題目：基于粒計(jì)算的屬性約簡(jiǎn)理論與方法

主講人：王長(zhǎng)忠 教授/碩導(dǎo)

時(shí)間：2019年06月28日（周五）16:00-18:00

地點(diǎn)：明理樓B306

主講人簡(jiǎn)介：

    王長(zhǎng)忠，博士，渤海大學(xué)教授，數(shù)學(xué)學(xué)科負(fù)責(zé)人，碩士生導(dǎo)師，東北大學(xué)特聘教授，遼寧特聘教授。畢業(yè)于哈爾濱工業(yè)大學(xué)數(shù)學(xué)系，主要研究方向?yàn)椋毫Ｓ?jì)算、不確定性理論與方法、模式識(shí)別、大數(shù)據(jù)分析方法。

先后主持和完成國(guó)家自然科學(xué)基金、中央高?；?、遼寧省自然科學(xué)基金、遼寧省高校優(yōu)秀人才支持計(jì)劃等省部級(jí)以上課題十幾項(xiàng)。目前主持國(guó)家自然科學(xué)基金，省自然科學(xué)重點(diǎn)基金，遼寧特聘教授支持計(jì)劃項(xiàng)目等5項(xiàng)。獲批專利和計(jì)算機(jī)著作權(quán)5項(xiàng)。出版專著一部。曾多次赴香港理工大學(xué)電子計(jì)算學(xué)系和澳門科技大學(xué)計(jì)算機(jī)系進(jìn)行訪學(xué)。

先后在《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Fuzzy Systems》、《Information sciences》、《Fuzzy sets and systems》、《Applied Mathematics Letters》、《Applied Soft computing》、《中國(guó)科學(xué)》等國(guó)內(nèi)外重要學(xué)術(shù)期刊和國(guó)際會(huì)議上發(fā)表論文60多篇。其中，被SCI檢索的論文30多篇，被ESI高被引論文6篇。截止目前，所發(fā)表的SCI論文被Web of Science數(shù)據(jù)庫(kù)他引1000多次，單篇論文被引次數(shù)最高為300次多次。曾多次獲得遼寧省自然科學(xué)學(xué)術(shù)成果論文類一等獎(jiǎng)和二等獎(jiǎng)。應(yīng)邀擔(dān)任多個(gè)國(guó)內(nèi)、國(guó)際學(xué)術(shù)會(huì)議程序委員會(huì)委員，國(guó)際雜志《Chinese Journal of Mathematics》和《The Scientific World Journal》的編委，中國(guó)醫(yī)藥數(shù)學(xué)會(huì)遼寧分會(huì)常務(wù)理事，人工智能基礎(chǔ)學(xué)協(xié)會(huì)專委會(huì)委員，中國(guó)自動(dòng)化學(xué)會(huì)多粒度與多尺度分析專業(yè)委員會(huì)委員，國(guó)家自然科學(xué)基金函評(píng)專家。

講座介紹：

隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，各個(gè)領(lǐng)域獲得的數(shù)據(jù)在急劇增加。這些數(shù)據(jù)中可能會(huì)存在冗余和不完備的信息，從而導(dǎo)致分類精度降低，計(jì)算復(fù)雜度增加，給傳統(tǒng)的分類學(xué)習(xí)帶來(lái)挑戰(zhàn)。屬性約簡(jiǎn)作為一種刪除冗余屬性的重要方法，能夠有效地處理冗余數(shù)據(jù)，廣泛應(yīng)用于高維復(fù)雜數(shù)據(jù)的降維應(yīng)用中。通過(guò)屬性約簡(jiǎn)獲得高維數(shù)據(jù)的關(guān)鍵特征，簡(jiǎn)化數(shù)據(jù)分析，從而挖掘數(shù)據(jù)中潛在有用的信息進(jìn)行管理決策。

屬性約簡(jiǎn)是在保持分類精度不變的前提下，找出最優(yōu)特征子集進(jìn)行分類。其中一個(gè)重要的工作是構(gòu)造特征評(píng)估函數(shù)。特征評(píng)估函數(shù)用于衡量一個(gè)候選子集的質(zhì)量，與特征子集的分類能力相關(guān)，它的好壞決定了分類精度的高低。

由于現(xiàn)實(shí)中存在的大多數(shù)數(shù)據(jù)集的屬性值可能是符號(hào)型或?qū)嵵敌?。?shí)值型數(shù)據(jù)存在模糊性和隨機(jī)性，在利用經(jīng)典粗糙集約簡(jiǎn)算法對(duì)數(shù)據(jù)進(jìn)行處理前，需要對(duì)連續(xù)屬性進(jìn)行離散化。離散化后原屬性值將會(huì)被符號(hào)所替代，這樣會(huì)造成數(shù)據(jù)的信息損失。由于模糊粗糙集、信息熵、鄰域粗糙集以及序關(guān)系粗糙集等粒計(jì)算模型能夠直接處理實(shí)值型數(shù)據(jù)，因此基于這些模型的屬性約簡(jiǎn)算法恰好能彌補(bǔ)經(jīng)典粗糙集的不足。本報(bào)告提出幾種新的粒計(jì)算型，基于新模型給出了決策信息系統(tǒng)中上下近似、正域、依賴度和屬性重要度概念并研究了其基本性質(zhì)，進(jìn)而提出了一些新的屬性約簡(jiǎn)算法。

主辦單位：計(jì)算機(jī)科學(xué)學(xué)院

科研處