L水平相似关系下不完备区间值信息表的三支决策

推广了不完备信息表的三支决策模型。首先,根据决策者的风险偏好,定义一个L水平相似关系用以度量区间值信息表上不同对象间的相似程度。其次,从不完备信息表中存在的缺失值的两种语义出发,利用区间数获取损失函数进而通过贝叶斯最小风险决策理论求得三划分所需要的阈值。最后,将三支决策模型推广到由区间值不完备信息和损失函数矩阵组成的混合区间值信息表上,并且研究了模型的性质。     

基于三支决策风险最小化的风险投资评估应用研究

针对风险投资评估过程中,模糊综合评判法中作为状态集函数的模糊隶属度不满足"归一性条件"和"可加性原则",以及模糊集的max-min运算会损失许多有用信息的问题,将贝叶斯原理和基于决策粗糙集的三支决策规则引入到模糊综合评判中,用风险损失函数定义一个风险评判因子,构造一个新的风险评判矩阵,提出基于三支决策风险最小化的风险投资评判模型。然后,按照风险最小化原则取风险损失值最小的决策方式作为评估结果,从而解决了模糊综合评判法中存在的问题,使评价结果更合理,更准确。     

基于区间二型离散模糊数的多粒度群决策方法

针对多粒度离散模糊语言决策信息在转化和聚合过程中容易缺失语言决策数据的问题,提出一种基于区间二型离散模糊数的多粒度群决策方法。首先定义区间二型离散模糊数,讨论其运算法则和相关性质,并且给出其离散加权平均聚合函数。其次,提出I-离散关联和补全映射,利用区间对缺失的语言决策数据进行补全,使一个基于低粒度语言术语集的离散模糊数转化为一个包含原始评价信息并且基于更高粒度语言术语集的区间二型离散模糊数。最后,提出一种基于区间二型离散模糊数的群决策方法,解决市场投资选择问题,并通过实例分析验证该方法的可行性和准确性。     

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.     

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.     

基于相对知识粒度的区间集决策信息表不确定性度量

区间集决策信息表拓展了经典决策信息表，其粒化结构的不确定性刻画成为重要应用基础。基于区间邻域粒化引入相对知识粒度，进而提出区间集决策信息表的一种新型不确定性度量。利用两对象之间的距离及半径来建立区间邻域粒化系统，证明距离粒化与相似度刻画的条件等价性，获得区间近似粗糙度；把经典相对知识粒度推广为区间相对知识粒度，将其与区间近似粗糙度进行信息融合，提出一种新型不确定性度量并得到了粒化单调性等性质。最后进行了实例验证，结果表明所提度量能够有效表征粒化结构变化所引起的不确定性变化。     

基于区间直觉模糊集的研究型高校可持续发展能力评价

定义了基于Einstein运算规则的区间直觉模糊数运算规则以及区间直觉模糊信息的IIFEWG算子和区间直觉模糊信息的IIFEWA算子.针对准则值为区间直觉模糊数的多准则决策问题,提出一种区间直觉模糊多属性决策方法.该方法利用IIFEWG算子或者IIFEWA算子对准则进行集成,得到各方案的综合区间直觉模糊数,通过比较各方案综合区间直觉模糊数的得分函数值和精确函数值得到方案集的排序.从研究型高校的科研能力、人才培养、财务发展潜力和财务当前水平评价其可持续发展能力,评价过程及结果表明了基于Einstein运算规则的区间直觉模糊信息集成方法的有效性和可行性.     

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.     

基于区间模糊相似测度的多属性群决策方法

针对区间orthopair模糊环境下的群决策问题,提出一种基于区间orthopair模糊相似测度的多属性群决策方法.定义一种新的区间orthopair模糊相似测度,讨论其优良性质,并基于新的区间orthopair模糊相似测度构建优化模型,确定群决策中最优专家权重和最优属性权重,进而提出一种基于新的区间orthopair模糊相似测度的VIKOR多属性群决策方法,并将这种方法应用到大学生学生素质评价中,通过模型当中参数的灵敏度分析来验证该方法的合理性与有效性.     

区间值模糊目标信息系统的规则提取

在区间值信息系统中定义了一种新的变精度相容关系,研究了这种相容关系诱导的极大变精度相容类;提出了基于极大变精度相容类的区间值模糊目标信息系统的粗糙集模型;进一步讨论了利用粗糙隶属函数获得决策规则的方法,最后通过实例说明了方法的可行性.     

