决策粗糙集模型研究综述

主要对决策粗糙集（decision-theoretic rough sets,DTRS）理论的内容与发展概况作综述性回顾。介绍了决策粗糙集的基本理论,包括决策粗糙集产生的背景、决策粗糙集的Bayes决策理论基础、概率粗糙集模型、决策粗糙集模型与经典Pawlak代数粗糙集模型以及一般概率粗糙集模型之间的关系等;讨论了决策粗糙集意义下的三值决策语义以及约简定义,并回顾了决策粗糙集在实际问题中的应用。     

基于覆盖的多粒度决策理论粗糙集模型

经典的多粒度决策理论粗糙集是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到和把握.本文结合多粒度决策理论粗糙集模型,基于覆盖粗糙集理论提出了基于覆盖的多粒度决策理论粗糙集理论,推广了前人的工作.     

基于灰决策和粗糙集的BOT项目投标方案风险评价模型

文章分析了BOT项目投标方案风险评价指标体系,构建了BOT项目投标方案风险评价目标决策指标集,建立了基于灰决策和粗糙集的BOT项目投标风险评价模型,并通过案例研究说明了该模型的可靠性和适用性。为规避BOT项目投标方案风险提供了理论依据及最佳投标决策方案。     

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.     

融入用户风险偏好的三支协同过滤推荐模型

基于用户的不同风险偏好特征,提出一种融入用户风险偏好的三支协同过滤推荐模型来提高推荐规则的准确性.首先,考虑用户的不同风险偏好对项目评分的影响,基于用户-项目评分矩阵定义用户关于项目的偏好概率测度,建立用户-项目偏好概率模型,从理论上证明了该模型是现有模型的推广和拓展.其次,利用决策粗糙集,推导出用户在不同风险偏好下的三支推荐模型阈值表达.然后,以上述工作为基础,将推荐准确性和推荐成本作为优化目标,设计基于粒子群优化算法的用户偏好概率模型参数确定方法 .最后,在MovieLens数据集上的实验验证了提出模型的有效性.     

基于区间二型犹豫熵与风险偏好的多属性决策方法

针对以区间二型模糊集(IT2FSs)为信息环境的多属性决策问题,构建了考虑决策者风险偏好的决策模型,解决了区间二型模糊集内在犹豫性难以量化的问题.首先介绍了区间二型模糊集的相关知识,综合考虑两种期望平均提出了区间二型模糊集排序值公式以比较模糊数的优势关系,同时提出使用几何度量刻画模糊性与犹豫性的区间二型犹豫熵来度量区间二型模糊集的不确定性.考虑到决策者的风险态度对决策结果可能的影响,引入决策者风险偏好因子,构造了风险偏好因子与传统的熵权法相结合的新的权重求解模型并给出了决策算法.最后用一个风险投资的实例验证决策者的风险偏好对属性权重以及决策方案的排序所产生的影响.     

粗糙集三支决策理论及其应用

利用粗糙集中的三支决策思想,将类用正域、负域和边界域刻画,得到初始聚类结果。然后通过定义重叠度和类与类的合并策略,将初始聚类结果进行合并,得到最终聚类结果。之后应用2个关系网络数据展示了具体的聚类步骤,并通过比较2个例子的聚类结果,分析了影响聚类结果的一个主要因素:阈值的选取。实验表明:阈值的选取对简单的网络结构数据集的聚类结果的影响并不明显,然而对复杂的网络结构数据集的聚类结果的影响则较为显著。     

制造决策的知识融合粗糙集模型

由于制造系统的复杂性和不确定性,单一的知识建模或数据挖掘建模都面临着知识或数据信息的不完备．为有效、充分地利用已有信息减少不确定性,文中提出了知识和数据挖掘相融合的建模思想,将知识嵌入到粗糙集模型中,建立了知识的函数关系,给出了基于不可分辨－函数关系的粗糙集决策模型,研究了不可分辨－ 函数关系下的知识分类和推理．相比原粗糙集模型,基于知识的粗糙集模型具有更高的划分精度,发现知识更丰富,结构形式更具归纳性．实验结果验证了决策模型的有效性和应用的灵活性．     

基于决策者风险偏好的区间直觉模糊数多属性决策方法

依据决策者的风险偏好,将区间直觉模糊数转化为含参数直觉模糊数,然后基于直觉模糊数投票模型和人们从众心理分析直觉模糊数的犹豫度对其得分的影响,进而定义直觉模糊数新的得分函数,并以此作为区间直觉模糊数的排序指标,提出一种新的区间直觉模糊数模糊决策方法,最后通过例子验证该方法的可行性和有效性.     

