2019年四川省科学技术奖励提名项目公示科技进步奖

一、项目名称：动态不确定性知识发现理论与方法二、提名单位：四川省教育厅

提名意见：该项目围绕动态不确定性知识发现这一国际学术前沿中的重大科学问题开展研究，取得了具有重要创新性的基础研究成果：

1. 构建了基于粒计算的增量学习理论框架和方法体系，降低了数据快速增长时学习模型及算法对时间和空间的需求。 2. 设计了面向异构信息系统的粒化分析技术与近似计算模型，突破了传统近似计算方法的局限性。 3. 提出了数据体量大限制下的多粒度并行大规模知识获取方法，实现了海量动态数据的多粒度高效知识发现。 该项目研究得到多国院士和 AAAI/AAAS/ACM/IEEE 等学会 Fellow 以及多位重要期刊主编等国际同行的高度认可，并应邀在国

际会议做大会报告二十余次，形成重要国际影响，有力推动了本学科及相关学科的发展。 我单位严格按照《2019 年度四川省科学技术奖励提名工作手册》的相关规定，对推荐书内容及全部附件材料进行了严格审查，

确认该成果符合相关规定的推荐资格条件，推荐材料全部属实，且未发现任何违反《中华人民共和国国家秘密法》和《科学技术保密规定》等相关法律法规及侵犯他人知识产权情形。

综上，提名该项目为四川省科技进步奖——自然科学类一等奖。三、项目简介

如何从大数据中高效实时地发现有价值的知识具有重要的科学意义和应用价值，而大数据所呈现的体量巨大、多源异构、动态性和不确定性等特点使得知识发现理论与方法面临重大挑战，亟待发展新一代大数据知识发现技术，以突破现有成果的局限性。项目组在多个国家自然科学基金项目的持续资助下，历经十余年协同攻关，以粒计算理论为基础，以典型粗糙集模型为对象，以增量学习技术为手段，以云计算并行框架为支撑平台，在动态不确定性知识发现的理论与方法上取得了重大突破，获得了如下的重要科

1

学发现。1. 构建了基于粒计算的增量学习理论框架和方法体系，揭示了不确定性知识在多层次粒度空间中的单调性演化规律和动态关联

机理，提出了不依赖于全量数据的不确定性知识发现的增量计算理论与方法，降低了数据快速增长时学习模型及算法对时间和空间的需求。

2. 设计了面向异构信息系统的粒化分析技术与近似计算模型，提出了异类特征下样本间的混合距离集成度量方法，发现了面向异构数据的融合粒化与层次分析机理，刻画了通过矩阵方法实现粒化表达与运算的内在关系，建立了异构数据的模糊粒化结构生成模型，突破了传统近似计算的局限性。

3. 提出了数据体量大限制下的多粒度并行大规模知识获取方法，刻画了基于粒计算的数据分治、模型分治和知识融合机理，设计了高维数据特征选择的数据-模型并行计算框架，提出了基于云计算的大规模特征选择算法及其并行优化技术，构建了面向海量复杂数据的不确定性知识并行粗糙计算模型，实现了海量动态数据的多粒度高效知识发现。

8篇代表作发表在 IEEE TKDE 等本领域权威期刊上，SCI 他引 275 次，总他引 409 次，施引刊物包括 IEEE TKDE、IEEE TC、IEEE TFS 和 IEEE TSMC-S 等。本项目成果被加拿大/波兰科学院 W. Pedrycz 院士（IEEE TSMC-S 主编），欧洲科学院 C.L.P. Chen外籍院士（IEEE TSMC-S 主编），西班牙皇家工程院 F. Herrera 院士（IF 主编），印度国家工程院 U. Maulik 院士，美国 B. Liu教授（ACM SIGKDD 前主席），加拿大 Y. Yao 教授（国际粗糙集学会前理事长），意大利 D. Ciucci 教授（国际粗糙集学会理事长），美国 X. Wu 教授（IEEE TKDE原主编，KIS 主编），澳大利亚 C.T. Lin 教授（IEEE TFS原主编）和日本 F. Hamido 教授（KBS 主编）以及 AAAI/AAAS/ACM/IEEE Fellow 等学者的大量正面引用和采用。第一完成人应邀赴新加坡、波兰、泰国、中国台湾和澳门等地举办的国际学术会议上做大会报告 20 余次，指导学生获得 2015 年天池大数据“新浪微博互动预测大赛”冠军（奖金20万元），2016 年国际人工智能联合会议竞赛“社会影响力分析”亚军和 2018 年 AI 全球挑战赛“AI天气预报挑战赛”亚军，形成重要国际影响。四、客观评价

