一种基于PS-粗糙集的动态三支决策算法

在深入分析PS-粗糙集和PS-粗糙集上的动态三支决策模型特点的前提下,给出了相应的动态算法,以完善基于PS-粗糙集的动态三支决策模型及应用.首先,讨论了不同情况下对象的单向迁入和单向迁出的规律,分别给出了单向迁移时的相应算法;其次,设计了对象双向迁入和迁出的动态算法;最后,从UCI数据集中获取用于活动识别的数据集作为实验数据,随机选取三组数据作为实验子集,分别进行了对象的单向迁入、单向迁出和双向迁入/迁出实验,结果表明,该算法具有较好的决策效率.     

双向S-概率粗糙集及其应用

在集合X的双向动态特性与知识库中统计信息的基础上,提出了双向S-概率粗糙集模型。讨论了双向S-概率粗糙集的动态特性,给出了双向S-概率粗糙集的应用。     

分层多尺度决策信息系统的序贯三支决策

传统信息系统中每个属性只有一个尺度,但随着海量数据的涌现,实际应用中经常是在多个尺度上处理和分析问题.三支决策是解决分类问题的一种经典方法,序贯三支决策是在三支决策的基础上进行多步决策的一种方法 .将多尺度决策信息系统与三支决策相结合,基于决策理论粗糙集提出分层多尺度决策信息系统的序贯三支决策模型,得到动态变化的正域、负域、边界域.对多尺度决策信息系统进行分层,依次在分层后得到的多个单尺度决策信息系统上进行讨论,构建尺度层面的序贯结构;在每个单尺度决策信息系统上,通过增加属性的方式得到属性子集序列,诱导出多级粒度结构,构建该尺度下粒度层面的序贯结构.为此,给出两种属性子集序列的选择方法;在序贯三支决策过程中,利用相对损失函数计算阈值,并讨论了阈值的性质;最后给出序贯三支决策过程中的分类规则,并用实例说明提出的模型能有效地处理分类问题.     

粗糙模糊决策表概率决策分析的扩展粗糙集方法

应用λ-截集将决策类中的模糊集合转换为普通集合,在此基础上推广了粗糙隶属函数,讨论了其中的一些集合理论性质,通过设定置信阈值参数α,提出了一种可以从粗糙模糊决策表中获取概率决策规则的扩展粗糙集方法,并设计了一种改进的快速约简算法,最后给出了该方法的一个算例.研究结果表明,提出的方法可从冗余的且有噪声的粗糙模糊决策表中获取用于指导实践的概率决策知识.     

不完全信息下概率决策的扩展粗糙集方法

为了从不完备多属性决策系统中获取概率决策规则，提出了一种不完全信息下概率决策的扩展粗糙集方法. 给出了容差关系下相容度的概念，通过设定相容阈值给出知识的粗糙下近似、上近似和边界域，然后讨论了粗糙近似的基本性质和概率决策规则的获取.通过实例说明这个新方法的可行性和有效性.     

基于前景理论的直觉模糊三支决策模型

针对直觉模糊环境下的三支决策建模问题,综合考虑决策者的不同风险偏好所引起的阈值变化,提出了一种基于前景理论的直觉模糊三支决策模型.首先,给出了一种新的直觉模糊事件概率的计算方法,并对其性质进行证明.然后,在直觉模糊信息表中,利用直觉模糊可能性测度(Intuitionistic Fuzzy Probability Measure,IFPM)计算理想参照点,根据理想参照点前景均值和论域对象综合前景值的关系,给出三支决策划分规则.最后,为减少边界冗余信息,对边界域对象进行二次划分,给出相关算法,并用实例验证了该模型的有效性.     

双向变异S-概率粗集和它的属性概率性质

利用双向变异S-粗集的属性动态迁移特性,结合知识库中的统计信息,提出了双向变异S-概率粗集.讨论了双向变异S-概率粗集的属性概率性质,为获得动态的决策规则奠定了基础.利用上述讨论,给出了一个具体的应用实例.     

基于多伴随直觉模糊粗糙集的三支决策

决策粗糙集提供了处理不确定数据和风险数据决策问题的一个新方法,基于决策粗糙集的三支决策理论是典型的风险决策理论的推广.传统的直觉模糊粗糙集采用一对三角模与蕴涵算子来构造逻辑算子,未考虑属性之间的差别,而多伴随直觉模糊粗糙集采用多个伴随对构造逻辑算子,更好地体现了用户偏好.构造了多伴随直觉模糊粗糙集模型,研究了基于多伴随直觉模糊粗糙集的三支决策.首先,定义了乐观多伴随直觉模糊粗糙集,并用于处理直觉模糊数的复杂计算问题;然后利用隶属函数和非隶属函数计算损失函数,通过期望损失函数对事件对象进行评估,进一步构造了相应的三支决策模型;基于期望损失函数值最小的原则诱导出三支决策,并得到相应决策的风险值.此模型中期望损失函数的构造是基于支持度与非支持度两种度量的综合讨论,考虑更全面,更能有效地反映实际生活情况,满足用户偏好.最后用医学诊断的例子来验证该模型的有效性.     

双论域上的决策粗糙集模型及其刻画

在决策粗糙集的基础上,对论域进行了拓展,构造了双论域上的决策粗糙集模型.依据条件概率构造了双论域上决策粗糙集的上、下近似集,并得到相应的正域、负域和边界域的定义;讨论了双论域上决策粗糙集模型的一些基本性质;通过实例给出了双论域上决策粗糙集模型在医疗诊断系统中的应用.     

