我院青年教师在模糊系统与智能计算领域的国际权威学术期刊IEEE Transactions on Fuzzy Systems (IF = 11.9) 发表题为“DDHRPS: A Data-driven Hierarchical Method for Constructing Random Permutation Set from the Perspective of Layer-2 Belief Structure”（DOI: 10.1109/TFUZZ.2026.3654276）的研究论文。我院为该成果的第一完成单位，陈芦园副教授为该论文的第一作者。 

图1：DDHRPS框架

       随机排列集理论作为证据理论的有序扩展，能够有效刻画命题内部元素的顺序结构与倾向性信息。针对现有方法在真实数据驱动构造方面的不足，论文从二层信念结构视角出发，融合数据统计特征与马氏距离度量，提出了数据驱动的层次化随机排列集构造方法 DDHRPS，建立了真实数据特征与高阶信念表示之间的有效映射关系。基于DDHRPS，论文设计了分类算法DDHRPSCA，并在多个UCI公开数据集上进行了验证。实验结果表明，该方法在多数数据集上取得了优于多种传统机器学习分类器和已有不确定性分类方法的性能，充分验证了DDHRPS在复杂不确定信息表示与分类决策中的有效性和鲁棒性。该成果进一步拓展了随机排列集理论在数据驱动不确定性建模中的应用边界，为复杂不确定环境下的模式识别、信息融合与智能决策提供了新的理论依据和方法支撑。