團(tuán)隊(duì)一：大數(shù)據(jù)挖掘與粒計(jì)算理論及應(yīng)用（共8人）

徐久成,、薛占熬,、孫林、馬媛媛,、李濤,、林衛(wèi)、申俊麗,、穆曉霞

1. 團(tuán)隊(duì)介紹：

大數(shù)據(jù)挖掘與粒計(jì)算理論及應(yīng)用科研團(tuán)隊(duì)依托河南師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)省重點(diǎn)一級(jí)學(xué)科,、“計(jì)算智能與數(shù)據(jù)挖掘”河南省高校工程技術(shù)研究中心、“教育人工智能與個(gè)性化學(xué)習(xí)”河南省重點(diǎn)實(shí)驗(yàn)室,、“智慧商務(wù)與物聯(lián)網(wǎng)技術(shù)”河南省工程實(shí)驗(yàn)室,、“智能信息處理”新鄉(xiāng)市重點(diǎn)實(shí)驗(yàn)室。團(tuán)隊(duì)主要成員由徐久成,、薛占熬,、孫林、馬媛媛,、李濤,、林衛(wèi)、申俊麗,、穆曉霞等8名專職教師和多名在校研究生組成,。其中教授2人、副教授6人,、博士7人,，全國(guó)優(yōu)秀教師1人、全國(guó)模范教師1人,、河南省高層次人才2人,、河南省科技創(chuàng)新杰出青年1人、河南省首批信息化專家1人,、河南省教育廳學(xué)術(shù)技術(shù)帶頭人2人,、河南師范大學(xué)平原學(xué)者1人,。團(tuán)隊(duì)骨干成員年齡和職稱結(jié)構(gòu)合理，教學(xué)效果良好,，學(xué)科基礎(chǔ)理論扎實(shí),，實(shí)踐經(jīng)驗(yàn)豐富，在學(xué)緣關(guān)系上互補(bǔ)性較強(qiáng),，基本形成了一支充滿活力且勇于創(chuàng)新的科教融合團(tuán)隊(duì),。同時(shí)，團(tuán)隊(duì)骨干教師學(xué)歷層次較高,，均具有副教授或博士以上職稱和學(xué)歷,，近年來(lái)團(tuán)隊(duì)成員主持國(guó)家自然科學(xué)基金項(xiàng)目7項(xiàng)、河南省科技創(chuàng)新人才計(jì)劃重點(diǎn)項(xiàng)目1項(xiàng),、河南省科技攻關(guān)項(xiàng)目6項(xiàng)等,；出版學(xué)術(shù)專著2部；主持教改重點(diǎn)項(xiàng)目4項(xiàng),；在國(guó)內(nèi)外重要學(xué)術(shù)會(huì)議,、期刊發(fā)表論文100余篇，其中TOP期刊論文10篇,、ESI高被引論文2篇,。

2. 團(tuán)隊(duì)研究?jī)?nèi)容：

粒計(jì)算是當(dāng)前人工智能研究領(lǐng)域中模擬人類思維和解決復(fù)雜問(wèn)題的新理論與新方法，它涵蓋了所有有關(guān)粒度的理論,、方法和技術(shù),，是研究大規(guī)模復(fù)雜問(wèn)題求解、大數(shù)據(jù)分析與挖掘,、不確定性智能信息處理的有力工具,。大數(shù)據(jù)挖掘與粒計(jì)算理論及應(yīng)用研究是當(dāng)前人工智能領(lǐng)域的研究熱點(diǎn)之一。

近年來(lái),，團(tuán)隊(duì)成員研究了基于大數(shù)據(jù)分析與數(shù)據(jù)挖掘的理論,、技術(shù)和實(shí)際應(yīng)用，以粗糙集,、模糊集等粒計(jì)算理論為基礎(chǔ),，從數(shù)據(jù)粒化,、多粒度模式發(fā)現(xiàn),、粒計(jì)算推理、高性能算法設(shè)計(jì)等方面,，深入研究大數(shù)據(jù)挖掘的粒計(jì)算理論與方法,、不確定性分析與知識(shí)獲取技術(shù)，并將其應(yīng)用于基因表達(dá)譜數(shù)據(jù)挖掘、低質(zhì)大數(shù)據(jù)挖掘,、時(shí)間序列分析,、圖像隱寫(xiě)分析等領(lǐng)域。

