论文部分内容阅读
粗糙集能有效地处理不精确、不完整等各种不完备的信息与知识,它与其他不确定性理论的最大区别就是除了需要处理的数据集外,不需要其他任何先验知识,通过直接对数据进行分析和推理,发现其中所隐含的知识与潜在的规律,从而进行分类或决策。F-粗糙集理论将传统粗糙集从单表研究推广到多表,无论是对于研究事物的动态变化与发展,还是从整体和局部角度分析解决问题都具有很强的理论和实际意义。测试代价粗糙集以最小测试代价约简为目标,仅考虑单方面利益的情况下,决策者以此为标准来制定决策方案,而很多情况下,决策双方的利益述求不同,一方以最小测试代价为目标,另一方以最大测试代价为目标,仅仅以最小测试代价为目标的测试代价粗糙集显得有些局限。三支决策粗糙集基于Bayes风险最小的三支决策规则,即接受,拒绝和延迟决策,符合人类的决策思想,且反映不确定性的参数由数据和算法确定,具有客观性。然而对于多人决策问题,不同决策者具有不同的知识,决策结果也不尽相同,对于此类决策问题,传统的基于单表的三支决策粗糙集理论并不适用。本文利用粗糙集理论提出了考虑博弈双方利益的代价区间以及基于F-粗糙集的三支决策模型,用以解决测试代价粗糙集和三支决策模型的缺陷。具体研究内容如下：1、.基于粗糙集的博弈测试代价区间的研究。追求满足分类不变且测试代价最小的测试代价粗糙集并不能解决博弈双方的利益诉求,结合博弈论与测试代价粗糙集,我们提出了基于粗糙集属性约简的博弈测试代价区间,建立合理决策的评判标准,给出了计算测试代价区间的具体算法。该研究对评判过度医疗问题有很强的指导意义,也为测试代价粗糙集的研究提供了一个新的思路。2、基于F-粗糙集的三支决策模型的研究。以误分类代价作为决策标准的三支决策粗糙集在单表中进行分析决策,假定决策者具有相同的知识。事实上,不同的决策者掌握的知识不完全一样,决策结果也不尽相同。我们将F-粗糙集与三支决策粗糙集结合在一起,从整体和局部的角度出发,考虑不同的决策者掌握的知识不同,提出了基于F-粗糙集的三支决策模型。该模型为多人决策问题中决策方案的确立提供了借鉴。本文的主要创新点如下：(1)扩展了测试代价粗糙集理论,考虑博弈双方的利益,给出了测试代价区间的定义及求解算法,建立了基于代价区间的决策方案的评判标准。(2)结合F-粗糙集和三支决策模型,建立了基于F-粗糙集的三支决策模型。