[01023470]基于商空间理论的多粒度模型及方法研究

该项目属于计算机应用技术中的知识发现与知识工程，目的在于为处理复杂的、知识不完备的、不确定的信息，提供新的智能计算模型和方法。大数据时代下，由于数据每时每刻都在大量产生，面对这些大量的、复杂的数据，在小规模数据上有完美性和实用价值的经典方法都面临挑战，迫切需要一种降低问题求解复杂度的方法，使快速、有效地挖掘大数据中有价值的信息或知识成为可能。课题组认为可以借鉴人类的宏观分析能力(即认知能力)，建立其对应的形式化模型，并以此建立一套求解复杂问题的方法，作为研究、分析、利用大数据的切入点。 该项目针对大量的、复杂的、不确定的、难于准确把握的数据和问题，模拟人类智能的特点，采用粒化思想，开展商空间理论的多粒度模型和方法的创新性研究，主要包括：1)拓展了基于商空间理论的问题表示和描述能力，建立基于模糊等价关系和相容关系的商空间多粒度模型；2)研究了大规模数据和不确定数据的粒化方法、建立不同粒层的联系和求解问题方法；3)研究了基于商空间理论的多粒度模型的大数据优化求解算法。 取得的具体创新成果如下： 1)多粒度的表示模型研究对复杂问题，给出其多粒度商空间表示模型，包括同一粒度下问题的商空间表示模型和不同粒度间问题的商空间表示模型，根据多粒度、多层次商空间模型建立不同粒度下问题的联系，便于问题简化和求解。 2)多粒度问题求解方法及相关算法以粒变化形成的多视角，提出了一个通用的迁移学习框架，实现跨论域的迁移学习，为机器学习中的热点研究迁移学习提供了一种新方法；以模糊等价关系和相容关系的覆盖，给出不同粒度的覆盖商空间，基于三支决策理论获取边界域样本属性的多粒度表示，有效解决了边界域样本的二次决策问题；依据原数据的缺失模式构建多个粒度的分类器与候选分类器，提出了一种多视角合成的不完整数据分类方法，有别于传统的依赖于填充的方法，为不确定数据处理提供一种多粒度建模的新方法；依据商空间理论的粒度变换原理揭示大规模网络的深度结构，提取深层特征，在不同粒度空间对大规模网络进行分解、合成，为问题降低复杂性获取近似最优解提供一种新方法。 3)多粒度模型和方法的应用以社团为粒子的粒化推荐算法，给出了非结构化数据构造基本粒的方法，该方法作为商空间粒化方法在社交网络中的延伸，克服了分析复杂问题时常常容易陷入的“只见树木、不见森林”的尴尬，以此逐步达到对复杂海量数据的分析。该项目以商空间多粒度模型实现复杂问题的描述、求解，这种分析方法正是人类在追求目标时，从整体把握、逐步分解实现的体现，是人类化繁为简的主要方法，也是该项目的特色所在。