李金海，王 飞，吴伟志，徐伟华，杨习贝，折延宏

（1.昆明理工大学数据科学研究中心，昆明650500；2.昆明理工大学理学院，昆明650500；3.浙江海洋大学信息工程学院，舟山316022；4.浙江省海洋大数据挖掘与应用重点实验室（浙江海洋大学），舟山316022；5.西南大学人工智能学院，重庆400715；6.江苏科技大学计算机学院，镇江212003；7.西安石油大学理学院，西安710065）

引 言

多粒度数据分析是大数据研究领域中的重要课题，它基于多粒度思想对数据进行多角度、深层次的分析与处理，以解决现实中特定复杂数据的知识发现与表示问题［1⁃4］。多粒度数据通常是对数据进行不同粒化得到的多个侧面认识，它的显著特点是数据可以在多个粒度空间进行呈现［5］。多粒度数据广泛存在于人们生产生活中，比如考试成绩有百分制也有等级制，电子地图能够显示到市县一级也能够进一步细化到乡镇一级甚至村落一级，论文可以按影响因子排名也可以按分区明确其大致的等级。也就是，人们会根据自己的实际决定在哪个层面进行数据分析与处理比较合适，这也是人们解决问题时比较擅长的方面［6］。实际上，出现这种现象是由于数据在不同粒度层面上进行显示的代价和效果存在差异导致的［7］。众所周知，数据在粗粒度层面上进行呈现的代价小，因为粗粒度一般意味着数据提供的信息量较少，而数据在细粒度层面上进行呈现的代价大，因为细粒度一般意味着数据提供的信息量较大。有趣的是，人们往往是从粗粒度数据开始不断提高对粒度进行细化的要求，即对数据粒化的认识是一个渐进的过程，下一次认知会受上一次认知结果的影响，这完全符合人们认知事物需要经历不断修正自我判断的心理过程［4，8⁃12］。……