基于证据理论的三支决策模型

三支决策模型和证据理论在概念、信息处理方式上存在着互通互补之处。首先,将证据理论基本概念引入到三支决策中,分析其延迟信任区间可能包含的可变语义,分别构建了基于证据理论的确定和可变三支决策模型。然后,通过调节信任系数取值,结合贝叶斯风险分析形成了乐观策略、悲观策略及其相应的决策规则,以满足特定语义环境下的应用需求。最后,通过对防空作战态势评估的风险分析说明了模型的具体应用过程。     

广义三支决策与狭义三支决策

从三支决策发展历史出发,在总结三支决策近年来研究的基础上,基于三支决策现有模型、算法及应用,提出了一种广义三支决策和狭义三支决策理论。广义三支决策注重对三支决策概念内涵和外延进行诠释;狭义三支决策主要注重三支决策在实际决策问题中的语义解释。提出了一种"四层次"三支粒结构决策模型,从静态和动态、广义和狭义两种视角对三支决策进行剖析,厘清了三支决策发展过程和研究脉络。最后,给出了三支决策的研究现状和未来发展方向。     

三支决策的时空性

从三支决策发展历史和已有研究出发,在总结和分析三支决策近年来理论、方法、算法及应用的基础上,基于时间和空间两个维度,分别提出了时间三支决策模型和空间三支决策模型。时间三支决策注重在动态决策环境下对序贯决策进行诠释;空间三支决策主要基于“多层次”和“多视角”的粒计算思想对最优粒层和粒度进行选择。此外,对三支决策的时空性作了深入探讨和分析,厘清了三支决策发展过程和研究脉络。最后,对三支决策的研究现状进行总结,并给出未来发展方向。     

基于三支决策理论的条件属性权重构造方法

针对传统决策过程中权重规则确定的主观性和参数数值计算的不确定性问题,在粗糙集和三支决策理论的基础上,对条件属性权重构造方法进行了研究。重新定义了属性确定度和属性约简度,提出了一种属性权重构造方法,通过实例将该方法与其它条件属性权重构造方法进行了分析比较,证明了其有效性。该方法基于数据本身,不需要先验信息,从客观的角度对属性进行判断,决策者通过该方法可以得到更加合理的权重分配,做出符合实际的决策。该论文对研究属性权重分配问题,具有一定的理论价值。     

一种新的基于粒度重要度的三支决策模型

粒度重要度是多粒度粗糙集中的一项重要研究内容。针对现有粒度重要度只考虑单个粒度对决策的直接影响而忽略了其他粒度对决策综合影响的问题,结合多粒度粗糙集近似质量的概念,通过研究粒度重要度的构造方法,提出了一种新的多粒度间的粒度重要度的计算方法,并给出了基于该方法的粒度约简算法。同时,为减少冗余决策信息,将约简集与三支决策理论相结合,构建了基于粒度重要度的三支决策模型,给出了决策规则。最后通过实例证明,新的粒度约简算法可以获得具有更高区分度的数据,且缩小了延迟域范围,使最终决策更合理。     

三支决策与三支关注的双量化集成*

三支决策依托的条件概率只具有相对性,绝对性度量的引入与集成有利于规则提取.文中挖掘绝对条件概率建立三支关注,研究三支决策与三支关注的双量化集成.提取相对条件概率与绝对条件概率,分析2种度量的系统关系,得到异质性与互补性.利用绝对条件概率建立三支关注,与三支决策进行双量化集成,得到集成区域类型与基本语义(粒)体系.利用一个统计决策表案例进行说明.三支关注依托绝对条件概率成为新型三支模式,与三支决策的双量化集成呈现系统性与应用性.     

基于邻域三支决策粗糙集模型的软件缺陷预测方法

基于已有软件缺陷数据,建立分类模型对待测软件模块进行预测,能够提高测试效率和降低测试成本。现有基于机器学习方法对软件缺陷预测的研究大部分基于二支决策方式,存在误分率较高等问题。本文针对软件缺陷数据具有代价敏感特性且软件度量取值为连续值等特性,提出了一种基于邻域三支决策粗糙集模型的软件缺陷预测方法,该方法对易分错的待测软件模块作出延迟决策,和二支决策方法相比,降低了误分类率。在NASA软件数据集上的实验表明所提方法能够提高分类正确率并减小误分类代价。     

基于直觉模糊集的三支决策模型

三支决策理论是处理不确定决策问题的重要理论基础,近年来其已成为国内外学者的研究热点。在决策粗糙集、三支决策和直觉模糊集理论的基础上,对基于直觉模糊集的三支决策的模型进行深入研究,提出了三支决策的两描述模型、三描述模型,然后将其拓展为一般模型。该一般模型使用犹豫度重新设计了阈值参数,通过隶属度函数对事件对象进行评估,最后用淮河表层沉积物中有机氯农药污染情况的真实例子来验证该模型的有效性。     

