多粒度粗糙集数据分析研究的回顾与展望

本专题发表于《西北大学学报》（自然科学版）2018年第4期

专题目录

一、基于三支决策的形式概念分析、粗糙集与粒计算（姚一豫1，祁建军2，魏玲3）

二、知识与数据双向驱动的多粒度认知计算（王国胤,李帅,杨洁）

三、多粒度粗糙集数据分析研究的回顾与展望（吴伟志1,2）

四、三支决策空间上三支决策评价函数的构造（胡宝清）

题目：多粒度粗糙集数据分析研究的回顾与展望

作者：吴伟志1，2

单位：1.浙江海洋大学 数理与信息学院；2.浙江省海洋大数据挖掘与应用重点实验室

作者简介

吴伟志，浙江海洋大学二级教授，数理与信息学院院长，浙江省海洋大数据挖掘与应用重点实验室负责人，浙江省一流学科B类（数学）负责人。任中国人工智能学会粒计算与知识发现专业委员会名誉主任委员、中国系统工程学会模糊数学与模糊系统理事会常务理事、中国人工智能学会理事。担任杂志《International Journal of Computer Science and Knowledge Engineering》主编、《International Journal of Machine Learning and Cybernetics》副主编、《Transactions on Rough Sets》等6个国际学术期刊和中文核心期刊《计算机科学》与《模糊系统与数学》的编委。主要从事粗糙集、概念格、随机集、粒计算、数据挖掘等研究，发表论文180余篇，论著被他引9 600多次，SCI他引2 800多次，连续四年(2014—2017)位列由爱思唯尔发布的“中国高被引学者”榜单。获省部级及以上科研成果奖共5项，其中国家科学技术进步奖二等奖1项。

摘要

粒计算是知识表示和数据挖掘的一个基本问题。 粗糙集理论是知识获取的一个典型粒计算模型。 在传统粗糙集数据分析中,信息系统中每一个对象在每一个属性上只能取唯一的值。 在实际生活数据中,根据不同的粒度或者尺度,对象在同一属性上可以取不同粒度的值。 该文介绍目前流行的三类基于粗糙集的多粒度数据处理模型,即多粒化粗糙集模型、多粒度邻域粗糙集模型、多尺度信息系统的粗糙集数据分析模型,回顾这三类多粒度粗糙集数据分析模型的研究进展及主要研究内容,并提出若干研究问题。

关键词

粒计算；信息系统；多粒度；邻域粗糙集；粗糙集

▼以下文章图片可点击放大查看▼