報告題目：模糊粗糙自信息度量及其應用

       報告人：王長忠 （渤海大學 教授）
       報告時間：2018.3.23 11:00-11:40
       報告地點：格致中樓500室
       報告人簡介：王長忠，男，博士，教授。畢業于哈爾濱工業大學數學系。主要興趣和研究方向為基于粒計算的機器學習、不確定性推理、模式識別、數據分析方法等。主持國家自然科學基金、中央高校基金、遼寧省自然科學基金等課題二十多項，出版專著一部。先后在《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Fuzzy Systems》、 《Information sciences》、 《International Journal of Approximate Reasoning》、 《Applied Mathematics Letters》、《Applied Soft computing》、 《中國科學》等國內外重要學術期刊和國際會議上發表論文50多篇。應邀擔任多個國際雜志的編委。
　　報告摘要：基于模糊粗糙集的特征選擇是處理高維數據的最有效的方法之一。 然而，經典的模糊粗糙集特征選擇方法所構造的模糊依賴度函數只考慮了樣本決策的下近似所提供的分類信息。事實上，樣本的分類信息不僅與其決策的模糊粗糙下近似值有關，而且與也模糊決策的上近似信息有關。為此，本文基于模糊決策的自信息概念，構建了四種特征評價函數：模糊粗糙自信息函數；用于選擇具有最強分類能力的特征子集， 同時詳細討論了四種模糊粗糙自信息函數性質和關系，給出了模糊粗糙依賴度函數與自信息函數的關系。可以證明基于模糊粗糙自信息函數的特征選擇方法是基于一致決策理論的特征選擇方法的泛化。 最后，本文設計了一種基于模糊粗糙自信息函數的特征選擇算法。 通過與它模糊粗糙集特征選擇算法在UCI基本數據進行比較，驗證了所提方法的有效性。
　　歡迎廣大師生參加！

理學院  
2018年3月20日