基于机器学习的三支决策研究综述

三支决策是粒计算领域一个重要研究方向,其符合人类思维和认知特点,能有效处理实际决策过程中的不确定性问题。三支决策通过引入延迟决策,可以有效降低决策成本和代价,增强对不确定性决策过程的控制并提高模型的可解释性。因此,融合三支决策思想的机器学习方法值得深入研究和探讨。首先,介绍了三支决策基本模型;其次,运用CiteSpace和VOSviewer软件分析了国内外基于机器学习的三支决策领域的研究现状;再者,从研究问题、模型方法和应用背景等角度出发,聚焦于三支决策与聚类模型、分类模型、推荐系统、深度学习模型的融合,整理并总结了现有的研究方法与成果;最后,对基于机器学习的三支决策发展趋势作出了展望。

基于直观图的(三支)近似概念获取研究

不完备背景是形式概念分析中的一类重要数据类型,(三支)近似概念是通过(三支)近似算子在不完备背景中提取的具有某种意义的共有信息.针对不完备背景,该文基于直观图从格同构和近似算子两个角度研究了(三支)近似概念的获取方法.对于两类三支近似概念,一方面借助两类三支近似概念格与某些特定形式背景概念格的同构关系,基于这些特定形式背景的直观图给出相应的获取方法;另一方面,基于三支近似算子定义的三支近似直观图直接给出相应的获取方法.对于近似概念,证明了存在某种特定形式背景的概念格与近似概念格同构,在此基础上采用与研究三支近似概念获取方法相同的方式给出相应的获取方法.

一次性条件下的三支序列模式挖掘

一次性条件下的序列模式挖掘旨在从序列数据中挖掘出带有间隙约束的重复序列模式。然而,现有方法不考虑用户的兴趣度,将序列中的每个字符视作同等重要,导致许多用户不感兴趣的冗余模式被发现。为了解决这个问题,将三支决策思想引入序列模式挖掘领域,提出了一次性条件下的三支序列模式挖掘问题及其求解算法。在支持度计算方面,该算法基于深度优先搜索和回溯的策略,结合三支模式的特点以高效求解模式支持度。在候选模式生成方面,该算法采用模式连接策略缩减候选模式数量。此外,该算法还采用了并行化方案充分利用现代处理器的多核性能,提高算法的挖掘效率。最后,实验结果验证了研究一次性条件下的三支序列模式挖掘问题的意义和算法的高效性。

三支区间集半概念的代数结构及覆盖粗糙近似算子

针对在一个形式背景中以区间集为底集,考虑一个属性集(对象集)拥有的对象集(属性集)和不拥有的对象集(属性集)的知识表述而进行知识提取的问题,采取将区间集概念与三支决策、经典半概念相结合的方法,产生AE-区间集半概念和OE-区间集半概念两种形式的三支区间集半概念,同时发现AE-区间集半概念与OE-区间集半概念的纯双布尔代数结构。进一步深入讨论可知,AE-区间集半概念可分为AE1-区间集半概念与AE2-区间集半概念,利用粗糙集理论分别挖掘与AE1-区间集半概念和AE2-区间集半概念有关的近似算子的结构性质,对偶地可得OE-区间集半概念的相关结果。所得三支区间集半概念拓广了已有的三支决策集分别与区间集概念和半概念相结合的相关成果,成为一个新的知识表述。

基于模糊三支区间集半概念知识提取方法研究

为了解决只需要考虑属性区间集到对象区间集的问题,将经典半概念理论引入三支区间集中,对于一个模糊形式背景,定义了面向属性的模糊区间集半算子,用此算子得到模糊AE-区间集半概念;讨论了该类半概念的偏序关系和格结构,进而得到求同一形式背景下模糊AE-区间集半概念全体的算法。对偶地,得到模糊OE-区间集半概念定义和其格结构,以及寻找模糊OE-区间集半概念全体的算法。所得结果有助于拓展概念格和区间集理论的应用范围,也为知识提取提供了一种有益的方法。

