改进的决策模型在手机垃圾短信过滤中的应用

研究手机垃圾短信过滤模型;针对于手机传统过滤方式采用了二枝决策模型引起较大决策损失的问题,提出了改进的决策模型-三枝决策模型;对改进的决策模型进行理论论证,证明三枝决策较二枝决策的决策损失更小,尝试将此改进模型应用于手机垃圾短信过滤实验;实验结果表明,三枝决策模型较传统的二枝决策模型在决策分类过程中产生错分率更低,决策更有效;通过对该模型的理论分析和实验证明,可知改进的三枝决策模型较传统的二枝决策模型风险损失小,分类效果更优。     

三枝粗糙集和变粒度原理的手写体汉字识别

将三枝决策粗糙集模型用于手写体汉字识别,建立三枝决策粗糙集模型,其区域分类以正、负和边界为基础,更好地体现手写体汉字识别分类近似性。定义了脱机手写体汉字识别决策信息系统特征属性约简相对粒度熵和属性重要度,将手写体汉字识别从属性重要度的角度出发,设计一种基于粒与粒之间逻辑运算的自下而上的粒度网结构,使手写体汉字识别属性集的适用粒度逐渐变大,可以获取更多的有效信息。仿真实验表明,该方法是可行有效的。     

基于二元决策系统的粗集知识获取方法研究

提出一种新的粗集知识获取方法,首先将事例集表示成二元决策系统,然后奖其分解成一系列单一二元决策子系统。利用粗集理论对每一子系统进行分析,推理出最优规则。在对决策系统进行条件属性和规则简化时,提出了概率最佳简约准则和概率最小规则准则,按照这两种最优准则可以获得概率意义上数目最小规则集。通过实例分析,具体说明了该方法的实现步骤,结果表明该方法具有明显的优越性。     

软集决策信息系统的属性约简

粗集和软集在解决不确定的问题的决策分析过程中,属性约简是关键和棘手的问题.与粗集理论相比较,利用软集方法能够有效地简化决策过程.决策信息系统用软集形式表示,用软集处理粗集理论中的等价关系,进行有效的属性约简,给出一个属性真度的概念作为反映条件属性重要性的函数,在此基础上给出一种适合软集属性约简的启发式算法,通过分析和实例证明该软集属性约简方法,简化约简过程,降低运算的复杂度.     

决策系统的相对正域求解

经典的粗集理论给出了用不可分辨类的思想求解系统必要条件的方法,相对正域求解是其中一种,但是它涉及到粗集理论中许多抽象的定义,考虑编程实现的原因,在许多文献中采用了不可分辨矩阵的方法求必要条件。但笔者充分利用MATLAB语言的优点,首先改造了原有决策系统,使之适合于MATLAB语言处理,然后给出了粗集理论中不可分辨类和下近似集两个重要概念的自定义函数Indiscem．m和LowerApproximate．m,用相对正域的方法(poscd．m)求解出系统的必要条件。     

基于粗集理论的机器学习与推理

利用粗集理论探讨机器学习中的几个重要概念及研究方法,提出一种基于祖集理论的推理和学习方法。这种研究方法不仅开拓了一条机器学习的新途径,而且也是从数据中推理决策规则的一种新探索。     

一种无决策属性的信息系统的属性约简算法

经典属性约简及其延伸算法是基于有决策属性的信息系统的属性约简算法,它们对无决策属性的信息系统的属性约简无能为力.为此,本文以粗集理论为基础,对无决策属性的信息系统从集合论的论域划分方面进行研究,提出了一种适用于无决策属性的信息系统的启发式属性约简算法.该算法在一定程度上能够解决无决策属性的信息系统属性约简问题,进一步扩展了粗集理论的应用范围.实例表明该算法是有效可行的.     

基于软粗糙集的犹豫模糊三支决策方法

三支决策理论采取“三分而治”的处理思路,为复杂问题求解提供了一种简洁高效的解决方案.对此,借助软集理论研究犹豫模糊集和三支决策方法,通过定义犹豫模糊集的值空间和值陪集,引入犹豫模糊集的典范软集、单位区间参数化软集和导出犹豫模糊集等概念,解决犹豫模糊集和软集的相互表示问题.此外,利用软粗糙集理论建立一种基于犹豫模糊集的广义粗糙模型,借助给定的预决策集,计算软上近似集并确定评价函数,进而提出一种基于软粗糙集的犹豫模糊三支决策方法.最后,通过两个数值实例和相关对比分析,验证所提出三支决策方法的合理性和有效性.     

模糊数决策粗糙集

考虑到实际决策问题中损失函数的不确定性特征,从贝叶斯理论出发,将模糊数损失函数引入决策粗糙集,提出模糊数决策粗糙集模型。首先,讨论在贝叶斯期望风险最小决策的语义下模糊数决策粗集理论基本模型的构建过程。其次,分析模糊数决策粗集理论的相关数学性质和准则。最后,通过一个企业信用评佑问题来阐明模糊数决策粗糙集模型的应用过程。     

粗集理论在空中目标威胁等级判断中的应用

针对目标进行威胁等级判断时,由于获得的空中目标属性信息的不完全性和不确定性带来的决策困难问题,采用把粗糙集理论引入到空战决策系统中,根据空战冗余信息是可以约简的结论,提出了一种利用粗糙集理论约简求取规则的决策算法。应用SOM网络离散化决策系统输入数据的连续属性值,利用粗集数据分析方法,从数据中提取出规则将输入映射到输出的子空间。通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,因此特别适合对空战信息的融合。     

