決策粗糙集理論及其研究進(jìn)展

內(nèi)容概要

　　《決策粗糙集理論及其研究進(jìn)展》由決策粗糙集研究領(lǐng)域的十多位學(xué)者共同編寫，力圖概括該領(lǐng)域國內(nèi)外研究的最新成果，為進(jìn)一步研究發(fā)展決策粗糙集理論與應(yīng)用提供借鑒。《決策粗糙集理論及其研究進(jìn)展》的內(nèi)容涉及決策粗糙集的理論與應(yīng)用兩大部分，理論部分包括決策粗糙集的基礎(chǔ)理論、決策粗糙集的研究進(jìn)展、三枝決策粗糙集和決策粗糙集的屬性約簡；應(yīng)用部分包括基于決策粗糙集的自動(dòng)聚類方法、基于決策粗糙集模型的文本分類方法和多用戶決策粗糙集模型。最后，《決策粗糙集理論及其研究進(jìn)展》對決策粗糙集的發(fā)展歷程和方法論作了概括與展望。
　　《決策粗糙集理論及其研究進(jìn)展》可供計(jì)算機(jī)科學(xué)、控制科學(xué)與工程、管理科學(xué)與工程、應(yīng)用數(shù)學(xué)等專業(yè)的科技人員、大學(xué)高年級(jí)學(xué)生、研究生以及相關(guān)工程技術(shù)研究人員閱讀參考。

書籍目錄

序
前言
第1章 決策粗糙集理論方法研究綜述
　1.1 引言
　1.2 決策粗糙集理論
　　1.2.1 Pawlak代數(shù)粗糙集模型
　　1.2.2 基于最小風(fēng)險(xiǎn)的Bayes決策
　　1.2.3 決策粗糙集模型
　1.3 基于決策粗糙集的三枝決策語義
　1.4 決策粗糙集的約簡理論
　1.5 決策粗糙集模型的應(yīng)用研究
　1.6 本章小結(jié)
　參考文獻(xiàn)
第2章 三枝決策粗糙集
　2.1 三枝決策粗糙集基本模型
　2.2 三枝決策粗糙集的主要思想
　2.3 三枝決策粗糙集的優(yōu)勢
　2.4 三枝決策粗糙集的應(yīng)用
　2.5 多分類三枝決策粗糙集
　2.6 基于判別分析的三枝決策方法及其應(yīng)用
　2.7 本章小結(jié)
　參考文獻(xiàn)
第3章 基于決策風(fēng)險(xiǎn)最小化的屬性約簡
　3.1 引言
　3.2 決策粗糙集下的泛化屬性約簡定義
　　3.2.1 決策粗糙集基本概念
　　3.2.2 Yao和Zhao的泛化屬性約簡
　　3.2.3 基于正區(qū)域不變的屬性約簡的困難
　3.3 決策風(fēng)險(xiǎn)最小化的屬性約簡及性質(zhì)
　　3.3.1 決策風(fēng)險(xiǎn)最優(yōu)化問題
　　3.3.2 決策風(fēng)險(xiǎn)最小化屬性約簡
　　3.3.3 風(fēng)險(xiǎn)最小化帶來的決策區(qū)域改變
　　3.3.4 決策風(fēng)險(xiǎn)與屬性之間的非單調(diào)性質(zhì)
　　3.3.5 決策風(fēng)險(xiǎn)值的上下界
　3.4 關(guān)于基于決策風(fēng)險(xiǎn)最小化屬性約簡的一些討論
　　3.4.1 決策風(fēng)險(xiǎn)最優(yōu)化的泛化問題
　　3.4.2 求屬性約簡的算法
　3.5 本章小結(jié)
　參考文獻(xiàn)
第4章 決策粗糙集的正域約簡
　4.1 引言
　4.2 正域單調(diào)性分析
　　4.2.1 Pawlak粗糙集的正域單調(diào)性
　　4.2.2 決策粗糙集的正域非單調(diào)性
　4.3 決策粗糙集正域約簡定義與算法
　4.4 實(shí)驗(yàn)分析
　4.5 本章小結(jié)
　參考文獻(xiàn)
第5章 基于決策粗糙集的自動(dòng)聚類方法
　5.1 引言
　5.2 面向知識(shí)的聚類方法
　　5.2.1 初始等價(jià)關(guān)系
　　5.2.2 面向知識(shí)聚類算法
　　5.2.3 自動(dòng)獲取初始閾值
　　5.2.4 類間不可區(qū)分度的定義
　5.3 基于決策粗糙集的聚類
　　5.3.1 決策粗糙集
　　5.3.2 聚類模式的更改
　　5.3.3 聚類模式代價(jià)評估
　5.4 自動(dòng)面向知識(shí)的聚類算法
　　5.4.1 聚類思想
　　5.4.2 實(shí)驗(yàn)結(jié)果及分析
　5.5 Web搜索結(jié)果聚類
　5.6 本章小結(jié)
　參考文獻(xiàn)
第6章 基于決策粗糙集模型的文本分類研究
第7章 多用戶決策粗糙集模型
第8章 決策粗糙集研究探討
附錄

