项目名称: 基于区间数的决策粗糙集模型与方法研究

项目编号: No.71201133

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 管理科学与工程

项目作者: 刘盾

作者单位: 西南交通大学

项目金额: 19万元

中文摘要: 决策环境的复杂性、动态性,以及决策者所具备知识的有限性等都是影响人们作出合理决策所面临的挑战性因素。决策粗糙集理论是一种新的处理不确定性决策问题的方法,其特点是考虑到贝叶斯决策风险对决策结果的影响,可更好为人们决策服务。区间数利用一个区间来对不确定性进行度量,符合实际决策需要。本项目基于区间数来构建决策粗糙集扩展模型,研究其属性约简、规则推导及动态获取方法。主要内容包括:1.在期望贝叶斯风险最小情形下,基于区间数构建区间决策粗糙集模型,分析其数学性质,为属性约简和规则推导奠定基础;2.在区间决策粗糙集理论模型下,研究基于正域最大化和基于决策风险最小化的属性约简机理并设计优化算法;3.研究区间决策粗糙集正域、负域和边界域所导出决策规则的冲突机理,讨论相应决策规则推导方法,并研究区间数变化下,动态决策规则的获取。本项目不仅丰富了决策粗糙集理论和方法,而且可推动粗糙集在决策分析领域的应用和发展。

中文关键词: 粗糙集理论;区间数;决策粗糙集;损失函数;

英文摘要: In realistic decision process, some challenging factors impact people to make reasonable decisions, e.g., the complexity and dynamic variation of decision environment, the limited knowledge of decision maker, etc. Decision-theoretic rough sets (DTRS) theory is a new method in dealing with uncertainty decision problem. Its feature is to take into account the effect of Bayesian decision risk to decision results. It better serve to our decision making. Interval-value uses an interval to measure uncertainty. It is in line with the need of real decisions. This project intends to construct an extended model of DTRS by the interval-value, research on its attribute reduction, rule induction and methods for dynamically updating rules. The main contents of this project are organized as follows: 1. With the minimum expected overall risk, Interval decision-theoretic rough sets (IDTRS) model is constructed and analyzed its property and principle, which are the basis of attribute reduction and rule induction. 2. Based on the IDTRS model, the mechanisms of attribute reduction are studied in the viewpoint of positive region and the minimization of the decision cost, and the two corresponding optimization algorithms are designed, respectively. 3. By analyzing the conflict mechanisms of derived rules in the positive region, negat

英文关键词: rough set theory;interval number;decision-theoretic rough sets;loss functions;

成为VIP会员查看完整内容
0

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【干货书】贝叶斯推理决策,195页pdf
专知会员服务
89+阅读 · 2021年12月11日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
30+阅读 · 2021年2月7日
【经典书】数学统计教程,676页pdf
专知会员服务
79+阅读 · 2020年8月9日
【经典书】贝叶斯强化学习概述,147页pdf
专知
4+阅读 · 2021年11月21日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
多因素问题分析时,如何确立各因素权重?
人人都是产品经理
74+阅读 · 2020年3月4日
421页《机器学习数学基础》最新2019版PDF下载
R语言时间序列分析
R语言中文社区
12+阅读 · 2018年11月19日
Markowitz有效边界和投资组合优化基于Python(附代码)
量化投资与机器学习
32+阅读 · 2018年11月15日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月22日
Arxiv
14+阅读 · 2020年9月1日
Arxiv
12+阅读 · 2019年3月14日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【干货书】贝叶斯推理决策,195页pdf
专知会员服务
89+阅读 · 2021年12月11日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
30+阅读 · 2021年2月7日
【经典书】数学统计教程,676页pdf
专知会员服务
79+阅读 · 2020年8月9日
相关资讯
【经典书】贝叶斯强化学习概述,147页pdf
专知
4+阅读 · 2021年11月21日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
多因素问题分析时,如何确立各因素权重?
人人都是产品经理
74+阅读 · 2020年3月4日
421页《机器学习数学基础》最新2019版PDF下载
R语言时间序列分析
R语言中文社区
12+阅读 · 2018年11月19日
Markowitz有效边界和投资组合优化基于Python(附代码)
量化投资与机器学习
32+阅读 · 2018年11月15日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员