本项目对复杂信息系统的粒度结构与知识获取进行研究,主要研究结果如下(1)建立了信息系统与模糊信息系统中粒度空间的代数结构及其构造方法,给出了四个粒度算子,并应用于信息粒和知识的合成与分解;(2)给出了复杂信息系统中粒度度量的公理化方法,建立了熵与粒度度量之间的相互关系;(3)揭示了信息系统中粒度与决策规则之间的关系,建立了决策规则集性能评价方法,设计了面向用户需求的粒度选择方法;(4)提出了多粒度粗糙集模型,给出了该模型的一些重要性质;(5)建立了动态粒度下目标概念的近似表达及高效特征选择的分层递阶方法;(6)在区间序和集值序信息系统中,建立了相应的优势粗糙集方法,给出了对象全序化方法,设计了区间序与集值序决策背景下的决策规则获取方法;(7)研制了一个基于粒计算的知识获取软件系统。上述研究成果丰富了粒计算理论与方法,为复杂问题求解提供了相关技术手段,在机器学习、模式识别、决策分析和图像处理等领域有重要的应用价值。
英文主题词Information syestem; Granular computing; Information entropy; Knowledge acquisition