粒計算及其不確定信息度量的理論與方法

本書從理論上探討知識粒的公理化定義，研究知識粒與不確定信息度量方法之間相互融合的表示形式，建立基於粗糙集的粒計算度量和處理不確定信息的理論體系。對粗糙集、模糊集和Vague集這三種集合之間的關係和性質進行研究，進一步了解三者之間的相互聯繫和機理，進行多方法融合，建立粗糙集、模糊集和Vague集的相似性度量方法。基於粗糙集理論和信息顆粒理論重點研究決策系統中決策屬性值細化的算法，從而解決決策的模糊性問題。本書提出了新的條件熵、條件粗糙熵、覆蓋粒度熵、概念粒熵等度量理論，並將其套用於最優知識約簡、規則度量、相似性度量、屬性重要性度量。從多粒度時間序列角度，構建粒度決策演化模型，提出屬性預測衝突、最佳化時間粒度選擇等問題的解決方案。針對基因表達譜數據，構建基於相對鄰域關係、廣義二元關係和覆蓋粒相斥關係的擴展粗糙集模型，融合特徵基因評估策略，提出一系列特徵基因選擇算法。