基于不确定性的跳阶序贯三支决策模型

序贯三支决策模型作为一种能够有效处理不确定性信息的数据挖掘方法，采用了渐进的思维进行决策。然而，边界域可能存在部分不确定性较大的等价类，即便添加属性也无法准确划分，导致决策的分类精度降低，同时延迟代价较高。因此，通过条件概率来刻画等价类的不确定性，基于阴影集理论筛选不确定性较大的等价类，并对其采取跳阶延迟处理的方法，提出了基于不确定性的跳阶序贯三支决策模型。实验结果表明，所提模型与经典序贯三支决策模型相比，在分类性能上具有更好的有效性。     

三支决策——基于管理研究视角

从三支决策管理视角出发,介绍了三支决策的哲学与管理思想;分析了三支决策TAO模型的3个重要问题;讨论了效用三支决策和行为三支决策模型;探讨了动态决策环境下的序贯三支决策模型与方法.最后,给出了基于管理视角下三支决策未来的发展方向.     

序贯三支决策的代价敏感分类方法

序贯三支决策体现了信息粒化和代价敏感学习的优势,其中信息粒化是人类认知和决策执行的基础,代价则是信息处理涉及的重要因素.提出针对代价敏感学习的序贯三支决策模型.首先,对信息粒化和决策代价之间的关系进行了定义和描述;然后,从序决策过程的视角,利用不同粒度层次的代价矩阵构建了代价函数;最后,为平衡决策结果代价和决策过程代价,提出了两个优化问题,并从理论上阐述了其意义,从实验结果分析上验证了算法的有效性,体现了序贯三支决策在代价敏感分类问题上的优势.     

基于风险最小化的多粒度三支决策模型

为减小传统的二支决策中直接接受或拒绝决策带来的决策风险,分析问题决策的多粒度空间,研究了基于风险最小化的多粒度三支决策模型.在三支决策风险代价分析基础上,为寻求最优的粒度空间,结合不同属性特征在粒度空间中具有不同决策权重的特点,以粒化重要度和粒化决策权重为启发式信息,从多个不同的粒度层次出发,寻求风险最小的决策行动.最后针对不承诺选项中一些急需决策的现实问题,给出了基于风险控制的二支决策转化方法,并进行了具体的实例应用.     

决策系统簇的平均代价敏感并行约简

大数据背景下，数据量呈指数级增长，三支决策在处理代价敏感问题时动态机制和稳定性不足.针对这个问题，结合F-粗糙集处理动态数据方面的优势，在代价敏感决策表簇中提出基于F-粗糙集和三支决策的平均代价敏感并行约简.首先，从平均决策代价和平均测试代价的角度，定义基于F-粗糙集和三支决策的并行约简；其次，设计基于F-粗糙集和三支决策的平均代价敏感并行约简算法.与基于分类的最小代价约简和基于类特定的最小代价约简比较，实验结果显示，基于F-粗糙集和三支决策的平均代价敏感并行约简可以更好地权衡误分类代价(决策代价)和测试代价，提高分类准确率.研究结果为研究动态决策和代价敏感提供一种新的研究方法和思路.     

三支过采样的不平衡数据分类方法

结合三支决策和合成少数过采样技术(synthetic minority over-sampling technique, SMOTE),提出了一种新的采样方法—三支过采样(three-way over-sampling, 3WOS)。3WOS通过对所有样本构建三支决策模型,选取该模型边界域中的样本作为关键样本进行SMOTE过采样,从而有效缓解样本聚集和分离问题,在一定程度上提高了分类器性能。该方法首先在少数类样本上应用三支决策和支持向量数据描述,将所有样本数据进行三分;其次,找出所有关键样本的k个最近邻少数类样本,并使用线性插值方式对每个关键样本合成新样本,然后形成新的少数类样本;最后,将更新后的样本集用于训练分类器。实验结果表明,3WOS方法比其他方法在基分类器上有较好的分类准确度、F-measure、G-mean和较少的代价值。     

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。     

可拓序贯三支决策模型及应用

将可拓评价基本方法与“三分而治”决策思想融合,引入序贯思想,构建可拓序贯三支决策模型,实现动态决策与挖掘优化指标的目的。首先,对数据进行标准化处理,计算属性的权重;其次,将可拓评价方法作为三支决策的评价准则,定义新的决策规则,阐释划分3个域的合理性;然后,根据属性权重得到多个粒度的序贯评价属性,进行多阶段三支决策,给出决策结果;最后,根据决策结果对引起样本划分变化的指标进行分析,并提出优化建议。将模型应用于水资源承载力分析领域,与熵权物元可拓决策模型进行对比。结果表明,运用可拓序贯三支决策模型与熵权物元可拓决策模型所得的评价结果基本一致,准确率达84.55%,验证了模型的有效性和实用性。     

基于偏联系数的得分函数构造方法

分析了集对分析中已有偏联系数得分函数的不足和缺陷,并构造了新的偏联系数得分函数.通过分析新得分函数,有效刻画了偏联系数中异向偏于正向和负向的趋势变化中的不确定主观因素,解决了偏联系数中得分函数评价结果与客观判断不一致的问题,在此基础上讨论了新的得分函数的构造准则及性质.最后,通过实例分析比较了新得分函数的有效性和可行性.     