章節(jié)摘錄

版權(quán)頁：插圖：第1章 決策粗糙集理論方法研究綜述人類智能在決策時(shí)通常表現(xiàn)出不確定性、非精確性、容錯(cuò)性與模糊性等特點(diǎn)，如何通過計(jì)算機(jī)模擬人類智能的這些特點(diǎn)一直是智能科學(xué)領(lǐng)域關(guān)注的重要問題。近幾十年來，模糊集、粗糙集、證據(jù)理論等描述不確定性的數(shù)學(xué)工具被運(yùn)用到智能推理研究中，推動(dòng)了不確定性人工智能的迅速發(fā)展。決策粗糙集（decision？theoreticroughsets）作為粗糙集理論的重要組成部分，其給出的三枝決策語義和概念容錯(cuò)分析方法有效地模擬了人類智能的不確定性和非精確的特點(diǎn)。它將傳統(tǒng)的正域、負(fù)域二分決策語義拓展為正域、邊界域和負(fù)域的三枝決策語義，認(rèn)為邊界域決策也是一類可行的決策。這與人類智能在處理決策問題的方法是一致的。為刻畫概念的非精確性及分類的容錯(cuò)性特點(diǎn)，決策粗糙集在概念上、下近似集中引入概率包含關(guān)系，并依據(jù)最小化風(fēng)險(xiǎn)原則給出了概率閾值的確定方法，為選取最優(yōu)分類決策結(jié)果提供了理論依據(jù)，這也為模擬人類智能在選擇最優(yōu)決策時(shí)的推理機(jī)制提供了一種途徑。本章主要介紹決策粗糙集的基本思想與概念，對決策粗糙集產(chǎn)生、發(fā)展、理論基礎(chǔ)、應(yīng)用研究等作綜述性的回顧，以使讀者對決策粗糙集的理論和方法有整體了解。1.1 引言決策粗糙集理論是由加拿大的Yao等在20世紀(jì)90年代初提出的一種粗糙集理論與方法。該理論在粗糙集中引入了概率包含關(guān)系，并通過Bayes風(fēng)險(xiǎn)決策方法確定概念邊界，建立了具有噪聲容忍機(jī)制的決策粗糙集模型。Yao在1990年最早提出了決策粗糙集理論［1］，隨后其在粗糙集理論拓展研究［2~23］以及信息過濾［24~27］、風(fēng)險(xiǎn)決策分析［28~32］、聚類分析與文本分類［33~39］、網(wǎng)絡(luò)支持系統(tǒng)與博弈分析［40~42］等領(lǐng)域得到了成功運(yùn)用，正逐漸引起國內(nèi)外越來越多學(xué)者的關(guān)注。近年來，在國際國內(nèi)粗糙集學(xué)術(shù)會(huì)議與有關(guān)期刊上，關(guān)于決策粗糙集的研究成果日漸增多。2009年國際粗糙集與知識(shí)技術(shù)學(xué)術(shù)會(huì)議（RSKT）舉辦了以決策粗糙集為主題的特別分會(huì)，2010年RSKT會(huì)議繼續(xù)舉行了該主題分會(huì)，同年國際認(rèn)知信息學(xué)術(shù)會(huì)議（ICCI）和CRSSC？CWI？CGrC’10也有以決策粗糙集為主題的特別專題會(huì)議。2011年在加拿大召開的RSKT’2011也設(shè)有以決策粗糙集為主題的特別倡本章執(zhí)筆人：李華雄、周獻(xiàn)中，南京大學(xué)工程管理學(xué)院。分會(huì)。在經(jīng)典粗糙集理論研究中，Pawlak代數(shù)粗糙集模型是研究的主要對象［43，44］，其核心基礎(chǔ)是基于等價(jià)關(guān)系的已知概念粒化，以及上下近似集對未知概念的逼近。其中，基于等價(jià)關(guān)系的已知概念?；侵R(shí)表述的一種基本模型，它將知識(shí)表示為對論域的劃分，即根據(jù)對象的不同屬性將其劃分為不同的子集，從而形成已知概念。對于未知概念，需通過已知概念對其進(jìn)行近似刻畫，在粗糙集理論中，這個(gè)過程就是上下近似集對未知概念的逼近。當(dāng)已知概念的粒度充分細(xì)時(shí)，它對未知概念的刻畫越精準(zhǔn)；反之，則刻畫越粗略。Pawlak代數(shù)粗糙集模型模擬了人類智能中的概念?；芰透拍罱颇芰?，而概念粒之間的代數(shù)包含關(guān)系是這種模擬的理論基礎(chǔ)。然而，概念粒之間代數(shù)包含關(guān)系導(dǎo)出的近似集在模擬人類智能的容錯(cuò)能力方面具有明顯不足。