基于距离的直觉模糊粗糙模型及应用

将直觉模糊和区间直觉模糊集(数)的距离测度引入直觉模糊信息系统和区间直觉模糊信息系统,建立基于距离的粗糙集模型,并给出该模型两种约简-上下近似约简的定义.通过构造分辨函数,设计距离直觉模糊粗糙模型的知识约简及规则提取算法.最后将距离直觉模糊粗糙模型应用于信息系统安全审计风险判断,这不仅可为从直觉模糊和区间直觉模糊信息系统中获取知识提供一种粗糙集方法,而且还为信息系统安全审计风险的有效判断提供决策支持.     

多粒度背景下直觉模糊信息系统的粗糙集及其决策

从多粒度视角研究了直觉模糊信息系统,定义了优势关系,给出了乐观和悲观的两种模型,研究了其性质及其与单粒度模型的联系与区别,并且给出了决策规则的置信度因子及其决策规则的获取方法,定义了多粒度直觉模糊决策系统的属性重要度,将其应用到多专家综合决策中,从而弥补了单粒度直觉模糊粗糙集的不足,最后通过一个实例验证了本文理论方法的正确性与有效性。     

基于概率信息系统决策规则的R0三I决策推理

讨论了一种概率信息系统用于表示对象与属性值之间的关系存在不确定性的信息.使用粗糙集和证据合成理论中的方法,给出了获取概率信息系统的扩展决策规则集的一般方法.使用R0三I推理方法实现了基于扩展决策规则集的R0三I决策推理判断.     

基于概率信息系统决策规则的Ro三I决策推理

讨论了一种概率信息系统用于表示对象与属性值之间的关系存在不确定性的信息．使用粗糙集和证据合成理论中的方法，给出了获取概率信息系统的扩展决策规则集的一般方法．使用R0三I推理方法实现了基于扩展决策规则集的R0三I决策推理判断．     

优势直觉模糊粗糙集决策方法及其应用

由于客观世界的复杂性和不确定性,多属性决策信息系统总是包含大量的偏好信息、模糊信息,而传统的决策方法难以有效提取决策规则和实现方案排序。为了处理此类问题,通过借鉴直觉模糊集和优势粗糙集的思想与方法,构建了一种优势直觉模糊粗糙集决策方法,并利用其解决信息系统安全审计评估问题。结果表明,所构建的模型能够很好地处理含有偏好信息和模糊信息的多属性决策信息系统,解决多属性评估决策问题,实现决策规则的获取和方案排序。     

基于变精度容差关系的扩展粗糙集

针对不完备决策信息系统问题,在分析已有粗糙集及其扩展方法局限性的基础上,提出了一种基于变精度容差关系的扩展粗糙集方法。该方法通过判断对象之间不可分辨可能性的大小来划分容差类,进而得到相应的上、下近似集,并在理论与实例中与基于容差关系、相似关系、限制容差关系等的扩展粗糙集进行了比较分析,论证了该方法的合理性和有效性。     

基于粒度矩阵的程度多粒度粗糙集粒度约简

多粒度是粗糙集理论中的一种有效的数据处理方法,粒度约简是获取信息系统简洁规则的前提。研究了程度乐(悲)观多粒度粗糙集粒度约简理论,改进了程度粗糙集的下近似定义,提出了程度多粒度粗糙集的粒度矩阵。基于粒度矩阵,研究了程度多粒度粗糙集下近似计算理论和粒度的必要性,提出程度乐观多粒度粗糙集核粒度的定义。针对程度乐(悲)观多粒度粗糙集,提出基于粒度矩阵的粒度约简方法。最后利用实例分析验证了所提粒度约简方法的正确性。     

(α,β)集对限制优势粗糙集及决策模型

针对不完备信息系统中的偏好多属性决策问题,提出了一种基于(α,β)集对限制优势粗糙集的决策分析模型。引入集对优度和关键属性构建一种集对限制优势关系,构造了基于(α,β)集对限制优势关系的粗糙集模型;在此基础上,研究了粗糙近似算子的性质、知识的属性约简和决策规则的提取方法,并采用计算机仿真的方法分析其分类误判率。(α,β)集对限制优势关系比原有的集对优势关系更加符合实际,分类的整体性能更优。比较研究的结果表明:(α,β)集对限制优势关系在保持较高的分类精度和质量的基础上,其分类误判率显著优于集对优势关系和限制相似优势关系。     

基于集对势的扩充粗糙集模型

针对已有扩充粗糙集模型处理不完备信息系统的局限性,在已有扩充模型的基础上,基于集对分析理论中集对势的概念定义了一种新的对象之间的分类关系,称为集对势容差关系,并由此给出一种新的粗糙集扩充模型.从局部角度,分析说明该模型的分类性能优于已有方法.同时选用UCI数据库中的数据集进行测试,通过实验表明该模型的整体分类性能也优于已有方法.因此更加适合大型不完备信息系统的处理.     