基于联系数的多属性决策模型

针对权重为区间数且属性值为实数和区间数相混合的多属性决策问题,提出了基于联系数的多属性决策模型.该模型将区间型权重、实数型及区间型属性值转化成联系数的形式,利用联系数的运算规则确定决策方案的排序.该方法集确定与不确定分析为一体,反映了不确定性对结果的影响,所需计算量较少,便于应用.实例分析验证了该方法的有效性和实用性.     

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.     

一种基于集对决策的偏联系数方法

在集对分析的基础上针对联系数问题,利用联系数中关于不确定与确定性问题的理论方法,提出了一种基于偏联系数的决策模型,并通过该方法证实了算法的简单有效性.     

基于TOPSIS的无标签序贯三支决策模型

为解决无标签信息系统中已知接受域对象数的决策问题,提出了无标签信息系统的序贯三支决策模型。首先采用TOPSIS算法进行数据预处理;其次根据数据集特征提出期望密度差的定义,并提出了无标签三支决策的构建算法,给出数据驱动下的决策阈值选择方法;同时在此基础上进一步建立了无标签序贯三支决策模型。案例分析显示,在属性值动态更新的情况下,序贯三支决策阈值具有自适应性。最后,相关实验验证了该模型的有效性。     

三参数区间灰数的多属性灰靶决策方法

针对决策信息不确定的多属性决策问题,提出了基于三参数区间灰数的灰靶决策方法.首先基于"重心"点的重要作用给出了一种新型的三参数区间灰数的距离测度,定义了三参数区间灰数的核和排序方法,由此确定决策方案的正负靶心,利用正负靶心距的空间投影距离求得综合靶心距,由综合靶心距最小化和灰熵最大化确定属性的权重,进而对方案进行排序.最后以一个实例说明决策模型的合理性和实用性.     

基于可拓关联度比的三支决策模型及应用

三个域的构造和解释一直是三支决策研究重点之一,将可拓评价的基本方法与"三分而治"的决策思想进行融合,构建基于可拓关联度比的三支决策模型.分析关联函数的构造原理及数值特征,定义更具决策指导意义的可拓关联度比,论述其作为三支决策中评价函数的可能性与合理性;将归一化的关联度比作为评价函数,对每个等级的指标进行三个域划分,构造...     

基于可拓域变化代价最小的最优粒度选择

针对当前最优粒度选择算法对决策域动态变化带来的代价鲜有涉及的问题,引入可拓集方法,结合三支决策思想提出基于可拓域变化代价最小的最优粒度选择模型.首先由可拓评价法确定指标等级离散化数据表,以权重为粒子实施粒化,利用二元关系交算子构建粒层空间;其次融合三支决策划分三个域,基于三个域的动态变化确定可拓集的五个域;然后研究可拓...     

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.     

联系数在地铁车站火灾安全风险评价中的应用

针对采用安全检查表评价方法与模糊综合评价方法进行评价时对信息的删减问题及难以对系统安全状态演化趋势进行分析的现状,以地铁车站火灾安全评价为例,提出采用联系数同时刻画车站火灾的安全状态与不安全状态,建立基于联系数的地铁车站火灾风险评价模型,并通过该模型分析地铁车站火灾的安全风险等级,利用偏联系数分析地铁车站火灾风险的演化趋势.研究结果表明:该模型不仅能实现对风险演化趋势的分析,而且与安全检查表综合评价法相比较,该评价结果具有更好的符合性.     

基于广义权联系度距离的多属性决策模型

针对多属性决策的不确定性问题,提出集对分析方法处理确定性不确定性问题.从确定性与不确定性辨证关系出发,将方案指标集与指标理想集作为集对,给出了各方案与正理想方案的广义权联系度距离定义、各方案与负理想方案的广义权联系度距离定义,讨论了现阶段集对分析在多属性决策中的应用情况,指出了其存在的不足,提出了基于广义权联系度距离的多属性决策模型,并将其应用于矿山设备优选中.应用表明,基于广义权联系度距离的多属性决策模型适合多个方案的优选,为多属性决策提供了一条新的途径.     

基于模糊理想点的模糊多属性决策方法

针对属性权重信息完全未知或只有部分权重信息且属性值为三角模糊数的模糊多属性决策问题,提出3种基于模糊理想点的最优化决策模型.通过对这3种模型的求解,获得属性的权重,给出相应的对方案进行排序和择优的决策方法,从而为解决权重信息不完全的模糊多属性决策问题提供新的途径.