8篇代表作发表在 IEEE TKDE 等权威期刊上，SCI 他引 275 次，总他引 409 次，其中论文 4是 ESI 高被引论文、曾入选 ESI热点论文，论文 7曾入选 ESI 高被引论文。施引刊物包括 IEEE TKDE，IEEE TFS，IEEE TC，IEEE TSMC-S 等。成果被加拿大/波兰科学院 W. Pedrycz 院士（IEEE TSMC-S 主编），欧洲科学院 C.L.P. Chen外籍院士（IEEE TSMC-S 主编），西班牙皇家工程院 F. Herrera院士（IF 主编），印度国家工程院 U. Maulik 院士，美国 B. Liu 教授（ACM SIGKDD 前主席），加拿大 Y. Yao 教授（国际粗糙集学

2

会前理事长），意大利 D. Ciucci 教授（国际粗糙集学会理事长），美国 X. Wu 教授（IEEE TKDE原主编，KIS 主编），澳大利亚C.T. Lin 教授（IEEE TFS原主编）和日本 F. Hamido 教授（KBS 主编）以及 AAAI/AAAS/ACM/IEEE Fellow 等学者的大量正面引用和采用。[1] 欧洲科学院 C.L.P. Chen外籍院士（AAAS/IEEE Fellow，IEEE TSMC-S 主编）和美国 X. Wu 教授（AAAS/IEEE Fellow，IEEE TKDE原主编，KIS 主编）在代表性引文 1 中，将代表性论文 1 的近似集动态更新工作与特征选择、维数约简、噪声处理和多粒度分析等同列为当前数据挖掘和知识发现研究的重要进展。

注：文献[8]为代表性论文 1。[2] 西班牙皇家工程院 F. Herrera 院士（IFSA Fellow，Information Fusion 主编）在代表性引文 2 中，将在代表性论文 2 中提出的决策规则提取方法与经典朴素贝叶斯分类器并列为当前处理符号型数据挖掘的典型机器学习算法。

注：文献[5]为代表性论文 2。[3] 加拿大皇家科学院 W. Pedrycz 院士（IEEE/IFSA Fellow，IEEE TSMC-S 主编）在代表性引文 3 中，大篇幅引用完成人的研究工作，称代表性论文 3，5 设计了面向大规模不确定复杂数据的若干高效并行挖掘算法，代表性论文 1，6 从多个角度提出了增量式动态更新知识方法。

3

注：文献[47，45，26，27]分别为代表性论文 3，5，1，6，文献[28，29，31，32，34，35，36，37，38，39，46，48]为完成人的另 12篇论文。[4] 印度国家工程院 U. Maulik 院士在代表性引文 4 中，称代表性论文 4，1，2 的研究工作可以用于不确定性问题的近似求解，并将代表性论文 1 中所提出的增量学习方法与随机森林分类器相结合，可以有效解决不确定性样本的渐进式聚类集成问题。

注：文献[58，46，59]为代表性论文 4，1，2，文献[56]为完成人的另 1篇论文[5] 澳大利亚C.T. Lin 教授（IEEE/IFSA Fellow，IEEE TFS原主编）在代表性引文 5 中，称代表性论文 5 提出了大规模并行知识获取方法，并将其部署在 Hadoop 等典型 MapReduce运行系统上，可以从大数据中有效地进行知识挖掘。

注：文献[26]为代表性论文 5，文献[29]为完成人的另 1篇论文。[6] 王熙照教授（IEEE/CAAI Fellow，IJMLC 主编）在代表性引文 6 中，大篇幅引用完成人的研究工作，代表性论文 6，4 分别设计

4

了快速地增量更新不确定性知识算法，称代表性论文 1，8 分别刻画了若干典型粗糙集模型下的增量更新知识机理，代表性论文 2 提出了决策规则的动态维护方法。

注：文献[37，38，34，26，22]分别为代表性论文 6，4，1，8，2，文献[24，27，28，35，36，39，40]为完成人的另 7篇论文。[7] 焦李成教授（IEEE/CAAI Fellow，中国人工智能学会副理事长）在代表性引文 7 中，称代表性论文 7通过知识约简技术构建的分类器可达到令人满意的学习性能，并将该研究成果列为基于粗糙集理论的典型分类模型。

注：文献[34]为代表性论文 7。[8] 澳大利亚H. Shen 教授（国家特聘专家，IEEE TCC副主编）在代表性引文 8 中，称代表性论文 8 提出了一种特征动态变化时不确定性知识增量更新方法。