基于区间值犹豫模糊多粒度粗糙集的三支决策模型

针对区间值犹豫模糊信息系统,提出了两种基于区间犹豫模糊多粒度粗糙集的三支决策模型。首先,借助多粒度粗糙集理论,提出乐观和悲观区间犹豫模糊多粒度粗糙集模型。其次,引入区间犹豫模糊连续交叉熵的概念,用TOPSIS方法来计算对象在不同情况下的条件概率。基于此,定义区间犹豫模糊决策理论粗糙集并给出相应的三支决策规则。最后,通过实例验证了这两种模型对目标评估采取不同的态度和决策方案,并且证明了所提算法的有效性。     

三支决策贝叶斯网络分类器

传统二支决策分类器在处理不精确或置信度不高的对象时往往具有较高的错分率,而三支决策由于引入延迟决策,使其具有较低的误分率.基于单评价函数的三支决策分类器通过判断对象的条件概率值和决策阈值之间的大小关系将对象划分到相应的区域中.决策阈值可以由三支决策粗糙集模型计算得出,而条件概率值则由分类器提供.提出一种三支决策贝叶斯网络分类器,考虑属性之间的关联性,从而将条件概率求解和阈值求解融合在一起,实验表明三支决策贝叶斯网络分类器具有更高的分类精度.     

基于集对联系熵的三支决策模型及应用

信息熵是信息系统中不确定性研究的有效理论工具之一.首先,构建集对联系熵建立三支决策规则,利用集对同熵、集对反熵、集对异同和异反熵对三支决策不确定性进行度量,进一步对延迟决策的风险进行分析预测.其次,考虑延迟决策的决策风险,受错判风险敏感程度、知识粒度和决策时机的影响,分析影响因素间的关系,给出延迟决策风险函数表达形式.再次,针对知识粒度的不同对进一步决策的作用不同,将集对联系熵进行改进,当集对标准集合拓展为普通集合时,出现"拒识域",集对联系熵可进一步拓展.最后,用实例进行模型有效性验证.     

基于三支决策的二阶段分类模型研究

当对三支决策边界域进一步划分时,边界域知识存在划分信息不足,从而导致分类精度不高,针对上述问题提出一种新的基于三支决策的二阶段分类模型(TWD-TP).第一阶段根据贝叶斯规则构建三支决策中样本的条件概率,通过求解最优化损失函数得到所需阈值,然后按照三支决策规则对数据集进行划分.三支决策是基于最小风险贝叶斯决策理论的划分,在其正域、负域中包含一定的误分类样本;在第二阶段通过类标签索引分别将正域、负域中误分样本作为增量信息引入延迟决策域,形成重构边界域,最后对重构边界域进行划分.实验结果表明:所提出的TWD-TP模型不仅能在三支决策划分中筛选出高误分类特征的样本,同时其重构边界域中不能被划分的样本得到正确划分,分类精度进一步提高.     

几种不确定性测度的粗糙集解释

以粗糙集为基础，研究了信任函数与内测度、信任函数与随机集的下概率之间的关系，并给出了它们基于粗糙集理论的解释，首先将粗糙集与随机集作了比较，并由此得出了信任函数与下概率的关系。其次，对内测度的集合特征作了分析后，给出了信任函数与内测度的关系。     

基于执行反馈的动态调度知识更新

以合同网协议为协调方式,构建了基于多Agent的动态调度框架;通过粗糙集理论,由调度专家经验知识获取调度规则知识;通过对比任务执行的条件属性组合与标书中条件属性组合,重新计算资源条件属性组合可信度;根据任务完成情况的满意度,提取条件属性组合的满意度集合,对比知识库中的决策属性与以满意度的均值定义的决策属性,更新不一致的决策属性,并用熵重新计算规则知识的可信度.最后给出实例并进行分析.     

基于粗糙集多状态下的三支决策

三支决策理论是处理不确定决策问题的重要理论基础,近年来已成为国内外学者的研究热点.将三支决策与粗糙集相结合,在研究对象属于和不属于集合的种状态下,对3种决策的代价进行研究,从而使得决策更加合理,进一步将对象所处的2种状态推广到多种状态情况下,并引入参与决策者的权重,结合对象所处状态概率,建立基于粗糙集多状态下的三支决策模型.最后利用目前高校常用的学评教满意度模糊评价来验证该模型.     

采用局部粗糙集模型的决策规则提取

研究基于局部粗糙集模型下的决策规则提取.对经典粗糙集的决策规则提取进行改进,给出局部粗糙集模型下的决策规则公式,并研究相关性质.结合局部粗糙集模型给出的规则提取公式,引入参数值α,α∈(0,1］,使规则提取公式的泛化能力更强,适用性更广.通过3个实例对局部粗糙集模型决策规则提取的运用进行说明.     

P-粗积分的粗变化率及其特性

P-粗积分是由函数双向S-粗集生成的一个积分对,当有属性迁出同时又有属性迁入系统时,P-粗积分发生变化,就具有了一系列动态特性。在P-粗积分动态特性的基础上定义了粗变化度与粗变化率,并研究了其特性。而且粗变化率将迁出与迁入的属性（或P=FUP）对系统产生的作用进行了量化。为有目的地调整系统提供了理论依据。     

粗积分的粗变化率及其特性

P 粗积分是由函数双向S 粗集生成的一个积分对,当有属性迁出同时又有属性迁入系统时, P 粗积分发生变化,就具有了一系列动态特性。在P 粗积分动态特性的基础上定义了粗变化度与粗变化率,并研究了其特性。而且粗变化率将迁出与迁入的属性(或P=F∪)对系统产生的作用进行了量化。为有目的地调整系统提供了理论依据。     

双向S-属性粗糙集及其性质

针对S-粗糙集中元素的动态特性,在属性集及属性测度理论基础上,提出了双向S-属性粗糙集的概念,讨论了双向S-属性粗糙集的性质,并就双向S-属性粗糙集的精度进行了讨论.