题进行描述、推理与求解，将获得更准确、更稳定的分析结果。本课题以带偏好直觉模糊数据集为研究对象，以粗糙集、概念格、证据理论等为工具，研究该复杂系统的信息融合和知识发现的多粒度计算理论与方法。主要研究内容包括：（1）探索多粒度框架下带偏好直觉模糊数据集的粒度结构表示与融合方法；（2）建立带偏好直觉模糊数据集多粒度信息融合的规则提取与决策分析方法；（3）研究动态带偏好直觉模糊数据集多粒度框架下的信息融合及知识获取方法；（4）分析多粒度框架下带偏好直觉模糊数据集信息融合与规则的不确定问题。本研究成果不但能够丰富粒计算理论，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，而且对医疗诊断、空间数据分析等应用领域有重要的理论意义和应用价值。

本课题自2017年8月份立项以来，课题组成员根据研究计划书内容，结合国内外该领域发展情况，紧扣拟解决的关键科学问题，以带偏好直觉模糊数据集为研究对象，以粗糙集、概念格、证据理论等为工具，旨在研究多粒度框架下带偏好模糊信息系统和形式背景信息融合、知识获取的粒计算理论与方法及其不确定性理论问题，建立多粒度框架下带偏好模糊信息系统和形式背景的基于粗糙集、概念格及证据理论的决策分析模型、发展多粒度框架下带偏好直觉模糊信息系统和形式背景的信息融合、知识发现和规则提取的方法，并设计高效可行的算法，同时应用一些典型数据库进行实验和分析，从而为复杂数据集的决策分析和数据挖掘提供新的理论与方法。本项目截止2021年12月共完成直接相关学术论文21篇，其中SCI收录13篇，EI收录3篇，CSCD收录4篇，并拟在科学出版社出版学术著作1部（已签合同），培养硕士研究生7名。对照课题计划书“预计发表含 SCI 收录高水平学术论文 15 篇以上”的预期成果，课题组很好的完成了本项目，并取得了较好的研究成果。本项目取得了以下主要进展与重要成果。.1.在区间模糊值带偏好信息系统中的背景下，结合区分矩阵和差别信息树的相关理论知识，提出了基于可区分矩阵的差别信息树的构建方法，从而实现了区间模糊值带偏好信息系统中基于差别信息树的属性约简方法。.2.通过将局部粗糙集的思想引入带偏好信息系统，发展了多粒度框架下带偏好信息系统中的动态对象更新方法，比较了全局和局部多粒度粗糙集动态更新近似逼近的时间损耗。.3.在带偏好信息系统中，结合三支决策的理论方法，建立了多粒度框架下带偏好信息系统的局部决策粗糙集模型，通过现实生活中的具体案例解释说明了局部方法在决策分析问题上的优越性。.4.从粒计算的多视角特点出发，建立了多粒度框架下不完备区间模糊值决策信息系统模型，提出多粒度框架下不完备区间模糊值决策信息系统的不确定度量方法并设计了具体算法。.5.利用三支决策的特性以及对象在两个概念的不同域，揭示了模糊形式背景下属性导出三支概念格聚类压缩理论与方法，研究了原背景与压缩背景以及原概念格与压缩概念格之间的关系。.6.在多源模糊信息系统背景下，结合粒度计算的相关知识，将每个信源看作是一个粒度，研究了多粒度框架下多源模糊信息系统的粗糙集模型及其不确定性度量。.