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

具有连续属性的不完备信息系统Rough集扩展

在模糊相似关系的基础上,针对具有连续属性的不完备信息系统提出了Rough集的扩展模型;利用模糊区间数来表示不完备信息表中缺失的连续属性值,并根据属性值的概率分布情况计算模糊区间数的可能度,在模糊关系的基础上给出了不完备信息表的上近似和下近似的定义;利用基于欧氏距离的贴近度法计算模糊相似度,构造相似矩阵,实现了对论域的划分;给出决策规则的约简和表示方法,应用实例说明了所提出的Rough集模型及规则的实用性。     

一种基于直觉模糊语言概念格的规则提取方法

针对具有模糊语言值不确定性信息的决策问题,提出一种基于直觉模糊语言概念格的规则提取方法.基于直觉模糊概念格,提出直觉模糊语言形式背景及直觉模糊语言形式概念,探讨直觉模糊语言形式概念间的偏序关系以及直觉模糊语言概念格之间的细于关系.在直觉模糊语言决策形式背景下,给出直觉模糊语言集之间的相似度以及加权相似度,讨论其相关性质.构建条件概念格和决策概念格,得到在直觉模糊语言决策形式背景下的规则集,建立直觉模糊语言规则提取应用模型.通过疾病诊断实例说明该方法的有效性和实用性.所提出的方法能够同时考虑决策过程中正反两方面的评价信息,减少决策过程中的信息损失.     

属性权重未知情形下的区间直觉模糊多属性决策方法

针对区间直觉模糊信息环境下属性权重未知的多属性决策问题,提出了一种新的决策方法.在回顾相关基础理论知识基础上,定义了区间直觉模糊数的得分函数与精确度函数,提出了基于离差最大化的属性权重确定方法,然后基于区间直觉模糊加权平均算子给出了属性权重未知情形下属性信息为区间直觉模糊数的多属性决策方法.最后将该方法运用到突发事件应急预案有效性评价问题,通过实例分析验证了该方法的有效性.     

一种基于多准则的模糊信息融合算法决策

信息融合的目标是结合异构信息以获取复合可对比模式的替代解决方案,因此提出一种基于多准则的模糊信息融合算法决策.该算法结合了计算智能和多准则决策领域的理论概念,首先采用归一化基本模式对归属函数进行标准化操作;其次选择有效数据信息函数值将其组合成聚合函数,然后根据聚合函数建立多准则方式来处理异构信息,最终获得每个候选替代方案的单一评价模式.实验结果表明,基于多准则的模糊信息融合算法能够处理和表示输入数据中涉及的不精确和不确定性,相比于基于模糊规则方法更具适应性.     

基于条件信息熵的区间集决策信息表不确定性度量

该文研究区间集决策信息表中基于信息熵的不确定性度量。针对区间集决策信息表,该文提出一个δ-区间相似关系来描述对象之间的关系。将Pawlak粗糙集模型的近似精度和近似粗糙度等不确定性度量概念,扩展到区间集决策信息表中。通过分析扩展的δ-区间近似粗糙度和δ-区间近似精度,可以发现这两种度量对粒度结构的变化并不敏感。结合条件信息熵,该文提出了一种δ-区间决策条件熵来度量区间集决策信息表的不确定性。对δ-区间近似粗糙度,δ-区间近似精度和δ-区间决策条件熵相关性质进行了分析和证明。通过实例验证了δ-区间决策条件熵能够有效、准确地度量区间集决策信息表的不确定性。     

连续区间Pythagorean模糊相似测度及其多属性决策方法

针对基于连续区间Pythagorean模糊相似测度的多属性群决策问题,首先,提出连续区间Pythagorean模糊有序加权平均(C-IVPFOWA)算子;然后定义一种新的连续区间Pythagorean模糊相似测度,并研究该相似测度的优良性质;接着,基于连续区间Pythagorean相似测度构建决策者权重和属性权重非线性优化模型,同时提出基于新的连续区间Pythagorean相似测度的多属性群决策方法;最后,通过智能家居工程案例验证所提出方法的可行性和有效性.     

基于直觉模糊可能性测度的三支决策模型的研究

在直觉模糊集和可能性测度理论基础上,用可信度,对三支决策模型进行了研究.首先运用直觉模糊集和可能性理论,定义了直觉模糊可能性测度和直觉模糊可信度,讨论它们的性质.在直觉模糊可能性空间中,建立了基于直觉模糊可能性测度的三支决策模型,给出了该模型的划分规则.然后,定义了直觉模糊信息表的三支决策模型,给出了求信息表对象的综合直觉模糊属性特征值方法.最后,对该模型下的误判进行分析,给出了一种基于直觉模糊可能性测度和可信度的决策风险计算方法,并进行了实例演算.通过实例,给出具体计算步骤:综合分析了对象在不同属性特征下的隶属度和非隶属度,计算其直觉模糊可能性测度;运用可信度,计算出边界阈值和综合直觉模糊属性特征值;讨论了该模型的有效性.     

基于三支决策的高斯混合聚类研究

针对隶属关系不明确的情况,即样本点属于多个类别的概率接近,高斯混合模型聚类存在较大的误判风险的问题,将三支决策思想融入高斯混合模型中,提出一种基于三支决策的高斯混合聚类算法.新算法计算出数据对象属于各个类簇的后验概率作为决策评价函数,用于确定聚类结果的正域和边界域.由于新算法对边界对象采取了比一般高斯混合聚类算法更加谨慎的操作,避免了直接做出对象属于某一类或不属于某一类的决策所需承担的风险,从而有效减小了误判代价.实验进一步表明,所提出的算法不仅继承了高斯混合聚算法的特点,具有良好的聚类性能,而且还对于非球形数据簇表现出优良的聚类效果.     

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.