基于粒计算的复杂形态数据主曲线提取与分类研究

主曲线是通过数据分布"中间"并满足"自相合"的光滑曲线，是第一主成分的非线性推广，是一种新的数据分析处理方法。然而，对复杂形态数据目前仍缺乏有效的主曲线提取与分类方法。针对该问题，本项目从人的求解机理出发，将粒计算思想引入主曲线理论中，从多粒度角度来解决复杂形态数据的主曲线提取与分类问题。首先，从指纹，股票和螺旋型等这类常见复杂形态数据出发，根据数据的形态、分布等特征，提供数据的相似性度量和粒度划分方法，构造多粒度计算模型；然后，分析模型机理，提出基于该模型的多粒度主曲线提取和多粒度分类问题求解方法；最后，结合实际应用，设计实验数据，验证理论成果，推广到其他类型复杂形态数据，形成理论框架，开发相应的原型系统。本课题的研究，将为复杂形态数据的分析处理提供一种可行的解决方案，丰富和发展主曲线理论，推动非线性智能信息处理的发展。

本项目从粒计算思想的角度研究了主曲线领域中复杂形态数据主曲线的提取和分类问题，主要取得如下成果：.1）从指纹和螺旋型数据出发，课题组借鉴粒计算思想，根据数据的形态、分布等特征，提出知识粒的相似性度量方法；区间值信息系统的知识粒表示和划分方法和基于最小生成树的层次聚类算法；.2）改进现有主曲线算法，提出基于改进主曲线的指纹特征提取与伪特征检测算法、自顶向下的复杂形态数据主曲线提取算法和基于贝叶斯粗糙集模型的多分类研究；最后分析其在脑电信号数据分类，越南车牌识别中的应用。.3）课题组拓展数据类型，研究出有效的复杂形态数据粒化方法和表示机制，提出了基于全局结构的复杂形态数据主曲线提取算法；.4）采用信息粒化、局部特征与全局特征相结合,模糊集和粒子群优化的方法，将主曲线推广到模糊粒主曲线，率先提出了模糊粒主曲线算法；并探索其在脑电隐藏信息和指纹识别中的应用研究。 .此外，课题组还进一步借鉴粒计算思想来研究莫扎特效应对注意力瞬脱中的影响；将集合论的方法引入粒计算，发展粒计算理论；基于2个论域的多层次粗糙集模型；基于覆盖粗糙集模型多粒度表示；基于粗糙子空间的分类数据聚类融合算法；基于变精度粗糙集模型的知识约简算法，文本多标签分类和基于二维颜色无关的判别分析的人脸识别算法等研究。