基于粗糙随机样本学习理论的关键定理

结合粗糙随机理论和粗糙统计学的知识,对粗糙随机样本下的统计学习理论学习过程的一致性和关键定理等进行了推广,提出了粗糙风险泛函、粗糙经验风险最小化归纳原则(RERM)和非平凡一致性的概念,并给出了粗糙随机样本下的学习理论的关键定理及其证明。

基于区间粗糙算子的粗糙随机多准则决策方法

定义了区间粗糙随机变量、区间粗糙数的运算法则以及期望值和区间粗糙集结算子(WIRDAA).针对准则权重信息不完全,准则值为区间粗糙随机变量的粗糙随机多准则决策问题,提出一种基于WIRDAA算子的决策方法.该方法首先计算出变量的期望值矩阵,利用距离最小化建立模型求解出准则权重;然后利用WIRDAA算子求出各方案的综合评价值,通过比较得到方案集的排序;最后通过实例表明了所提出方法的有效性和可行性.