基于粒计算的属性约简理论与方法

题目：基于粒计算的属性约简理论与方法

主讲人：王长忠 教授/硕导

时间：2019年06月28日（周五）16:00-18:00

地点：明理楼B306

主讲人简介：

    王长忠，博士，渤海大学教授，数学学科负责人，硕士生导师，东北大学特聘教授，辽宁特聘教授。毕业于哈尔滨工业大学数学系，主要研究方向为：粒计算、不确定性理论与方法、模式识别、大数据分析方法。

先后主持和完成国家自然科学基金、中央高校基金、辽宁省自然科学基金、辽宁省高校优秀人才支持计划等省部级以上课题十几项。目前主持国家自然科学基金，省自然科学重点基金，辽宁特聘教授支持计划项目等5项。获批专利和计算机著作权5项。出版专著一部。曾多次赴香港理工大学电子计算学系和澳门科技大学计算机系进行访学。

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》、《中国科学》等国内外重要学术期刊和国际会议上发表论文60多篇。其中，被SCI检索的论文30多篇，被ESI高被引论文6篇。截止目前，所发表的SCI论文被Web of Science数据库他引1000多次，单篇论文被引次数最高为300次多次。曾多次获得辽宁省自然科学学术成果论文类一等奖和二等奖。应邀担任多个国内、国际学术会议程序委员会委员，国际杂志《Chinese Journal of Mathematics》和《The Scientific World Journal》的编委，中国医药数学会辽宁分会常务理事，人工智能基础学协会专委会委员，中国自动化学会多粒度与多尺度分析专业委员会委员，国家自然科学基金函评专家。

讲座介绍：

随着计算机和网络技术的迅速发展，各个领域获得的数据在急剧增加。这些数据中可能会存在冗余和不完备的信息，从而导致分类精度降低，计算复杂度增加，给传统的分类学习带来挑战。属性约简作为一种删除冗余属性的重要方法，能够有效地处理冗余数据，广泛应用于高维复杂数据的降维应用中。通过属性约简获得高维数据的关键特征，简化数据分析，从而挖掘数据中潜在有用的信息进行管理决策。

属性约简是在保持分类精度不变的前提下，找出最优特征子集进行分类。其中一个重要的工作是构造特征评估函数。特征评估函数用于衡量一个候选子集的质量，与特征子集的分类能力相关，它的好坏决定了分类精度的高低。

由于现实中存在的大多数数据集的属性值可能是符号型或实值型。实值型数据存在模糊性和随机性，在利用经典粗糙集约简算法对数据进行处理前，需要对连续属性进行离散化。离散化后原属性值将会被符号所替代，这样会造成数据的信息损失。由于模糊粗糙集、信息熵、邻域粗糙集以及序关系粗糙集等粒计算模型能够直接处理实值型数据，因此基于这些模型的属性约简算法恰好能弥补经典粗糙集的不足。本报告提出几种新的粒计算型，基于新模型给出了决策信息系统中上下近似、正域、依赖度和属性重要度概念并研究了其基本性质，进而提出了一些新的属性约简算法。

主办单位：计算机科学学院

科研处