基于高维多目标序贯三支决策的恶意代码检测模型

针对传统基于二支决策的恶意代码检测方法在面对动态环境中的复杂海量数据时,没有考虑在信息不充足条件下进行决策产生影响的问题,本文提出了一种基于卷积神经网络的序贯三支决策恶意代码检测模型。通过卷积神经网络对样本数据进行特征提取并构建多粒度特征集,引入序贯三支决策理论对恶意代码进行检测。为改善检测模型整体性能,避免阈值选取的主观性,本文在上述模型的基础上,同时考虑模型的综合分类性能、决策效率和决策风险代价建立高维多目标序贯三支决策模型,并采用高维多目标优化算法对模型进行求解。仿真结果表明,模型在保证检测性能的同时,有效地提升了决策效率,降低了决策时产生风险代价,更好地拟合了真实动态检测环境。

人工智能中的三支结构

为了从基于认知计算的三支决策(three-way decisions,3WD)理论来解释人工智能(artificial intelligence,AI),从3WD几何结构的角度阐述了人工智能的发展历程、技术分类、关键研究问题以及未来发展方向。这包括人工智能研究中的三大主义、人工智能发展中的3种分类、机器学习的3种方式、智能本质中的三层金字塔结构、智能生成机理中的三支结构、大数据的三V结构、人工智能伦理的三定律以及人工智能中人类与机器关系的三元结构等。通过3WD三元组的几何结构和模式,尝试对人工智能中三元处理进行解释。本文工作可对3WD在大数据分析、知识发现、计算智能、智能信息处理等方面的研究提供参考。

基于离群点检测和自适应参数的三支DBSCAN算法

针对经典的DBSCAN算法存在难以确定全局最优参数和误判离群点的问题,该算法首先从选择最优参数角度出发,通过数据集的分布特征生成Eps和MinPts列表,将两个列表中的参数进行全组合操作,把不同的参数组合依次进行聚类,从而寻找准确率最高点对应的参数。最后从离群点角度出发,将三支决策思想与离群点检测LOF算法进行结合。该算法与多种聚类算法进行效果对比分析,结果表明该算法能够全自动化选择全局最优参数,并提高聚类算法的准确性。

静息心电图QRS波在评估冠心病三支病变患者心功能中的价值

目的 分析冠心病三支病变合并心功能不全患者的静息心电图QRS波特征,探讨其评估心功能的价值。方法 选取2021年1月至2022年6月在江西省赣州市人民医院诊断为冠心病三支病变的159例患者,依据患者是否发生心功能不全将其分为A组(冠心病三支病变合并心功能不全)和B组(单纯冠心病三支病变),所有患者均行心电图等检查,比较其临床资料和QRS波特征并进行多因素Logistic回归分析。结果 依据患者是否发生心功能不全将其分为A组94例和B组65例。A组患者的年龄≥60岁比例、心率、QRS波额面电轴偏转角度>68°的比例和QRS波时限显著高于B组,差异均有统计学意义(P<0.05);A组患者高血压、破裂QRS波群(fQRS)和QRS波终末切迹的发生率明显高于B组,差异均有统计学意义(P<0.05);多因素Logistic回归分析显示,年龄≥60岁、心率≥79次/分、高血压、fQRS、QRS波终末切迹、QRS波时限≥113.78 ms是冠心病三支病变患者发生心功能不全的独立危险因素(OR>1,P<0.05)。结论 静息心电图的QRS波群可有效反映冠心病三支病变患者的心功能状况,其中fQRS、QRS波终末切迹和QRS波时限可作为评估患者心功能的指标。

基于蚁群算法的三支k-means聚类算法

在聚类分析中,三支k-means聚类算法较具有较强的处理边界不确定数据的能力,但仍然存在对初始聚类中心敏感的问题.通过将蚁群算法和三支k-means聚类算法相结合,给出了一种基于蚁群算法的三支k-means聚类算法来解决这一问题.利用蚁群算法中随机概率选择策略和信息素的正负反馈机制,动态调整权重的方法,对三支k-means聚类算法进行优化.在UCI数据集上实验证明,该方法对聚类结果的性能指标有所提高.

