多層次不確知性融合模型及其在SST監(jiān)測中的應(yīng)用隨著信息技術(shù)的不斷發(fā)展，信息量迅速增加。IDC報(bào)告指出：2011年的數(shù)據(jù)量達(dá)到里程碑式的1.8ZB，所有數(shù)據(jù)每兩年將翻一番，到2020年信息量將達(dá)到40ZB，其中33%的數(shù)據(jù)將包含有價值的信息，而僅有0.4％的全球數(shù)據(jù)得到了分析，大數(shù)據(jù)時代來臨。大數(shù)據(jù)指的不僅是數(shù)據(jù)量，更側(cè)重于數(shù)據(jù)的描述方式、描述內(nèi)容。因此，大數(shù)據(jù)的描述結(jié)構(gòu)與認(rèn)知方法變得尤為重要。海洋信息也是如此，本文基于海洋信息中多衛(wèi)星監(jiān)測海水海表溫度的融合開展了以下研究：1）大數(shù)據(jù)的主要任務(wù)是通過大量的全方位高密度數(shù)據(jù)精確的描述復(fù)雜事物，本文將其定義為全信息數(shù)據(jù)。全信息融合則是以全信息數(shù)據(jù)為基礎(chǔ)，通過信息融合技術(shù)全面認(rèn)知復(fù)雜事物。在此過程中，無論從描述上還是認(rèn)知上都存在著不確定性，這也正是信息不確定性來源的兩個方面，這些問題在大數(shù)據(jù)分析/處理過程中尤其突出。因此，全信息融合不僅需要綜合分析各種類型的不確定性信息/知識，更需要側(cè)重處理信息/知識本身的不確定性。本文從信息/知識本身的不確定性出發(fā)，量化了全信息數(shù)據(jù)中多源信息的協(xié)同與沖突，在數(shù)值型數(shù)據(jù)融合的基礎(chǔ)上實(shí)現(xiàn)了擴(kuò)展信息融合及非結(jié)構(gòu)化知識提取。2）在融合過程中，信息的預(yù)處理、量化及融合都存在著信息耗損，從而導(dǎo)致認(rèn)知結(jié)果與真實(shí)情況存在差異。信息耗損量直接影響著認(rèn)知的精度和信度，因此信息耗損的度量在融合模型的評估中就顯得至關(guān)重要。本文利用基于數(shù)據(jù)情境語義的移動相對熵度量信源本身的不確定性，實(shí)現(xiàn)了不完備信息系統(tǒng)的指向性約簡，進(jìn)一步度量了融合過程的信息耗損。3）在信息融合的基礎(chǔ)上，本文利用全信息融合模型模擬人類認(rèn)知原理，初步實(shí)現(xiàn)了對全信息數(shù)據(jù)的認(rèn)知，構(gòu)建了全信息數(shù)據(jù)的多層多粒度解析與融合模型，達(dá)到了隨著信源信息量不斷擴(kuò)充與信息粒度不斷加細(xì)，融合結(jié)果的精度和信度逐步提升的目的。同時，在此過程中建立了耦合度矩陣融合模型、協(xié)同自適應(yīng)融合模型、空間認(rèn)知檢索模型，分別解決了數(shù)據(jù)沖突、信息協(xié)同、非結(jié)構(gòu)化知識檢索等問題。綜上，本文在多衛(wèi)星傳感器監(jiān)測海水海表溫度融合的背景下，構(gòu)建了全信息數(shù)據(jù)融合模型，量化了多源信息自身的不確定性、一致性、沖突性、協(xié)同性，度量了融合過程中的信息耗損，并在此基礎(chǔ)上模擬人類認(rèn)知過程建立了隨著信源信息量的不斷擴(kuò)充、信息粒度的不斷加細(xì)，融合結(jié)果的精度和信度逐步提升的全信息融合模型。同時，本文利用信息的協(xié)同原理構(gòu)建了基于群體決策的協(xié)同自適應(yīng)融合模型，并構(gòu)建了信息系統(tǒng)可信度分析的多層多粒度模型。在文章最后，探討了在數(shù)據(jù)組成的虛擬世界中捕捉現(xiàn)實(shí)中的事件與規(guī)則，實(shí)現(xiàn)了融合結(jié)果的非結(jié)構(gòu)化知識提取，從而為知識融合提供了開放式的檢索方法。本文的研究工作剛剛起步，全信息數(shù)據(jù)的融合與認(rèn)知正如人類對復(fù)雜事物的認(rèn)知過程一樣，是一個不斷完善的過程。大量事實(shí)表明：在復(fù)雜