1、屬性約簡和知識抽取是數(shù)據(jù)挖據(jù)及知識發(fā)現(xiàn)的重要手段，變精度粗糙集理論為其提供了有效工具。相比屬性約簡，通過完備約簡抽取知識構(gòu)建的知識系統(tǒng)，能更全面地揭示隱藏在信息系統(tǒng)中的有價值信息。本文在多個國家自然基金項日資助下致力于研究完備約簡與知識抽取理論、方法以及在腦認知中的應用。首先通過變精度粗糙集模型的研究完備約簡與知識抽取的基本理論;然后結(jié)合所研究的理論，給出完備約簡算法、知識結(jié)構(gòu)構(gòu)造算法以及構(gòu)造可視化地展現(xiàn)知識空間結(jié)構(gòu);最后依據(jù)完備約簡與

2、知識抽取理論和方法，對腦認知中腦功能連接通路進行研究。這項研究不僅為腦認知提供了有效的研究方法，而且對于人工智能技術(shù)為導向的類腦研究具有重要的理論價值，全文具體從以下幾個方面展開:
　　本文利用變精度粗糙集模型提出了一個完備約簡與知識抽取理論，定義了完備約簡集合、多知識和系統(tǒng)指標，給出了分布表、譜系二叉樹、知識空間結(jié)構(gòu)三個新概念，通約簡內(nèi)部、知識內(nèi)部以及二者之間關(guān)系的分析，指出知識空間具有雙層結(jié)構(gòu)的特征，并利用Hasse圖可視化地

3、展示知識空間雙層結(jié)構(gòu)。
　　以完備約簡與知識抽取理論為基礎，利用所提出的譜系二義樹作為獲取完備約簡的策略，給出了一個獲得完備約簡集合的算法。在保證獲得完備約簡集合的基礎上，引入了四個重要的加速搜索策略:分布表的縮減、屬性序的動態(tài)更新、啟發(fā)式二值分類以及譜系二叉樹的剪枝，這些策略加快了算法收斂速度。在理論上給出了算法完備性的證明，實驗結(jié)果表明所提出的算法能夠得到完備約簡集合。
　　通過研究知識抽取流程，提出了多知識抽取框架，完

4、整地實現(xiàn)由數(shù)據(jù)轉(zhuǎn)化成約簡，再由約簡到知識的過程。針對變精度粗糙集模型只能處理離散數(shù)據(jù)特點，在預處理部分提出了一種并行化的基于信息熵的連續(xù)屬性離散化算法。在經(jīng)過完備約簡集合形成多知識系統(tǒng)后，給出了利用多知識系統(tǒng)確實知識決策值的方法，提出了一個知識結(jié)構(gòu)構(gòu)造算法，從而獲得構(gòu)建知識空間雙層結(jié)構(gòu)的信息。
　　腦認知研究面臨的挑戰(zhàn)之一是如何能更多地從功能性磁共振成像數(shù)據(jù)中抽取有用知識，以多知識抽取框架為基礎開發(fā)的多抽取系統(tǒng)為其提供了一種新的解