融合强化学习的三支治略选择及其有效性分析

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行了研究,提出一种基于强化学习的三支改变模型的策略选择与有效性预测的方法。首先将改变三支决策TAO模型中的改变三分状态和策略分别作为强化学习中的状态和动作,并将每次施加策略得到新的改变三分状态的过程看作一个周期,利用累积前景理论计算每个周期产生的奖励,将智能体与环境的交互过程用马尔可夫决策过程来表示;其次设置一个目标奖励,将各个周期的累计奖励达到目标奖励时的状态作为马尔可夫决策过程的终止状态;然后用Q-learning算法迭代出一个最短周期内达到目标奖励的策略序列,同时利用该策略序列预测当前改变三分状态的未来效用。最后使用一个实例体现出该方法实用性和有效性。

基于“三支创新团队”理念的高校教师队伍建设

基于“三支创新团队”理念建设理工科院校教师队伍的经验,从理论与实践相结合的角度,对“三支创新团队”理念提出的原理性依据、基本做法和主要优越性进行了论述。最后得出结论,其是理工科院校进行教师队伍建设的一种行之有效的途径。

基于直觉模糊相似关系的三支决策模型

针对一些直觉模糊相似关系使直觉模糊集中对象间的相似度过于集中或者相异度过高,导致不合理的分类结果的问题,以及在构造直觉模糊相似关系时,对象间的相似度和相异度容易受到不重要属性条件信息影响的问题,本文在直觉模糊集和可能性理论基础上,提出一种基于直觉模糊相似关系的三支决策模型。首先,给出可能性测度和必要性测度的定义,结合Hausdorff度量,构造一种距离公式,并证明其性质,定义了直觉模糊集中对象间的相似度和相异度,构造了新的直觉模糊相似关系;然后定义了直觉模糊相似关系下的(λ_(1),λ_(2))-截集及其直觉模糊(λ_(1),λ_(2))-截集下的相似类,并进一步求出目标集的正域、负域和边界域;最后通过UCI数据集和实例验证了该模型的合理性和有效性。

三支边缘过采样的不平衡文本情感分类

在实际应用中,少数类样本往往包含重要信息,而传统机器学习方法通常对少数类样本的分类准确率低,且误分类代价较高。针对不平衡文本数据的情感分类问题,以三支采样(three-way sampling, 3WS)与过采样为基础,提出了三支过采样算法(three-way SMOTE,3WOS)和三支边缘过采样算法(three-way borderline-SMOTE,3WOBS),3WOS能够更好地识别边界区域上的数据,3WOBS可以增强边界区域所蕴含的信息。首先,将文本数据构建为超球,获得超球边缘的支持向量。其次,3WOS对边缘上的支持向量直接进行过采样以生成合成新样本并更新样本集,3WOBS则在生成合成新样本后根据给定条件判断是否获得该新样本并更新样本集。最后,将更新的样本集放在不同的基分类器上进行对比实验。实验采用了3个不平衡数据集,并保证了不同的不平衡比。同时,在数据集训练过程中引入粒计算思想,确保模型的鲁棒性。实验结果表明,3WOS-ITSC与3WOBS-ITSC准确率较高且代价低于其他模型,为不平衡文本分类问题提供了新思路。

基于三支决策的灰色可能度聚类方法及应用

针对经典的灰色可能度聚类评估模型难以判定决策对象的灰类归属和过度聚类等问题,利用三支决策的思想和方法,通过引入三支灰类的概念描述决策对象和灰类之间的不确定聚类关系;将其代替灰色定权聚类中的灰类和严格的聚类关系,构建基于三支决策的灰色可能度聚类方法,并采用决策粗糙集中的贝叶斯推理确定聚类阈值;最后,以案例验证所提方法的有效性和合理性。结果表明:本文所构建的模型是经典灰色可能度聚类评估模型的拓展和泛化,可以有效避免过度聚类,降低决策风险,提高聚类可靠性。