5

注：文献[18]为代表性论文 8，文献[15，19]为完成人的另 2篇论文。五、代表性论文专著目录（不超过 8篇）序号

论文专著名称/刊名

/作者

年卷页码（xx 年 xx卷

xx页）

发表时间（年月 日）

通讯作者（含共同）

第一作者（含共同）

国内作者

SCI

他引次数

他引总次数

论文署名单位是否包含国外

单位

1

A rough-set-based incremental approach for updating

approximations under dynamic maintenance environments/IEEE

TRANSACTIONS ON KNOWLEDGE AND DATA

ENGINEERING/Hongmei Chen; Tianrui Li; Da Ruan; Jianhui

Lin; Chengxiang Hu

2013(25)274-284

2013-02 李天瑞 陈红梅陈红梅李天瑞林建辉胡成祥

49 69 是

2

A rough set-based method for updating decision rules on attribute

values' coarsening and refining/IEEE TRANSACTIONS ON

KNOWLEDGE AND DATA ENGINEERING/Hongmei Chen;

Tianrui Li; Chuan Luo; Shi-Jinn Horng; Guoyin Wang

2014 (26): 2886-2899

2014-12 李天瑞 陈红梅陈红梅李天瑞罗川洪西进王国胤

21 31 否

3

A parallel matrix-based method for computing approximations in

incomplete information systems/IEEE TRANSACTIONS ON

KNOWLEDGE AND DATA ENGINEERING/Junbo Zhang;

Jian-Syuan Wong; Yi Pan; Tianrui Li

2015 (27)

326-3392015-02 李天瑞 张钧波 张钧波

李天瑞 15 25 是

6

4 Composite rough sets for dynamic data mining/INFORMATION SCIENCES/Junbo Zhang; Tianrui Li; Hongmei Chen

2014(257)81-100 2014-02 李天瑞 张钧波

张钧波李天瑞陈红梅

55 71 是

5A parallel method for computing rough set approximations/INFORMATION SCIENCES/Junbo Zhang; Tianrui Li; Da Ruan; Zizhe Gao; Chenbing Zhao

2012(194)209-223

2012-07 李天瑞 张钧波张钧波李天瑞高子喆赵成兵

32 60 是

6Incremental approaches for updating approximations in set-valued ordered information systems/KNOWLEDGE-BASED SYSTEMS/Chuan Luo; Tianrui Li; Hongmei Chen; Dun Liu

2013(50) 218-233

2013-09 李天瑞 罗川罗川李天瑞陈红梅刘盾

24 33 否

7

Incorporating logistic regression to decision-theoretic rough sets for classifications/INTERNATIONAL JOURNAL OF APPROXIMATE REASONING/Dun Liu; Tianrui Li; Decui Liang

2014(55)197-210

2014-01 刘盾 刘盾刘盾李天瑞梁德翠

49 62 否

8

Rough sets based matrix approaches with dynamic attribute variation in set-valued information systems/INTERNATIONAL JOURNAL OF APPROXIMATE REASONING/Junbo Zhang; Tianrui Li; Da Ruan; Dun Liu

2012(53)620-635

2012-06 李天瑞 张钧波张钧波李天瑞刘盾

30 58 是

合 计 275 409

7

六、代表性论文专著被他人引用的情况（不超过 8篇）序号 被引代表性论

文专著序号 引文名称/作者 引文刊名 引文发表时间（年 月 日）

1 1 A novel variable precision reduction approach to comprehensive knowledge systems/Chao Yang; Hongbo Liu; Sean McLoone; C. L. Philip Chen; Xindong Wu

IEEE TRANSACTIONS ON CYBERNETICS 2018-02

2 2 Online entropy-based discretization for data streaming classification/Sergio Ramirez-Gallego; Salvador Garcia; Francisco Herrera

FUTURE GENERATION COMPUTER SYSTEMS 2018-09

3 3 Rough sets in distributed decision information systems/ Jun Hu; Witold Pedrycz; Guoyin Wang; Kai Wang

KNOWLEDGE-BASED SYSTEMS 2016-02

4 4 Ensemble based rough fuzzy clustering for categorical data/ Indrajit Saha; Jnanendra Prasad Sarkar; Ujjwal Maulik

KNOWLEDGE-BASED SYSTEMS 2015-03

8

5 5Attribute equilibrium dominance reduction accelerator (DCCAEDR) based on distributed coevolutionary cloud and its application in medical records/Wei-Ping Ding; Chin-Teng Lin; Mukesh Prasad; Sen-Bo Chen; Zhi-Jin Guan

IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS: SYSTEMS

2016-03

6 6 Incremental perspective for feature selection based on fuzzy rough sets/Yanyan Yang; Degang Chen; Hui Wang; Xizhao Wang

IEEE TRANSACTIONS ON FUZZY SYSTEMS 2018-06

7 7 A novel dynamic rough subspace based selective ensemble/Yuwei Guo; Licheng Jiao; Shuang Wang; Shuo Wang; Fang Liu; Kaixuan Rong; Tao Xiong PATTERN RECOGNITION 2015-05

