基于先验概率优势关系的粗糙决策分析模型

针对含有不完全偏好信息的多属性决策问题,提出了基于先验概率优势关系的粗糙决策分析模型。首先分析了扩展优势关系和限制扩展优势关系的不足,在此基础上提出先验概率优势关系的概念,并得到先验概率优势关系下的粗糙近似;然后通过对比分析,证明了新模型较上述两种优势关系模型可使分类结果更加符合实际情况和人在数据处理过程中的直观感受。最后,通过一个实例验证了新方法的可行性和有效性。

加权先验概率优势关系的粗糙决策分析模型

文章针对含有不完备偏好信息的多属性决策问题,提出了基于加权先验概率优势关系的粗糙决策分析模型。首先分析了先验概率优势关系在判定未知属性取值上的不足,在此基础上给出了加权先验概率优势关系的概念,并由此得出粗糙近似,获取分类决策规则。理论证明与实例分析均表明了新模型的有效性和实用性。

条件先验概率优势关系粗糙集模型

基于先验概率优势关系的粗糙集模型是对粗糙集理论的重要扩充,然而却有其不足之处。本研究提出的基于条件先验概率优势关系的粗糙集模型是建立在对不完备偏序关系决策系统属性值数据统计的基础上,既考虑到同一属性取值的不同情况又考虑到不同属性之间的关联性,充分利用各种先验信息,因此有效提高了分类精度和分类质量。理论分析和实例计算均证明了该模型的有效性和实用性。

α-先验概率优势关系下的粗糙集模型研究

序信息系统涉及了多属性决策领域的比较、排序及属性约简等问题.然而在现实世界中,不完备序信息系统十分常见.为解决不完备序信息系统中现有优势关系要求过于严格或宽松的缺陷和目前不完备序信息系统粗糙集模型及性质、对象排序、属性约简等理论研究的不完整性,首先,结合先验的知识,从概率分布的角度分析未知属性值,提出α-先验概率优势关系,在此基础上研究其粗糙集模型及性质;其次,给出α-先验概率优势类结构差异度的概念,并提出一种新的对象排序方法;然后,给出一种由α-先验概率优势类结构差异度来寻找不完备序信息系统的启发式属性约简算法,该算法能有效地避免因新的优势关系不满足单调性引起的弊端;最后,用具体实例验证所提方法的正确性和有效性.该课题内容不仅丰富了粗糙集理论的研究,而且为不完备序信息系统理论提供了新的方法和思路.

不完备偏好决策系统中一种扩展优势关系模型

针对含有大量偏好信息的不完备信息系统,提出一种基于β-先验概率优势关系的粗集模型。首先给出β-先验概率优势关系模型的定义,其次讨论了新模型的一些相关性质及其近似分类质量。β-先验概率优势关系模型具有一定的容错能力,通过设置参数值来提高对数据预测、分类的合理性,从而达到与主观认知相一致的分类效果。实例分析进一步验证了新模型的优越性。