决策粗糙集理论及其研究进展

第1章 决策粗糙集理论方法研究综述 1

1.1引言 1

1.2决策粗糙集理论 4

1.2.1 Pawlak代数粗糙集模型 4

1.2.2基于最小风险的Bayes决策 5

1.2.3决策粗糙集模型 7

1.3基于决策粗糙集的三枝决策语义 11

1.4决策粗糙集的约简理论 13

1.5决策粗糙集模型的应用研究 14

1.6本章小结 18

参考文献 19

第2章 三枝决策粗糙集 23

2.1三枝决策粗糙集基本模型 23

2.2三枝决策粗糙集的主要思想 28

2.3三枝决策粗糙集的优势 36

2.4三枝决策粗糙集的应用 41

2.5多分类三枝决策粗糙集 47

2.6基于判别分析的三枝决策方法及其应用 51

2.7本章小结 58

参考文献 59

第3章 基于决策风险最小化的属性约简 62

3.1引言 62

3.2决策粗糙集下的泛化属性约简定义 64

3.2.1决策粗糙集基本概念 64

3.2.2 Yao和Zhao的泛化属性约简 66

3.2.3基于正区域不变的属性约简的困难 66

3.3决策风险最小化的属性约简及性质 68

3.3.1决策风险最优化问题 68

3.3.2决策风险最小化属性约简 69

3.3.3风险最小化带来的决策区域改变 70

3.3.4决策风险与属性之间的非单调性质 70

3.3.5决策风险值的上下界 72

3.4关于基于决策风险最小化属性约简的一些讨论 73

3.4.1决策风险最优化的泛化问题 73

3.4.2求属性约简的算法 74

3.5本章小结 74

参考文献 75

第4章 决策粗糙集的正域约简 77

4.1引言 77

4.2正域单调性分析 78

4.2.1 Pawlak粗糙集的正域单调性 79

4.2.2决策粗糙集的正域非单调性 80

4.3决策粗糙集正域约简定义与算法 83

4.4实验分析 85

4.5本章小结 89

参考文献 89

第5章 基于决策粗糙集的自动聚类方法 92

5.1引言 92

5.2面向知识的聚类方法 93

5.2.1初始等价关系 93

5.2.2面向知识聚类算法 95

5.2.3自动获取初始阈值 98

5.2.4类间不可区分度的定义 100

5.3基于决策粗糙集的聚类 102

5.3.1决策粗糙集 102

5.3.2聚类模式的更改 103

5.3.3聚类模式代价评估 105

5.4自动面向知识的聚类算法 106

5.4.1聚类思想 106

5.4.2实验结果及分析 108

5.5 Web搜索结果聚类 110

5.6本章小结 114

参考文献 114

第6章 基于决策粗糙集模型的文本分类研究 116

6.1引言 116

6.2问题描述与模型设计 117

6.2.1问题描述 117

6.2.2相关工作 118

6.3决策粗糙集理论 120

6.3.1 Bayes决策过程 120

6.3.2决策粗糙集模型及其扩展 121

6.4模型描述 122

6.5损失函数的设置 124

6.6分类路由算法 128

6.7实验结果与分析 129

6.7.1数据集及实验设置 129

6.7.2评估指标 131

6.7.3实验结果与讨论 132

6.8本章小结 136

参考文献 137

第7章 多用户决策粗糙集模型 139

7.1引言 139

7.2单用户决策粗糙集 140

7.3多用户决策粗糙集与决策模型 142

7.3.1次序变量的性质 142

7.3.2保守型和冒险型的多用户决策粗糙集模型 143

7.3.3服从多数型接受域和拒绝域模型 147

7.3.4平均型接受域和拒绝域模型 148

7.3.5小结 149

7.4一个多用户决策粗糙集模型的应用例子 150

7.5本章小结 153

参考文献 154

第8章 决策粗糙集研究探讨 155

8.1研究方法论的几个问题 155

8.2粗糙集及其优点 158

8.3粗糙集近似产生的原因 159

8.4信息表与概念表示 160

8.5 Pawlak上、下近似及正、负、边界域 162

8.6 Pawlak粗糙集的另一种表示 163

8.7 0.5-概率粗糙集 164

8.8决策粗糙集主要结果 164

8.9决策粗糙集研究的三个问题 165

8.10阈值的解释与计算 165

8.11三枝决策 167

8.12朴素Bayes粗糙集 169

8.13变精度粗糙集 171

8.14研究与交流 173

8.15研究体会 173

8.16本章小结 174

参考文献 174

附录 179