基于信息粒度的决策粗糙集模型与方法

发布时间：2023-06-03 00:00

　　随着互联网、现代传感器等新兴技术的快速发展,数据类型的多样化成为了数据驱动的智能决策中数据的主要形态。多属性决策作为决策科学的一个重要研究内容,广泛存在于社会生活的各个领域。在多属性决策问题中由于决策对象本身具有一定的模糊性和不确定性,决策粗糙集理论作为一种新的处理不确定性决策问题的方法,其具有的噪声容忍和风险代价敏感特性为解决多属性决策问题提供了一种新的思路。然而在真实的复杂决策问题中,决策数据往往包含着多视角、多层次/多尺度、高维等信息,同时决策任务也通常呈现出多层次、多粒度等复杂特性,经典决策粗糙集理论作为单一结构化的决策方法对于这类复杂的决策问题已经不能进行满意求解。粒计算是专门研究多层次粒结构的思维方式及问题求解方法的学科,对各类实际问题进行多粒度、多视角与多层次的描述、推理与求解是粒计算的主要研究内容。本文将人类在复杂问题求解中多粒度认知机理引入到决策粗糙集的数据分析中,从新的视角发展决策粗糙集模型与方法,主要取得了以下的研究成果。(1)借鉴动态粒度认知能力,构建了一个新的概率粗糙集框架,称为动态粒度决策粗糙集;展开了动态多粒度视角下的粗糙决策方法研究,为相关决策问题的高效...

【文章页数】：139 页

【学位级别】：博士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 基于粒计算的粗糙决策研究具有重要意义
    1.2 多属性粗糙决策方法研究现状
        1.2.1 基于经典粗糙集的多属性决策方法
        1.2.2 基于决策粗糙集的多属性决策方法
    1.3 粒计算在多属性决策分析中的研究现状
        1.3.1 粒计算方法概述
        1.3.2 多粒度下的粗糙决策方法
    1.4 论文研究内容与组织结构
第二章 粗糙决策的三个基本模型
    2.1 Pawlak粗糙集模型
    2.2 决策粗糙集模型
    2.3 多粒度粗糙集模型
        2.3.1 乐观多粒度粗糙近似
        2.3.2 悲观多粒度粗糙近似
    2.4 小结
第三章 动态粒度下的决策粗糙集模型与方法
    3.1 问题描述
    3.2 动态粒度下的决策粗糙集模型
        3.2.1 决策粗糙集中概率正域的非单调性
        3.2.2 动态粒度序下的阈值计算
        3.2.3 动态粒度下的决策粗糙集
        3.2.4 在动态粒度序下计算目标概念的正域
    3.3 属性约简与算法
        3.3.1 动态粒度决策粗糙集模型的多决策类问题
        3.3.2 决策粗糙集模型中的属性约简问题
        3.3.3 属性重要性度量
        3.3.4 动态粒度下的启发式粗糙特征选择算法
        3.3.5 实验分析
    3.4 动态粒度下的三支决策方法
        3.4.1 动态粒度下的三支决策模型
        3.4.2 一种两阶段的动态三支决策规则获取算法
        3.4.3 实验分析
    3.5 小结
第四章 基于概率融合的多粒度决策粗糙集模型与方法
    4.1 基于概率融合的多粒度决策粗糙集模型
        4.1.1 多个粒空间中的Bayes决策理论
        4.1.2 乐观多粒度决策粗糙集模型
        4.1.3 悲观多粒度决策粗糙集模型
    4.2 多粒度决策规则
    4.3 粒度选择方法
        4.3.1 α-下近似分布粒度约简
        4.3.2 粒度重要度度量
        4.3.3 一种基于近似分布质量的粒度约简算法
    4.4 企业风险投资实例分析
    4.5 小结
第五章 多尺度决策粗糙集模型和方法
    5.1 问题描述
    5.2 多尺度决策粗糙集模型
        5.2.1 多尺度粒标记划分结构
        5.2.2 基于标记划分的泛化多尺度决策表
        5.2.3 泛化多尺度决策粗糙近似
        5.2.4 最优泛化尺度选择
    5.3 代价敏感的最优尺度选择
        5.3.1 多尺度决策表中的代价敏感学习
        5.3.2 代价敏感的最优泛化尺度选择算法
        5.3.3 实验分析
    5.4 小结
结论及展望
参考文献
攻读博士学位期间取得的研究成果
致谢
个人简况及联系方式



本文编号：3828273