粒计算是当前人工智能研究领域中模拟人类思维和解决复杂问题的新理论与新方法，它涵盖了所有有关粒度的理论、方法和技术，是研究大规模复杂问题求解、大数据分析与挖掘、不确定性智能信息处理的有力工具。经过十多年的发展，在与多学科交叉研究过程中，粒计算正逐步形成其特有的研究体系和内容。本书介绍了粒计算的不确定性分析与知识获取方法的最新进展，内容涉及粒计算的基本理论、粒计算的不确定性分析、粒计算的扩展模型、基于粒计算的知识获取方法。

前言

第1章粒计算的基本理论

第2章粒计算的不确定性分析

第3章粒计算的扩展模型

第4章基于粒计算的知识获取方法 2100433B

不确定性问题是智能信息处理中的研究热点之一，粒计算是当前计算智能研究中模拟人类思维和解决复杂问题的新方法。从粒计算角度研究不确定性是一个新的、具有挑战性的研究课题。本项目拟在粒计算框架下从不确定性的表示及不确定性的度量两个方面入手，对概念、知识及推理的不确定性问题进行系统、深入研究。主要研究内容有：（1）系统研究概念的不确定性表示与度量；（2）系统研究知识的不确定性表示与度量以及知识粒度表示的统一框架；（3）系统研究推理的不确定性表示与度量，根据不确定性规则程度保持的不同需求，设计相应的广义差别矩阵，并开发高效的知识约简算法；（4）多粒度下不确定性之间的关系研究。本项目的研究将对不确定性本质的认识具有重要的理论意义，对解决复杂问题和开发智能系统具有潜在的应用价值。

本课题主要研究了不确定性的粒化表示、度量以及不确定性知识粒的推理与决策问题。主要研究结果及进展如下： (1) 从信息论角度提出不确定性粒化表示的完整观点，给出了一般性粒结构选取方法，并将上述方法应用到文本情感分析、人脸识别等领域。 (2) 提出具有粒语义的双量化粗糙集，给出了重要性-准确性度量，定义了相应的约简，提出了区域保持不变约简和集合保持不变约简算法，以及可实现大数据集属性高效约简的并行分布式约简算法。 (3)研究了由属性约简导致的区域变迁不确定性，系统地分析了不确定性度量与属性约简在不同粒层次之间的关系；通过F粗糙集和并行约简，并结合增量学习、协同训练等思想，深入研究了粒化工作在大数据环境下的高效计算课题。 上述研究成果已在本领域重要国际期刊上发表，其中有26篇已被SCI收录。此外，出版学术著作5部，举办国际会议1次。这些工作不仅对不确定分析和粒计算理论的发展起到积极的推动作用，且在大数据高效分析方面产生了重要影响。 2100433B

本书在讲授地理空间数据以及地理空间数据获取的基础知识前提下，重点介绍了基础地理信息获取的方法和应用。 主要内容包括：地理空间与空间数据基础；地理空间数据获取基础；矢量数据的输入；空间数据的编辑；元数据的输入与管理；属性数据的输入；DEM 数据获取 。

本书可作为地理信息系统以及相关专业或方向的本科生和研究生的教材，也可供从事地理信息系统研究与开发的工程技术人员以及信息资源开发领域的学者参考。