概率S-粗集与它的生成结构

提出了概率S-粗集,给出了概率单向S-粗集与概率双向S-粗集的数学结构,分析了概率S-粗集与概率粗集以及Pawlak粗集的关系.

单向S-概率粗集

既考虑集合的动态特性,又考虑知识库中的统计信息,提出了单向S-概率粗集。讨论了单向S-概率粗集的动态特性,为获得动态的决策规则奠定了基础。给出了单向S-概率粗集的意义解释,单向S-概率粗集是对经典粗集理论和单向S-粗集理论的进一步完善与发展。

双向S-优势概率粗集的构造及应用

S-概率粗糙集和优势关系粗糙集都是粗糙集理论的重要扩充,但均有局限性。结合上述两种模型的优点,提出了一种双向S-优势概率粗集模型,新模型既考虑了系统的动态统计特性又考虑到实际偏好信息的有效处理,模型具有一定的抗噪声能力,同时又具备较高的分类准确性和分类合理性,非常适合处理含有偏好信息的动态多属性决策问题。

一种基于单向变异S-概率粗集的动态决策方法

针对因决策因素个数的减少而导致的决策精度降低的情况,提出了一种基于单向变异S-概率粗集的动态决策方法。利用单向变异S-概率粗集的属性动态迁移特性,结合知识库中的统计信息,讨论了单向变异S-概率粗集模型的属性概率性质。利用上述性质的讨论,给出了一个具体的军事动态决策实例,从而证明该方法可以有效地提高决策精度。

双向变异S-概率粗集和它的属性概率性质

利用双向变异S-粗集的属性动态迁移特性,结合知识库中的统计信息,提出了双向变异S-概率粗集.讨论了双向变异S-概率粗集的属性概率性质,为获得动态的决策规则奠定了基础.利用上述讨论,给出了一个具体的应用实例.

变精度动态S-粗集模型及应用

通过分析变精度概率粗集模型与概率S-粗集模型的不足,给出了一般关系下的变精度S-粗集模型,并将变精度与概率S-粗集相结合,得到了变精度概率S-粗集模型。运用该模型处理相关动态问题会明显降低决策失误的风险。