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