基于混淆矩阵的多目标优化三支决策模型*

鉴于混淆矩阵在机器学习算法性能评价领域的通用性,文中以混淆矩阵为基础构造概率粗糙集三支决策度量系统,给出部分度量指标之间的性质及其证明,提出基于混淆矩阵度量指标体系的多目标优化三支决策阈值求解模型.模型中多目标优化函数被视为不同三支决策度量指标的加权之和,而最优阈值的求解也获得一种新型的语义解释.最后通过实例演示模型如何确定接受与拒绝域阈值,同时对比Pawlak粗糙集方法,表明文中模型获得的三支决策能够更好地平衡决策的准确率与承诺率.     

一种面向移动三支决策模型的有效性度量方法研究

三支决策的基本思想是以"三"思考.随着理论的深入研究,2018年,姚一豫教授提出三支决策的TAO模型(Trisectingacting-outcome),即在原有分治模型基础上,增加了新的要素-"效",形成分(Trisecting)-治(Acting)-效(Outcome)结合的三支决策TAO模型.依托TAO模型,关注于’治’-’效’两步,研究策略施加后模型的有效性.在一类特殊的三支决策模型—基于移动的三支决策模型基础上,提出使用比例效用函数来度量三支决策的有效性,即将决策前后的决策对象变化量和最终状态量的比例值作为效用值.然后分别进行基于对象独立治略,等价类独立治略,区域独立治略的3种治略策略下的三支决策模型有效性度量研究,给出了一种基于比例效用函数的效用度量方法,并通过实例来解释和说明本文提出的模型有效性度量方法.     

优势-等价关系下序贯三支决策的属性约简

序贯三支决策方法是一种能够表示问题中的多重层次粒度,并将多粒度结合起来解决不确定决策问题的有效途径。优势-等价关系粗糙集则是针对条件属性具有偏好关系的分类问题,提取有序信息,对目标概念进行近似,从而形成决策知识。利用传统的优势关系粗糙集方法进行知识约简和提取的效率低下,而目前大部分序贯三支决策方法则局限在符号值属性的信息系统中,对连续值和有序值不能进行有效处理,造成一定程度的信息丢失。因此,将序贯三支决策的思想应用于优势关系粗糙集模型中,定义了一种新的基于序贯三支决策的属性约简及相应的属性重要度,对具有偏好值属性的信息系统进行更加高效的处理,通过多粒度的表示和关系的研究,加速了知识约简过程。选取了多组UCI数据进行实验,结果表明所提出的基于优势关系的序贯三支决策方法能够在保证约简质量的基础上明显降低时间耗费。     

基于相似度量的自适应三支垃圾邮件过滤器

垃圾邮件过滤是信息时代的一个重要研究课题,一封重要邮件被错分会产生不可估量的代价.因此,如何提高过滤器的性能成为垃圾邮件过滤领域中的核心问题.目前,业界通常采用机器学习算法中的二分类模型以处理垃圾邮件过滤问题.然而,较之于三支决策模型,二分类模型会产生较大的错分代价.作为三支决策的一个重要分支,基于决策理论粗糙集的三支决策模型符合人类认知习惯,且能有效地降低错分代价,进而提高过滤器的性能.然而,在构造损失函数时,少有研究考虑由于等价类之间的差异性而对分类结果带来的影响.因此,在基于决策理论粗糙集的三支决策模型的基础上,提出了一种基于相似度量的自适应三支垃圾邮件分类模型.该模型根据集合方差计算了条件属性的权重,并基于相似度量建立了一种刻画差异信息的综合评价函数,进而根据贝叶斯决策规则构建了一种计算自适应阈值对的方法.实验结果表明所提模型在垃圾邮件过滤领域表现优异.     

三支决策与决策粗糙集融合模型

Paw lak粗糙集模型没有对正域、边界域和负域赋予语义,不能进行再决策,而三支决策对边界域赋予了新的语义,可以对边界域做出进一步刻画,对于边界域的进一步划分,依据属性的重要性,使满足条件的样本划入再决策域,不满足条件的样本继续保留在边界域中,降低了边界域样本处理的失误率.本文在对概率粗糙集模型、三支决策粗糙集的理论、贝叶斯理论的决策过程和决策粗糙集模型进行研究的基础上,提出了一种三支决策与决策粗糙集融合模型,与Paw lak-三支决策模型相比,其划分损失更小,处理结果更优.该模型运用三支决策理论对决策粗糙集的边界域赋予延迟决策的语义,对于延迟决策再运用三支决策理论进行迭代操作,对边界域样本进一步处理.在迭代的过程中,依据属性的重要程度将属性排序,从而客观的得到迭代过程中每次优先依据哪个属性进行划分.实验结果表明,该模型比单一运用决策粗糙集模型进行决策代价小,三支决策通过迭代对边界域处理的正确率有所提高,这为准确决策提供了一种新的方法.     