8 8 Incremental feature selection based on rough set in dynamic incomplete data/Wenhao Shu; Hong Shen PATTERN RECOGNITION 2014-12

七、主要完成人情况表姓名 排名 行政职务 技术职称 工作单位 完成单位 对本项目贡献李天瑞 1 副院长 教授 西南交通大学 西南交通大学 1.作为项目负责人和主要完成人，制定项目总体研究方案。2.揭示

了不确定性知识在多层次粒度空间中的演化规律和动态关联机理，构建了基于粒计算的增量学习理论框架和方法体系。3.提出了异类特征下样本间的混合距离集成度量方法，设计了面向异构信息系统的粒化分析技术与近似计算模型。4.刻画了基于粒计算的数据分治、模型分治和知识融合机理，创建了面向海量复杂数

9

据的不确定性知识并行粗糙计算模型。对本项目重要科学发现中的第 1、2、3 点做出了创新性贡献，是所有 8篇代表性论文的作者，7篇论文的通讯作者。本项目研究工作量占本人工作量的90%。

陈红梅 2 无 教授 西南交通大学 西南交通大学

创建了属性值层次化变化不确定性知识动态更新模型，发现了属性和对象同时变化知识粒度的动态演化规律，提出了不同粒度变化下不依赖于全量数据的增量学习算法，建立了增量式不确定知识高效更新方法。发现了面向异构数据的融合粒化与层次分析机理，构建了面向异构数据的复合关系粗糙集模型。对本成果重要科 学 发 现 中第 1 、 2 点 做 出 了 创 新 性贡献，是代表性 论文1、2、4、6 的作者。本研究工作量占本人研究工作工作量的90%。

张钧波 3 无 副研究员 京东数字科技控股有限公司 西南交通大学

阐明了数据动态更新时属性、样本之间关系变化的内在机理，发现了不同粒度层次之间分类知识的数学转换关系，创建了面向异构数据的增量式知识更新模型与方法。刻画了海量数据中信息粒的并行计算机理，设计了高维数据特征选择的数据-模型并行计算框架，提出了基于云计算的大规模特征选择算法及其并行优化技术。对本成果重要科学发现中第 2、3 点做出了创新性贡献，是代表性论文 3、4、5 的第一作者。本项目研究工作量占本人工作量的 90%。

罗川 4 无 副教授 四川大学 西南交通大学

揭示了集值有序分类问题中数据动态变化时样本之间优劣关系的动态更新规律，发现了不同粒度层次之间有序分类信息粒的单调性演化规律，提出了面向动态多准则集值系统的增量式不确定性有序分类模型与方法。对本成果重要科学发现中第 1 点做出了创新性贡献，是代表性论文 2、6 的作者。本项目研究工作量占本人工作量的 90%。

刘盾 5 无 教授 西南交通大学 西南交通大学 揭示了动态数据环境下不同层次数据之间的泛化关系和信息粒度变化表示形式，刻画了动态数据边界样本的分类不确定性，提出了不依赖于全量数据的不确定性分类模型的增量计算方法。对本

10

成果重要科学发现中第 1 点做出了创新性贡献，是代表性论文6、7、8 的作者。本项目研究工作量占本人工作量的 60%。

八、完成人合作关系说明本项目第一完成人李天瑞、第二完成人陈红梅和第五完成人刘盾在西南交通大学工作，第三完成人张钧波在北京京东金融科技

控股有限公司（原在微软亚洲研究院）工作，第四完成人罗川在四川大学工作。科研方向密切相关，合作紧密。陈红梅、张钧波分别从 2008 年 9月、2009 年 9月开始在西南交通大学攻读博士学位并参与本项目；罗川于 2009 年 9月开始在

西南交通大学攻读硕士学位，于 2011 年 9月起硕博连读，并参与本项目。李天瑞是她（他）们的导师，代表性论文 1-6 和代表性论文 8是在李天瑞指导下陈红梅、张钧波、罗川在攻读博士学位期间发表的论文。刘盾于 2007 年 9月开始在西南交通大学攻读博士学位起，就加入李天瑞的研究团队，之后留校任教，一直参与本项目研究，共

同发表了包括代表性论文 7 在内的多篇论文。本项目完成人还联合申报课题、共同举办国际国内学术会议等，在相关学术领域产生了广泛的影响。以上合作关系真实可靠，特此说明。

九、主要完成单位情况表1、本项目完成单位为：西南交通大学2、法定代表人：徐飞

11

3、所在地：四川省成都市4、通信地址：四川省成都市高新区西部园区西南交通大学

12