融合专家领域知识和K-means聚类的三支风险评级方法

金融和医疗等实际环境中的决策关键在于决策风险的权衡考虑,准确预测和分类风险级别非常必要。然而,传统的群体决策关注专家评价意见的一致性和共识,对于获得客观的专家评价意见和决策质量的考虑较少,在风险评级场景中难以量化和评估决策实际效果。因此,引入数据驱动的思想,利用数据和聚类结果辅助发现专家评估意见,在三支决策理论框架下优化群体意见,改进和计算逻辑回归的判别点,并基于UCI和Kaggle的4个信贷风险和疾病诊断公开数据集,完成风险评级分类。通过数据实验的结果可以发现:与经典的机器学习方法相比,文中提出的基于群体决策的三支分类方法更加关注风险的规避,在各个数据集上的分类表现均有稳定且较优的结果,说明通过发现专家领域知识,利用数据的客观信息辅助专家评估风险有助于解决不同背景的决策问题。

多粒度三支决策研究进展

多粒度三支决策利用三支决策理论,从多视角、多层次对复杂问题进行数据分析与处理,逐渐成为一种高效、可靠的智能决策方法。本文对多粒度三支决策的研究工作进行综述,主要介绍了多粒度融合策略、多视角三支决策和多层次三支决策,以及从定性和定量两个角度探讨了多粒度三支决策,讨论了不同多粒度三支决策模型之间的关系,并指出了多粒度三支决策研究中存在的若干问题,为该领域的深入研究提供参考。

基于测试代价的三支邻域属性约简算法

针对粗糙集属性约简时很少考虑属性自身的测试代价等问题,提出了一种基于测试代价的三支邻域属性约简算法。算法根据各属性在邻域分辨矩阵中出现的频次和比例来计算属性重要性,并结合属性自身的测试代价来构造性价比指标,以此指导属性的甄选。三支决策方法被用于划分属性集,为属性的约简处理提供数据支撑。在7个UCI公共数据集上进行对比实验,结果表明,该算法可得到比对比算法更小的属性约简集合,在分类精度不降低的情况下,该算法具有更少的运行时间和更小的测试代价。基于财政收入的预测应用实例进一步证明了所提算法的有效性和实用性。

三支概念背景下属性粒化效率的度量

三支概念分析是三支决策与形式概念分析结合的产物,该理论相对于形式概念分析最大的进步是可以同时研究形式背景中“共同具有”和“共同不具有”的信息。属性粒化是一种基于粒度树与剪枝将属性分解为子属性,形成新属性集合的理论。而由于同一粒度树上剪枝众多,如何选择剪枝,确定最优的粒化方向以进行进一步运算成为保证属性粒化效率的关键问题。通过理论推导,证明了原三支概念与属性粒化得到的新三支概念存在紧密的内在联系,以此作为度量属性粒化效率的基础。首先,基于属性粒化层次的关系,将属性粒化层次分为存在偏序关系的属性粒化层次和不存在偏序关系的属性粒化层次。进一步,给到细化系数的含义,并分别阐述了细化系数在2种属性粒化层次中的度量作用,从而达到度量不同属性粒化效率的目的。

基于依赖空间的对象导出三支概念格的属性约简

在给定形式背景下,基于依赖空间提出了对象导出三支概念格属性约简的新定义,在此基础上讨论了属性约简方法。首先,借助三支算子定义了对象幂集上的一致关系,引入依赖空间。通过依赖空间生成闭包算子的闭元素,研究了闭元素和对象导出三支概念的外延之间的关系。其次,提出基于依赖空间的对象导出三支概念格属性约简的定义,该定义下的约简集是保持由原属性集确定的一致关系不变的最小属性子集。最后,给出协调集的判定定理,利用可辨识属性矩阵及辨识函数给出对象导出三支概念格的属性约简方法。