α-优势关系下的概率粗糙模型及其应用

讨论优势关系下的区间值信息系统在二维均匀分布的假设条件下,通过定义属性对象xj优于xi的概率Paji,结合相对熵最优准则,建立α-优势关系的概率粗糙模型,探讨了即使出现不可分辨情况,也可通过α-累积概率加以决策.模型应用于雷达作战目标的区间数群决策实例分析中,结果显示:α-优势关系的概率粗糙模型可根据不同的决策者,不同的偏好,在合适的粒度,灵活选择粗细适当的优势关系,进行区间数群决策,模型可行有效.     

基于优势关系的多属性群决策方法

借鉴多属性群决策和粗糙集理论,提出了基于优势关系的多属性群决策方法。该方法采用优势关系进行粗粒度划分,其适用于解决一些注重时效的实际问题。在多属性群决策问题中,利用优势粒结构的相似度确定各评价指标（属性）的权重;通过专家评价相似度定义各专家在群体中的共识程度,确定各评判专家在群体决策中的权重分量;集结群决策计算结果得到被评价者的综合能力排序,并通过实例验证了上述算法的有效性。     

优势关系下的多粒度粗糙集

从粒计算的角度,经典的粗糙集是建立在单一的粒(等价关系)上的,把它推广到建立在优势关系上的多粒度粗糙集,定义了多粒度下的上下近似。通过对经典粗糙集的比较,得到了二粒度和多粒度下粗糙集的一些性质和结论。并在二粒度和多粒度下,对粗糙集里的边界、近似精度、优势度和综合优势度进行了研究。通过地震数据的例子说明了单粒度和多粒度之间的差异。     

基于符号距离和交叉熵的概率犹豫模糊多属性决策方法

针对概率犹豫模糊环境下属性权重完全未知的多属性决策问题,提出基于符号距离和交叉熵的多属性决策方法.首先,定义用于测量决策者犹豫程度的3种概率犹豫模糊元的犹豫度:数值犹豫度,信息不完全度和总犹豫度,基于3种犹豫度提出概率犹豫模糊符号距离;然后,为了避免人为添加元素,定义调和概率犹豫模糊元,并结合信息不完全度提出概率犹豫模糊元的交叉熵;最后,根据概率犹豫模糊元的符号距离和交叉熵构建多属性决策模型,并通过算例验证了该模型的有效性和合理性.     

序信息系统的贴近度及属性约简算法

在基于优势关系的序信息系统中,定义了对象在不同属性集下优势类的贴近度,并基于对象优势类的贴近度提出了属性集之间的贴近度。针对基于优势关系的序信息系统提出了基于贴近度的属性约简启发式算法,通过实例对该算法的有效性进行了检验。结果显示,该算法能有效得到优势关系下信息系统的属性约简,为基于优势关系的序信息系统的知识发现提供了理论基础。     

多粒度决策粗糙集中的粒度约简方法

多粒度决策粗糙集模型是一种泛化的多粒度粗糙集模型,该模型结合决策粗糙集数据分析理论和多粒度思想,实现了在多个粒空间进行决策粗糙集理论的建模。在此基础上,利用贝叶斯决策理论具体分析了在多粒度粗糙集模型中乐观和悲观的融合策略下多个粒空间中的概率融合关系,推导出基于最大条件概率和最小条件概率的粗糙集近似表示,进而构建了乐观多粒度决策粗糙集模型和悲观多粒度决策粗糙集模型。在该模型中引入近似分布约简的概念,分析了多个粒空间中的粒度选择问题。基于多粒度近似分布质量定义了多粒度决策粗糙集的粒度重要度,并且基于此给出了悲观和乐观融合策略α-下近似分布约简的粒度约简算法。通过实例验证了该算法的有效性。     

基于优势关系的多属性决策问题研究

针对属性权重未知的多属性决策问题,指出决策对象与理想对象之间的优势度与其属性值的概率测度及属性值大小之间有等价关系;借鉴博弈决策中的极大极小算法,提出用属性值的优势关系确定属性权重,并利用优势关系对决策对象进行排序并择优:最后,对属性值为区间数的多属性决策实例进行了分析,同时将该算法与离差最大化算法的异同点进行了对比,表明了算法的有效性.     

不协调广义决策多尺度序信息系统的最优尺度选择与规则提取

粒计算模拟人类思考问题的模式,在大数据挖掘和知识发现方面有独特优势。针对不协调的广义决策多尺度序信息系统的知识获取问题,利用证据理论来研究不协调的广义决策多尺度序信息系统的最优尺度选择与规则提取。首先,将优势关系引入决策多尺度信息系统中,并介绍广义决策多尺度序信息系统的相关概念;其次,通过引入不协调广义决策多尺度序信息系统的尺度组合概念,给出不同尺度组合下信息粒和集合的下近似与上近似的表示及其相互关系,并进一步定义了几种针对不同决策的不协调广义决策多尺度序信息系统的最优尺度组合概念,讨论了它们之间的关系;最后,给出了基于广义优势决策函数的辨识矩阵属性约简与规则提取方法。     

命题逻辑系统中公式的概率真度理论

通过引入赋值密度函数、边缘密度函数等概念给出了连续值命题逻辑系统中公式概率真度的定义,明确了概率真度在[0,1]中的分布情况,并得到了一些概率真度的推理规则;引入相似度,给出了伪距离的定义,确定了二者之间的关系。     

