数据挖掘作为计算机学科的重要研究领域被列入 2006 － 2020 年《国家中长期科技发展规划纲要 》和《高等学校中长期科学和技术发展规划》。本项目重点开展了智能数据挖掘方法（粗糙集、粒度计算、神经网络与支持向量机）的核心基础理论问题的创新性研究，取得了一系列重要成果。

1 、信息系统中的不确定性研究：独立于 Shannon 熵，建立了可同时度量随机性和模糊性的信息熵理论，给出了相应的条件熵和互信息；首次建立了粒度度量、信息熵、粗糙熵和知识粒度之间的定量关系；提出了动态粒度原理。

2 、信息系统中的知识表示与知识获取：首次运用包含度建立了几种典型的粗糙集模型的统一描述框架；提出了非完备信息系统中知识获取的极大相容块方法；首次给出了完备非协调决策信息系统中对象的约简之间的关系以及系统的约简之间的关系，提出了抽取与优化决策规则的有效方法。

3 、基于神经计算的预测建模问题研究：提出了基于 Fisher 线性判别原理、基于视觉模拟展现原理的支持向量分类机高斯核函数参数确定方法；首次将支持向量机引入时序预测建模问题，提出的基于相似性的数据压缩技术极大地提高了支持向量机的训练效率，在香港空气质量预测中得到成功应用。

4 、论著及人才培养： SCI 收录论文 23 篇， EI 收录论文 21 篇；在科学出版社出版专著 2 部（《信息系统中的不确定性与知识获取》、《粗糙集理论与方法》）；软件著作登记 1 项；培养博士研究生 2 人、硕士研究生 15 人；智能信息处理科研团队于 2006 年成为山西省高等学校优秀创新团队。

本项目的理论成果丰富了数据挖掘的基础理论与方法，将促进粒度计算、智能信息处理、管理科学等学科的发展，为海量信息处理提供新方法与新技术。