3. 近年高水平研究成果介紹：

成果介紹1：粒計(jì)算是當(dāng)前人工智能領(lǐng)域一個(gè)非?；钴S的研究方向,，它以處理大規(guī)模復(fù)雜數(shù)據(jù)和信息等建立有效的計(jì)算模型為目標(biāo)，從多角度,、多層次進(jìn)行信息粒度的表示和問(wèn)題求解,，在復(fù)雜數(shù)據(jù)處理方面有著獨(dú)特的優(yōu)勢(shì)。國(guó)家自然科學(xué)基金面上項(xiàng)目“面向復(fù)雜數(shù)據(jù)的粒計(jì)算模型與應(yīng)用研究”以具有模糊,、高維、混合,、時(shí)序等特點(diǎn)的復(fù)雜數(shù)據(jù)為研究對(duì)象,，以粗糙集、Vague 集,、三支決策,、多粒度等粒計(jì)算理論為工具，運(yùn)用粒計(jì)算的?；呗耘c理論,，在新的不確定性粒計(jì)算模型構(gòu)建、 基因選擇,、 時(shí)間序列數(shù)據(jù)分析等方面開(kāi)展粒計(jì)算理論與應(yīng)用研究,。所獲成果不但能夠豐富和發(fā)展粒計(jì)算，為復(fù)雜數(shù)據(jù)的不確定性分析與數(shù)據(jù)挖掘提供新的理論與方法,，而且對(duì)決策管理,、生物信息工程、醫(yī)療診斷與預(yù)防,、空間數(shù)據(jù)分析,、故障診斷等領(lǐng)域也有重要的應(yīng)用價(jià)值，推動(dòng)了粒計(jì)算理論的更深入和廣泛的應(yīng)用,，有力支撐了大數(shù)據(jù)發(fā)展的國(guó)家戰(zhàn)略,。

成果介紹2：面對(duì)大數(shù)據(jù)興起帶來(lái)的挑戰(zhàn)，為滿足大數(shù)據(jù)產(chǎn)業(yè)實(shí)際增長(zhǎng)的需要,，亟需深入研究低質(zhì)數(shù)據(jù)的分析處理技術(shù),，低質(zhì)數(shù)據(jù)不僅加大了對(duì)大數(shù)據(jù)直接統(tǒng)計(jì)分析的難度，而且也給傳統(tǒng)的數(shù)據(jù)挖掘,、機(jī)器學(xué)習(xí)等智能信息處理方法帶來(lái)了技術(shù)上的瓶頸,。為了促進(jìn)低質(zhì)數(shù)據(jù)治理技術(shù)的變革和發(fā)展，國(guó)家自然科學(xué)基金面上項(xiàng)目“面向低質(zhì)數(shù)據(jù)的粒計(jì)算與特征選擇研究”針對(duì)混合不完備與模糊、決策分布不平衡,、標(biāo)記缺失的低質(zhì)數(shù)據(jù),，以粗糙集、模糊集等粒計(jì)算理論為研究工具,，系統(tǒng)研究不確定性度量理論與方法,，構(gòu)建新的粒計(jì)算模型，設(shè)計(jì)基于粒計(jì)算的特征選擇算法,，形成大規(guī)模復(fù)雜數(shù)據(jù)環(huán)境下低質(zhì)數(shù)據(jù)分析的粒計(jì)算理論與算法框架,，突破現(xiàn)有的低質(zhì)數(shù)據(jù)特征選擇模型框架的局限，對(duì)不確定性人工智能,、數(shù)據(jù)挖掘領(lǐng)域以及大數(shù)據(jù)科學(xué)發(fā)展具有重要的理論意義和實(shí)用價(jià)值,。

成果介紹3：針對(duì)現(xiàn)有圖像高維隱寫(xiě)檢測(cè)特征選取方法存在可分性準(zhǔn)則度量不夠準(zhǔn)確和特征選取優(yōu)化不充分等問(wèn)題，導(dǎo)致選取后特征維數(shù)仍較高且對(duì)隱寫(xiě)圖像的檢測(cè)正確率仍較低,。國(guó)家自然科學(xué)基金青年項(xiàng)目“圖像高維隱寫(xiě)檢測(cè)特征的可分性分析及優(yōu)化選取”,，研究了適用于圖像高維隱寫(xiě)檢測(cè)特征的度量原則及主次關(guān)系，提出更準(zhǔn)確的特征分量可分性準(zhǔn)則,；又將距離思想引入可分性度量,，提出了能為選取提供直接依據(jù)的隱寫(xiě)檢測(cè)特征向量可分性準(zhǔn)則；研究了分析經(jīng)典/決策粗糙集中屬性約簡(jiǎn)方法的原理及適用范圍,，提出了能刪除冗余和沖突隱寫(xiě)檢測(cè)特征的選取方法,；研究了候選特征向量的構(gòu)建及判定方法，并設(shè)計(jì)合理的適應(yīng)度函數(shù)以提出特征分量的補(bǔ)選方法,，最終實(shí)現(xiàn)圖像高維隱寫(xiě)檢測(cè)特征的優(yōu)化選取,，為降低圖像高維特征維數(shù)和提高檢測(cè)正確率提供理論和技術(shù)支持。