报告题目：模糊粗糙自信息度量及其应用

       报告人：王长忠 （渤海大学 教授）
       报告时间：2018.3.23 11:00-11:40
       报告地点：格致中楼500室
       报告人简介：王长忠，男，博士，教授。毕业于哈尔滨工业大学数学系。主要兴趣和研究方向为基于粒计算的机器学习、不确定性推理、模式识别、数据分析方法等。主持国家自然科学基金、中央高校基金、辽宁省自然科学基金等课题二十多项，出版专著一部。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》、 《中国科学》等国内外重要学术期刊和国际会议上发表论文50多篇。应邀担任多个国际杂志的编委。
　　报告摘要：基于模糊粗糙集的特征选择是处理高维数据的最有效的方法之一。 然而，经典的模糊粗糙集特征选择方法所构造的模糊依赖度函数只考虑了样本决策的下近似所提供的分类信息。事实上，样本的分类信息不仅与其决策的模糊粗糙下近似值有关，而且与也模糊决策的上近似信息有关。为此，本文基于模糊决策的自信息概念，构建了四种特征评价函数：模糊粗糙自信息函数；用于选择具有最强分类能力的特征子集， 同时详细讨论了四种模糊粗糙自信息函数性质和关系，给出了模糊粗糙依赖度函数与自信息函数的关系。可以证明基于模糊粗糙自信息函数的特征选择方法是基于一致决策理论的特征选择方法的泛化。 最后，本文设计了一种基于模糊粗糙自信息函数的特征选择算法。 通过与它模糊粗糙集特征选择算法在UCI基本数据进行比较，验证了所提方法的有效性。
　　欢迎广大师生参加！

理学院  
2018年3月20日