基于概率的有序信息系统

若信息系统中所有的条件属性都是偏好有序的,则称此信息系统为有序信息系统。首先,分析了区间值有序信息系统没有蕴含属性值区间上的概率分布信息的缺点,建立了一种基于概率的有序信息系统。然后,在这种信息系统上,研究了关于单调偏好有序属性和非单调偏好有序属性的二元偏好关系,建立了一种基于概率的优势关系,定义了基于这种优势关系的粗糙集模型。最后研究了基于概率的有序决策表及其决策规则。     

优势关系下多粒度粗糙集排序方法及其应用

排序方法是多粒度粗糙集研究的一个重要内容。分析了现有优势关系多粒度粗糙集排序方法的优缺点,对现有排序公式进行改进,使其构造的优势关系矩阵满足对称互补性,且能有效克服方法失效问题。同时,基于相对优势度的视角提出优势关系多粒度粗糙集排序新方法;考虑不同粒度的重要性问题,定义了优势关系多粒度粗糙集的加权排序公式,讨论了公式的含义与性质;最后实例说明了两种方法的实用性和有效性。     

三参数区间灰数信息下系统属性约简方法

针对属性评价值为三参数区间灰数的不完备信息系统,提出了一种基于[θ]-灰色优势关系的信息系统属性约简方法。根据三参数区间灰数的定义,给出两个三参数区间灰数基于可能度的大小关系,在此基础上,构建方案属性值之间的一种[θ]-灰色优势关系,并结合可辨识矩阵,给出了这类不完备信息系统属性约简方法。应用实例表明了方法的合理性和有效性。     

一类区间多目标粒子群优化算法

针对区间参数多目标优化问题,提出一种基于模糊支配的多目标粒子群优化算法。首先,定义基于决策者悲观程度的模糊支配关系,用于比较解的优劣;然后,定义一种适于区间目标值的拥挤距离,以更新外部存储器并从中选择领导粒子;最后,对多个区间多目标测试函数进行仿真实验,实验结果验证了所提出算法的有效性。     

扩展优势关系下的变精度粗糙集模型

基于优势关系的变精度粗糙集模型将传统粗糙集中的等价关系扩展为优势关系,并结合变精度的思想来定义相关概念,从而可以处理具有偏好关系的信息并具有一定的容错能力。然而,传统优势关系的定义仍然过于严格,只有当一个对象x的每个属性值都优于另一个对象y时,该对象x才优于y。当属性个数较多时,这种优势关系的定义会导致对象的优势集偏小,影响到规则的提取和决策结果。为了解决这一问题,通过引入参数的方法扩展了传统优势关系的定义,并在此基础上进一步给出了扩展后的优势集和近似集的概念,建立了扩展优势关系下的变精度粗糙集模型,采用覆盖率和测试精度作为模型的评估指标。最后给出算例,并在UCI数据集上进行大量的实验将所提模型与传统优势关系下的变精度粗糙集模型进行比较。     

优势关系下广义决策约简和上近似约简

论文定义了决策表的优势关系下广义决策约简和上近似约简,给出了优势关系下广义决策约简和上近似约简的判定定理和辨识矩阵。同计算优势关系下上近似约简的辨识矩阵相比,计算优势关系下广义决策约简的辨识矩阵的时间复杂度低,由于论文已证明优势关系下广义决策约简和上近似约简是等价的,因此,可以利用优势关系下广义决策约简的辨识矩阵计算优势关系下广义决策约简和上近似约简。     

不完备序值决策系统中的拓展粗集模型及集对分析

在不完备序值决策系统中,根据容差优势关系进行分类过于宽松,而相似优势关系过于严格,根据这样的解释,提出了基于限制容差优势关系的粗糙集模型.进一步地,在不完备序值决策系统中,引入集对分析方法,提出了基于联系度的优势关系粗糙集模型,并进行了实例分析以说明新提出优势关系的有效性.     

基于容差优势关系的排序方法及其应用

针对序信息系统下经典优势关系过于严格从而可能导致排序方法失效的问题,首先,提出了容差优势关系的概念并对其相关性质予以研究;然后,基于容差优势关系,给出优势度的定义,并提出基于容差优势关系的方案排序方法;最后,将该方法应用于智能电网的综合评价中。实验结果表明：相比经典优势关系,容差优势关系对数据具有更强的容错能力,排序结果具有较强的区分度。容差优势关系的提出,能有效避免经典优势关系因属性个数较多、属性值互有优劣时可能引起的失效问题。     

优势信息系统中的启发式属性约简算法

在优势信息系统中引入粒度熵概念,定义其相关的性质和定理,并以优势关系下的粒度熵为启发式信息,给出属性的重要性度量。在此基础上提出一种基于粒度熵的启发式属性约简算法,并分析该算法的时间复杂度。通过实例说明该算法的有效性,为进一步研究优势目标信息系统的规则提取提供理论基础。     

不协调优势目标信息系统的启发式约简算法

针对不协调优势目标信息系统,引入知识粒度的概念,证明了知识粒度是随着知识的不确定程度的增加而减小的。其次定义了优势信息系统中的粗糙度、精度以及不协调目标信息系统中的近似精度等概念,得到了它们的相关性质,并证明了精度和近似精度可以作为属性重要性的衡量指标。因而进一步提出一种以近似精度为启发信息的不协调优势目标信息系统的启发式约简算法,并分析了该算法的时间复杂度。最后通过实例分析验证了算法的实用性和有效性。     

具有三种否定的模糊集FScom的模糊度与贴近度

文献[1]从概念层面上提出并区分模糊概念中存在的三种不同否定关系,即矛盾否定关系、对立否定关系和中介否定关系,由此定义了能够刻画这些不同否定的一种新的模糊集FScom。研究模糊集FScom的模糊度与贴近度,提出模糊集FScom的模糊度、距离贴近度以及格贴近度计算公式,并讨论了它们的应用。