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▼
领取专属 10元无门槛券
私享最新 技术干货