基于粗糙集的决策规则提取

讨论了粗糙集（rough sets）在数据分析方面的应用，基于粗糙集的数据分析来源于对数据表（即信息系统）的分析。通常我们将信息系统中的属性划分为条件属性和决策属性，这种信息系统又称为决策表。对每一个决策表，都有一系列的决策规则与之相对应，这些相关的决策规则被称为决策算法。本文将给出这些决策算法的统计学特点，并与贝叶斯（Bayes’）定理相比较，从而得出基于粗糙集的数据分析方法优于贝叶斯定理。     

三支决策——基于可解释性研究视角

该文从可解释性研究视角探讨了三支决策的相关理论与方法。首先,阐明了三代粗糙集模型的演化过程,厘清三支决策的发展轨迹;其次,聚焦三支决策与粒计算的深度融合,介绍了序贯三支决策和层次三支决策的相关理论与方法;再次,分析三支分类的有效性,揭示了三支决策能够增强分类效果的内在原因;最后,从认知视角诠释了三支决策与人工智能融合的机理,并给出了三支决策可解释性未来的研究方向。     

基于区间数层次分析法的损失函数确定方法

针对基于决策粗糙集的三支决策模型中,损失函数难以确定以及其合理性问题,考虑到区间数层次分析法在处理多属性决策问题上的适应性、对矩阵误差的包容性等,给出了基于区间数层次分析法的损失函数确定步骤,证明了该损失函数的有效性,将其应用于空战目标威胁评估的实例中,并且从三支决策角度对评估结果进行了解释。实例分析表明,该方法确定的损失函数具有一定合理性,阈值对更加紧凑,减小了因数据错误导致的不确定性,降低了错误决策的风险,符合现代化信息空战的需求。     

基于改进扩展正域的属性核与属性约简方法

指出了不相容决策表中存在的正域扩展方法的不足,基于决策表局部最小确定性与条件属性对决策的最小确定性程度,构建了一种改进的扩展正域方法。基于改进的扩展正域方法,提出了计算不相容决策表中认知属性核和认知属性约简的算法。实验结果表明了本文方法的有效性。     

三支模糊集及其应用(I)

在借鉴三支决策、粗糙集、多种广义模糊集(包括格值模糊集、直觉模糊集、部分模糊集、中智集等)基本思想的基础上,该文首次提出三支模糊集的概念,讨论了几类特殊三支模糊集(包括普通三支模糊集、依赖三支模糊集、三支集等)与各种广义模糊集、三划分概念之间的联系;系统研究了三支模糊集的各种基本运算,分析了这些运算的性质及相关格结构。进而,提出三支模糊关系的概念,讨论了它与集对分析中联系数概念之间的关系,给出三支模糊关系的合成运算,在此基础上提出三支模糊推理的TCRI方法。最后,讨论了三支模糊集的实际应用：基于三支集及其运算给出不完备信息系统数据约简的一种新算法;基于三支模糊推理给出水箱水位的一种新的控制方法,通过与传统模糊控制方法的比较分析,说明了新方法的优势。     

一种基于DTRS模型与α-正域的邮件过滤方法

提出一种基于决策粗糙集(decision-theoretic rough set,DTRS)模型的邮件过滤方法(spam filtering based on DTRS-SFDTRS).首先用α-正域约简理论对邮件数据进行属性约简,然后根据最小风险Bayes决策方法,将无法明确判断的邮件用DTRS模型的边界域进行刻画,实现正常邮件、垃圾邮件和可疑邮件的三枝决策.仿真实验表明:SFDTRS方法能显著降低数据的维度,保证邮件过滤效果的同时,提高模型训练和邮件过滤的效率.     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

概念格与三支决策及其研究展望

概念格是形式概念分析理论中的核心数据分析工具,三支决策是三分而治思想的理论化、方法化与策略化,两者的结合已带来诸多新问题、新思想与新方法。文中着重论述概念格与三支决策相结合的研究历程、研究内容以及研究展望。     

双论域模糊概率三支决策模型及其应用

双论域信息系统下的模糊概率粗糙集是粗糙集理论的一个重要拓展模型,然而,该模型目前还未有三支决策方面的相关研究。针对这一问题,提出一种双论域信息系统下的模糊概率三支决策模型。文中首先在双论域模糊概率粗糙集基础上定义了决策动作和决策代价的概念,然后以贝叶斯决策最小化代价为基础,推导出了双论域模糊概率关系下决策区域的三元划分,即三支决策模型,最后提出了双论域信息系统的模糊概率三支决策分类算法。实验分析证明了所提出的三支决策分类算法在双论域信息系统上的有效性和优越性。     

三支决策空间上三支决策评价函数的构造

在基于偏序集的三支决策空间上,回顾从半三支决策评价函数、多个三支决策评价函数到三支决策评价函数的构造方法。并在此研究基础上给出了几个新的三支决策评价函数的构造。