学者观点

　　编者按：大数据时代下，社会生活各个领域都产生了海量数据。模糊理论与数据挖掘广泛应用在数据处理上。模糊理论是不确定理论的一种，模糊现象具有内在的不确定性。模糊理论是以模糊集合(fuzzy set)为基础，其基本思想是接受模糊性现象存在的事实，并以处理概念模糊的事物为研究目标，将其严密的量化成计算机可以处理的信息以及数学模型可以解决的问题。模糊理论发展至今已有五十余年，从工程科技到人文科学都可以发现模糊理论研究的踪迹与成果。数据挖掘是一种商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转化、分析和模式化处理，从中提取辅助商业决策的关键知识。模糊理论与数据挖掘的交叉应用能在数据分类（Classification）、评估（Estimation）、预测（Prediction）、聚类（Cluster）、可视化（Visualization）、复杂数据类型挖掘(Text, Web,图形图像，视频，音频等)等方面起到重要的作用。

　　模糊理论是不确定理论的一种，模糊现象具有内在的不确定性。为了解决具有模糊性的决策问题，1965年，美国著名的控制论专家，加利福尼亚大学Zadeh教授提出了模糊集（fuzzy set）的概念，并建立了模糊集合理论。模糊集是对经典Cantor集理论的有益扩充，模糊集理论的发展与现在信息和决策领域的发展是相辅相成密不可分的。迄今为止，模糊集已经发展为一个理论、方法与应用并存，并且渗透到各个学科领域的一门学科，成为当前最有发展前景的理论方法之一，同时也是运筹学、管理科学、决策科学、系统工程、模糊系统理论等相关交叉学科的前沿研究领域，并且在许多实际生活中都获得了卓有成效的应用。

　　现如今，人们的生活进入了大数据时代，该时代下的决策分析给人们带来了机遇和挑战。计算机和网络技术的发展也使得社会生活各个领域都产生了海量数据，面对这些具有社会性、时效性、动态性、涌现性和多源异构性等特点的数据，不同的群体有着不同的想法和用途。同时，由于不同群体的知识构架、背景和偏好的不同，加之有些评估属性不能具体描述，甚至比较抽象，因此，较多信息不能精确的表示出来，往往是由模糊信息或者不确定信息给出。因此，以数据挖掘为技术，探索不同偏好信息下隐藏的内部价值，同时结合模糊集理论、决策方法以及优化理论，构建模糊环境下的信息管理和决策分析是十分必要的。相关决策过程如图1

图1 模糊决策过程

　　在模糊决策过程中，为了更好的迎合评估专家的偏好，根据实际的评估环境的改变而调整评估过程，一种非线性的模糊数表示形式被提出，同时结合经典的多属性决策理论，给出一种模糊决策方法。该方法能够根据参数的改变去迎合专家的偏好，从进行更好的决策。

图2 不同参数下的评估方案的总体趋势图

　　大数据时代下，随着计算机技术的进一步发展，信息的表现越来越多样化，决策环境越来越复杂，因此，不确定环境下的决策理论与方法的也有待进一步深入研究和拓展。

相关链接：李光旭博士简介

　　李光旭，2015年7月到经济与管理学院工作，近年来致力于数据挖掘、多目标决策、信息集结和群体决策等方面的研究，在Journal of the Operational Research Society、Technological and Economic Development Economy、系统工程理论与实践等国内外学术期刊发表多篇学术论文，并于2016年8月获得国家自然科学基金青年科学基金项目《不确定环境下基于数据挖掘的群体偏好行为评估》。