基于云综合方法的三支群决策模型

在三支决策问题中,领域专家群决策是一种确定损失函数的最直接方法。相较于体现单一不确定性的语言变量模型和模糊集模型,云模型描述的专家评价更能够反映认知过程中复杂的不确定性形式,并能通过云综合的方法获得综合评价函数。但当前的云综合方法仅对数字特征进行简单的线性组合,缺乏对概念语义差异上的描述,难以获得令人信服的结果。因此首先证明了在云模型的距离空间中赋权距离和是一个凸函数,并将综合云模型定义为此函数的最小值点。然后,将该定义推广到多个云模型的场景下,提出了一种新的云综合方法——基于密度中心的云综合方法。群决策过程中,该方法在保证综合评价与基础评价之间的相似度最高的同时获得最精确的综合评价,为损失函数的确定提供了一种新的语义解释。实验结果表明,在与简单线性组合和合理粒度方法对比中,该方法所确定的损失函数使得三支决策中的误分类率最低。     

决策演化集的三支博弈

决策演化集是处理决策规则在时间序列上的演化问题的理论。决策演化集将着眼点从静态的决策信息系统转移到动态的时间序列上,研究决策信息系统在随着时间变化时的演化规律,是一种新的决策研究方法。目前,在决策演化集的标准结构下存在着一些问题,例如预测得到的属性较少,预测夹角偏大等问题。决策演化集的三支结构在提高预测准确度方面是一个有效的方法,但其阈值α和β是固定的。然而,在时间序列下数据是不停变化的,固定的α和β并不能很好地适应这种变化。利用博弈论的方法来调整修改α和β使其适应决策信息系统在时间序列下的变化,并通过实例来演示这种调整。     

不完备混合决策系统的三支决策模型与规则获取方法

现有三支决策主要针对各类完备信息系统或不完备单一型信息系统进行研究,而现实应用领域中数据往往呈现不完备性和复杂性等特征,为此,构建面向不完备混合决策系统的三支决策模型与规则获取方法。首先,计算不完备混合数据的完备邻域容差类,并将其代替等价类计算三支决策模型的条件概率;然后,根据扩展的损失函数区间概念获取各对象在乐观、折中和悲观决策下的不同阈值,进而针对不完备混合决策系统构造三种决策风险下的三支决策模型。最后,通过理论分析和医疗诊断实例详细分析了算法的有效性和可解释性,并通过实验比较和分析可知,所构模型较其他已有模型的分类过程更加合理有效,同时该模型也扩充了三支决策模型和知识发现的理论与应用研究。     

基于三支决策的人才培养评价模型研究——以计算机类选修课程为例

作为高校人才培养质量与培养过程的重要补充手段之一,高校开设了计算机类选修课程.但是在培养的全过程中存在着种种不确定因素,制约了人才培养的质量进而导致评价出现偏差.以选课及考核环节,综合考虑培养目标和培养成本,制定了选课建议分类评价指标.基于三支决策粗糙集理论,对计算机类选修课程的选课建议分类模型以及课程考核三支思想进行...     

基于概率图的三支决策模型研究

概率图模型是一类用图形模式表达基于概率关系的模型的总称,用该模型解决损失代价问题已成为当前的研究热点。结合概率图和三支决策理论,提出了基于概率图的三支决策模型。该模型通过对数据进行分析,构造其Bayes网络;并根据模型中节点的相互依赖关系,计算出条件概率分布函数;结合查询变量的先验概率和三支决策损失代价函数,建立了相应的决策规则,给出了概率推理决策中代价最小化问题的一种解决方法。最后通过教学评估实例验证了该模型的有效性。     

不完备邻域多粒度决策理论粗糙集与三支决策

多粒度决策理论粗糙集是多粒度视角下三支决策中一种重要的模型。在数值型不完备数据下建立邻域容差关系;在其基础上提出乐观和悲观的邻域多粒度决策理论粗糙集模型。为了弥补这两种模型的局限,提出平均邻域多粒度决策理论粗糙集模型,并分析相关性质以及相互关系。同时为了使所提出的邻域多粒度决策理论粗糙集适用于不完备数据环境,运用区间值的形式表示代价函数,并通过选取不同参数的方式提出一种可变三支决策。实例分析表明,该模型与方法具有一定的合理性与灵活性。