无人战斗机态势评估变精度粗集决策方法

为了解决在态势评估中一般粗糙集决策方法仅对规则进行提取而不完成规则匹配的问题,提出了基于加权相似性度量的无人战斗机（unmanned combat aerial vehicle, UCAV）态势评估的变精度粗集决策方法。建立了UCAV态势评估决策信息系统模型,基于正确分类率β的确定原则,给出了β值的确定方法,在该β值下从决策模型中提取出了决策规则。提出了基于互信息度的属性相对重要度计算方法,并依据相对重要度给出了属性的客观权重,结合专家经验形成了属性的综合权重。提出了基于属性综合权重的加权相似性度量方法,通过比较当前对象与决策信息系统中所有对象的相似程度给出决策结果,完成对该对象作战意图的预测。结果表明,该方法有利于UCAV对对象作战意图的预测和判断。     

FUZZY ORDER EQUIVALENT CLASS WITH UNCERTAINTY

1. Introduction The AHP (Analytic Hierarchy Process), an analyzing method of multi-attribute and multi-criterion decision making, was first put forward by the American scientist Saaty. It decomposes a complicated problem into several levels in order to make the analysis of the original problem much simpler and quantifying the decision maker's subjective comparison (Saaty 1980, Saaty & Vargas 1987, Saaty 1990, Saaty 2003). However, there is an extensive literature which addresses the situa…     

基于条件粗糙熵的粗集不确定性度量

基于知识的条件粗糙熵理论,提出了集合的条件粗糙熵(简称条件熵)概念,用来刻画和度量集合的不确定性(粗糙性)。给出集合条件熵的性质和相关定理:在近似空间中,等价划分越细,集合的条件熵就越小,粗糙性也就越小;不同的决策集合并后粗糙性会降低.讨论了集合的条件熵在目标信息系统中的理论意义,集合的条件熵刻画了目标信息系统的局部(某个决策集)的不确定性。     

肯定和否定决策规则的获取及约简

为了从不完备有噪声的信息系统中获取肯定和否定决策规则,首先提出了变精度粗糙集描述子的概念,并讨论了其性质|然后给出了该模型下肯定和否定决策规则获取的方法|最后,为了获得简化的决策规则,提出了基于分辨矩阵的描述子约简方法和保持下近似分布不变的启发式约简算法,在学生成绩的评测实例中验证了该方法的有效性。     

属性具有不同形式偏好信息的群决策方法

针对决策者给出属性具有不同形式偏好信息的多目标群决策问题,提出了一种新的集结方法。该方法首先将多个决策者提供的属性的三类偏好信息———属性重要程度的序关系、AHP判断矩阵和语言描述作一致化处理———转化为AHP判断矩阵,重点针对如何将属性重要程度的语言描述转化成AHP判断矩阵的方法进行了研究。其次,关于属性偏好信息建立了一个能集成决策群体意见的线性目标规划模型。最后给出了算例说明该方法能最大程度地反映每个决策者的偏好意见。     

基于模糊判断可信度的作战方案优选模型

受战场情况复杂多变、侦察情报不充分和指挥员知识经验、作战胆略等限制,指挥员就决策问题进行两两对比分析时,对作出的每个判断的把握程度是不同的。针对决策者就有限方案集进行两两方案比较得到的模糊偏好的把握程度存在差异,提出将决策者进行两两比较判断的把握程度作为判断的可信度,建立了一种决策者对所有二元对比的加权偏差平方和最小的非线性规划模型。该模型充分利用现有决策信息,决策结果相对比较合理、客观、可靠,可为指挥员进行指挥决策参考。     

基于不完备信息的粗糙集初始备件品种确定方法

针对初始备件品种确定问题,提出基于不完备信息的粗糙集初始备件品种确定方法。从关键性、消耗性、可更换性、经济性和可获取性5个方面系统分析初始备件品种决策影响因素;对比分析经典粗糙集模型的优劣,构建加权阈值粗糙集模型;提出基于系统信息量的属性权重确定方法;依据加权阈值粗糙集模型确定上、下近似集,获得初始备件品种决策规则。结合算例分析探讨模型的有效性,结果表明该方法能够提高备件品种决策精度。     

基于全相容性粒度的粗糙集模型

基于不完备信息系统下的容错关系粗糙集模型与完备信息系统下的粗糙集模型相比更能满足现实生活的需要,因此在实际工作中得到了广泛的应用,但其中存在的一个问题,即容错类中的元素并非两两存在相容关系,而只是都与其容错类的生成元素存在相容关系.本文首先重新定义了不完备信息系统下的相容关系,进而提出了最大全相容类的概念,从而保证了相容模块中的元素两两相容.在此基础上,定义了4种不同的知识表达系统,不仅对这4种不同的知识表达系统所构成的覆盖进行了比较,而且在不同的知识表达系统下对于粗糙集的近似精度,知识的粗糙熵以及粗糙集的粗糙熵进行了深入分析.