近日，由計(jì)算機(jī)與信息科學(xué)學(xué)院桑彬彬副教授為第一作者完成的關(guān)于多尺度信息融合的研究論文《VCOS: Multi-scale information fusion to feature selection using fuzzy rough combination entropy》被中國(guó)科學(xué)院1區(qū)Top期刊《Information Fusion》接收并出版。
《Information Fusion》期刊是信息融合領(lǐng)域的國(guó)際頂級(jí)學(xué)術(shù)期刊，屬于中國(guó)科學(xué)院1區(qū)Top期刊，影響因子14.8，近五年年均發(fā)文量?jī)H200篇左右，這也是計(jì)算機(jī)與信息科學(xué)學(xué)院首次在《Information Fusion》上發(fā)表科研論文。本項(xiàng)研究得到了國(guó)家自然科學(xué)基金青年基金、重慶市自然科學(xué)基金面上項(xiàng)目、重慶市教委重點(diǎn)科技項(xiàng)目和青年項(xiàng)目等資助。
桑彬彬副教授團(tuán)隊(duì)近年來(lái)始終專(zhuān)注于人工智能領(lǐng)域的前沿基礎(chǔ)理論研究，其中包括多粒度認(rèn)知計(jì)算、不確定性推理與建模、智能信息處理等方面，主持國(guó)家自然科學(xué)基金項(xiàng)目，重慶市自然科學(xué)基金面上項(xiàng)目、重慶市教委重點(diǎn)科技項(xiàng)目、青年項(xiàng)目，教育部重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題以及“博望學(xué)者”校級(jí)人才項(xiàng)目，研究成果已發(fā)表在IEEE TSMC、IEEE TFS、INFUS、INS、KBS、ESAW、IJAR等國(guó)際頂級(jí)期刊。
多尺度信息融合在數(shù)據(jù)挖掘領(lǐng)域引起了廣泛關(guān)注，其中最優(yōu)尺度組合原則和特征選擇算法是兩個(gè)核心問(wèn)題。然而，傳統(tǒng)的最優(yōu)尺度組合是通過(guò)滿(mǎn)足條件特征尺度與決策分類(lèi)的一致性來(lái)獲得的。這種一致性原則過(guò)于嚴(yán)格且不具備容錯(cuò)性。它會(huì)導(dǎo)致知識(shí)粒度過(guò)細(xì)，可能降低特征選擇算法的性能，無(wú)法滿(mǎn)足實(shí)際應(yīng)用的需求。論文提出了一種穩(wěn)健的最優(yōu)尺度組合選擇方法來(lái)融合多尺度信息，建立了一種穩(wěn)健的模糊粗糙集模型，定義了不確定性度量，并為多尺度模糊決策系統(tǒng)（MsFDS）設(shè)計(jì)了特征選擇算法。本文提出的基于 VCOS 的多尺度融合方法可以根據(jù)實(shí)際需求調(diào)整知識(shí)粒度與決策分類(lèi)之間的一致程度。這種多尺度信息融合方法具有更好的泛化能力，可應(yīng)用于各種復(fù)雜數(shù)據(jù)?；谠摲椒ㄩ_(kāi)發(fā)的多尺度特征選擇方法的性能也得到了進(jìn)一步提升。實(shí)驗(yàn)結(jié)果表明，所提出的算法能夠有效地去除冗余特征，提高分類(lèi)性能。
