近日，由计算机与信息科学学院桑彬彬副教授为第一作者完成的关于多尺度信息融合的研究论文《VCOS: Multi-scale information fusion to feature selection using fuzzy rough combination entropy》被中国科学院1区Top期刊《Information Fusion》接收并出版。

《Information Fusion》期刊是信息融合领域的国际顶级学术期刊，属于中国科学院1区Top期刊，影响因子14.8，近五年年均发文量仅200篇左右，这也是计算机与信息科学学院首次在《Information Fusion》上发表科研论文。本项研究得到了国家自然科学基金青年基金、重庆市自然科学基金面上项目、重庆市教委重点科技项目和青年项目等资助。

桑彬彬副教授团队近年来始终专注于人工智能领域的前沿基础理论研究，其中包括多粒度认知计算、不确定性推理与建模、智能信息处理等方面，主持国家自然科学基金项目，重庆市自然科学基金面上项目、重庆市教委重点科技项目、青年项目，教育部重点实验室开放课题以及“博望学者”校级人才项目，研究成果已发表在IEEE TSMC、IEEE TFS、INFUS、INS、KBS、ESAW、IJAR等国际顶级期刊。

多尺度信息融合在数据挖掘领域引起了广泛关注，其中最优尺度组合原则和特征选择算法是两个核心问题。然而，传统的最优尺度组合是通过满足条件特征尺度与决策分类的一致性来获得的。这种一致性原则过于严格且不具备容错性。它会导致知识粒度过细，可能降低特征选择算法的性能，无法满足实际应用的需求。论文提出了一种稳健的最优尺度组合选择方法来融合多尺度信息，建立了一种稳健的模糊粗糙集模型，定义了不确定性度量，并为多尺度模糊决策系统（MsFDS）设计了特征选择算法。本文提出的基于 VCOS 的多尺度融合方法可以根据实际需求调整知识粒度与决策分类之间的一致程度。这种多尺度信息融合方法具有更好的泛化能力，可应用于各种复杂数据。基于该方法开发的多尺度特征选择方法的性能也得到了进一步提升。实验结果表明，所提出的算法能够有效地去除冗余特征，提高分类性能。