人類智能對于概念的描述往往是模糊和不確定的，其對概念的認(rèn)識(shí)具有很強(qiáng)的容錯(cuò)與糾錯(cuò)能力，這種能力難以用精確的代數(shù)包含關(guān)系進(jìn)行刻畫［3］。例如，有經(jīng)驗(yàn)的醫(yī)生能夠根據(jù)患者“發(fā)熱”和“咳嗽”的癥狀快速診斷其可能患上肺炎，盡管具有這兩種癥狀的患者并非全患上肺炎。醫(yī)生在分析癥狀與病情關(guān)系時(shí)考慮的是概念間的概率特性包含關(guān)系，因此具有較強(qiáng)的容錯(cuò)能力。在經(jīng)典Pawlak代數(shù)粗糙集模型［43，44］中，由于正域是建立在代數(shù)包含關(guān)系基礎(chǔ)上的，因此難以體現(xiàn)概念表示的容錯(cuò)性，這正是經(jīng)典Pawlak代數(shù)粗糙集模型的局限所在。針對Pawlak代數(shù)粗糙集模型缺乏容錯(cuò)能力的問題，人們考慮在正域中引入誤分類容忍機(jī)制，并在此基礎(chǔ)上提出了參數(shù)可調(diào)的概率粗糙集模型。在這些模型研究中，主要代表性的成果有：Yao等提出了基于Bayes風(fēng)險(xiǎn)分析的決策粗糙集（decision？theoreticroughsets，DTRS）模型［1~11］，Wong和Ziarko等對概率近似分類與模糊集作了比較研究［45］Pawlak、Wong和Ziarko等提出了0.5？概率粗糙集模型［46］，Ziarko提出了可變精度粗糙集模型［47］，Pawlak和Skowron等引入了粗糙隸屬函數(shù)的概念［48］Skowron、Pawlak和Stepaniuk等提出了參數(shù)化粗糙集模型［49，50］，Slezak等研究了Bayes粗糙集模型［51~53］。作為最早的概率粗糙集模型之一，決策粗糙集的基礎(chǔ)工作主要由Yao等完成。三枝決策是決策粗糙集的核心思想之一，它將傳統(tǒng)的正域、負(fù)域二枝決策語義拓展為正域、邊界域和負(fù)域的三枝決策語義，認(rèn)為邊界域決策也是一類可行的決策，這與人類智能在處理決策問題的方法是一致的，也是在人們決策過程常用的一種策略。例如，在醫(yī)療診斷過程中，醫(yī)生通常采用三枝決策，即根據(jù)患者癥狀作出治療、不治療或進(jìn)一步觀察。當(dāng)癥狀信息充分時(shí)，醫(yī)生可以明確作出治療或不治療的決策，而在患者表現(xiàn)出疑難癥狀時(shí)，作出治療或不治療的決策均具較大風(fēng)險(xiǎn)，此時(shí)進(jìn)一步觀察的選擇更為合適。這種策略在人們處理日常決策問題的過程中具有廣泛的代表性。在決策粗糙集中，正域、邊界域和負(fù)域的三枝決策用來刻畫人們在處理這類問題的決策行為，并以其中最小風(fēng)險(xiǎn)的決策作為最優(yōu)決策。本章將從決策粗糙集和Bayes理論出發(fā)，介紹三枝決策粗糙集的基本理論、方法和應(yīng)用，討論在Bayes期望風(fēng)險(xiǎn)最小決策的語義下，三枝決策粗糙集模型的構(gòu)建過程，并給出三枝決策在石油投資問題中的應(yīng)用實(shí)例。2.1 三枝決策粗糙集基本模型粗糙集理論是一種處理不確定性和不精確性問題的新型數(shù)學(xué)工具。自從1982年由波蘭數(shù)學(xué)家Pawlak提出以來，無論是在理論上還是在應(yīng)用上都有很多重要的研究成果。經(jīng)典的Pawlak粗糙集理論利用兩個(gè)精確集，即下近似集和上近似集去逼近一個(gè)粗糙集。上下近似集又將論域分為正域、邊界域和負(fù)域。如果利用等價(jià)關(guān)系將整個(gè)論域劃分為若干等價(jià)類，則完全屬于某個(gè)集合的所有等價(jià)類構(gòu)成正域，可能但不完全屬于某個(gè)集合的所有等價(jià)類構(gòu)成邊界域，完全不屬于某個(gè)集合的所有等價(jià)類構(gòu)成負(fù)域?；谏鲜鋈齻€(gè)區(qū)域，Yao提出了三枝決策規(guī)則，探討了粗糙集的一個(gè)新的語義。

編輯推薦

《決策粗糙集理論及其研究進(jìn)展》是由科學(xué)出版社出版的。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    決策粗糙集理論及其研究進(jìn)展 PDF格式下載

---