区间决策粗糙集

考虑到实际决策问题中损失函数的"多值性"特征,从贝叶斯理论出发,将区间值损失函数引入决策粗糙集,提出区间值决策粗糙集模型。首先,讨论了在贝叶斯期望风险最小的决策语义下,区间值决策粗集理论基本模型的构建过程。其次,分析了区间值决策粗集理论的相关数学性质和准则。最后,通过一个石油投资问题来阐明区间值决策粗糙集模型的应用过程。     

分段延迟代价敏感三支决策

决策粗糙集理论中,三支决策代价目标函数是典型的单调线性函数.然而,在实践经验中经常发现延迟决策的代价与决策概率之间的函数关系往往呈现非单调特性,决策粗糙集理论的经典代价敏感三支决策模型无法对上述非单调现象进行直接的建模和推理,导致决策粗糙集理论的应用受到了限制.为了求解这种具有非单调延迟代价的代价敏感三支决策问题,提出一种新型分段延迟代价敏感三支决策模型.该模型定义了具有单调递增和单调递减特性的两组延迟决策损失函数,并结合经典正负域决策损失函数构造了分段延迟三支决策代价目标函数体系、度量指标和分段决策策略;然后,基于条件概率、损失函数及基础度量指标之间关系的4种分段延迟代价敏感三支决策分类模式被提了出来,并且对相应的三支分类阈值进行了推理;最后,通过一组典型实例,验证了分段延迟代价敏感三支决策模型及其三支分类是可行的.     

大型群体多属性决策的目标函数线性回归法

在定义标准决策值的基础上,运用线性回归的方法建立了带有约束条件的大型群体多属性决策目标函数线性回归模型,证明了该模型解的存在性和唯一性.大型群体多属性决策目标函数线性回归法对各专家的标准决策值的信息进行了最优意义上的集结和协调.此外,对大型群体多属性决策目标函数线性回归模型进行了讨论,并获得了一整套可用Matlab软件求解该模型最优解的算法,具体应用算例验证了所提算法的有效性.     

一种基于不确定信息的决策方法

提出了一种基于不确定信息的决策方法，该方法从统一决策模型的角度给出了候选决策集的构造方法、候选决策从证据焦元获得的属性级支持度的计算方法、决策矩阵的构造方法、候选决策获得的证据级支持度的计算方法等．该方法的特点在于将基元和非基元决策的选择问题统一起来加以考虑，另外，决策者可以通过设定模型中的函数形式，决定决策精度和决策风险之间的折衷策略。     

决策粗糙集属性约简算法与属性核研究

属性约简是粗糙集理论的重要研究内容之一。在Pawlak粗糙集模型中,正区域大小随着属性增多而变大,呈现单调性。然而,在决策粗糙集模型中,概率正区域与属性集之间不具有单调性,从而产生各种属性约简定义。为此,深入研究了决策粗糙集属性约简问题,阐述了几种约简定义之间的关系,证明了保持局部最大概率正区域的约简具有较大的代价,指出了保持所有对象的正决策不变的约简呈现稳定性和存在属性核。     

基于前景理论的交互式群组风险决策方法

为了克服现有方法因立论假设过于理想而存在决策结果的科学性和满意性较差以及决策过程效率低下等缺陷,基于前景理论构建了能够吸纳多种模糊信息且能从中识别有效前景的优选模型及判别定理,并针对结果价值的交互学习提出了具有收敛性的交互式决策方法。数值模拟分析表明,所提出的方法既能反映群组成员风险偏好,保证决策结果具有科学性、满意性,又能平衡信息完善程度与其获取成本之间的矛盾关系,保证决策过程具有有效性和可行性。     

A framework for dynamic multiple-criteria decision making

The classic multiple-criteria decision making (MCDM) model assumes that, when taking a decision, the decision maker has defined a fixed set of criteria and is presented with a clear picture of all available alternatives. The task then reduces to computing the score of each alternative, thus producing a ranking, and choosing the one that maximizes this value.However, most real-world decisions take place in a dynamic environment, where the final decision is only taken at the end of some exploratory process. Exploration of the problem is often beneficial, in that it may unveil previously unconsidered alternatives or criteria, as well as render some of them unnecessary.In this paper we introduce a flexible framework for dynamic MCDM, based on the classic model, that can be applied to any dynamic decision process and which is illustrated by means of a small helicopter landing example. In addition, we outline a number of possible applications in very diverse fields, to highlight its versatility.     

基于属性圆的多属性决策云模型构建与可靠性分析应用

为了使云模型能直观方便地表示以及计算多属性决策问题,并且适应专家给出的范围数据,对提出的属性圆表示多属性的方法进行了改造,从而通过属性圆来计算云模型的特征参数;给出了改造后属性圆的定义、性质和绘制过程,以及如何通过属性圆计算表示某决策级别的云模型特征参数,包括:定义决策系统、属性归一化、属性圆特征及性质、属性圆面积求法、基于属性圆的云模型计算;通过实例给出了云模型的计算过程和应用方案。根据数据处理和专家分析,计算得到表示系统可靠性风险为可接受决策级别的云模型,进而构成决策云集合,便可用于实际系统的可靠性级别多属性决策。     

动态模糊形式化关系群体决策方法

群体决策问题是决策科学的核心问题之一。基于动态模糊理论,从动态角度研究群体决策问题,提出了一种动态模糊形式化关系决策方法。从个体偏好信息表达、个体偏好数据分析、个体偏好集结、方案选择和意见反馈五个阶段探讨了动态模糊群体决策模型,并通过实例验证了该模型的可行性和合理性。