序贯多类三支决策模型研究
发布时间：2021-03-19 08:45
作为传统二支决策的扩展,三支决策在处理不确定信息的决策问题中起到重要作用。三支决策引入了除接受决策和拒绝决策外的第三种决策,延迟决策。在信息不充分时做出延迟决策,能在很大程度上降低直接做出接受或拒绝决策带来的损失。三支决策对三种决策行为给出了合理的语义解释。其中,划分到正域中的对象表示做出接受决策,划分到负域中的对象表示做出拒绝决策,划分到边界域中的对象表示做出延迟决策。传统的三支决策主要关注二分类问题。但是,多类分类问题在实际应用中更为常见。例如,在医学诊断过程中,医生不仅要诊断患者是否患有某种疾病,还要诊断患者是多类疾病中哪种类型。因此,基于三支决策的多类分类问题引起了学者的广泛关注。然而,基于三支决策处理多类分类问题时,存在两个问题:一是,对于海量高维数据,基于三支决策处理多类分类问题的效率有待提高;二是,基于三支决策处理多类分类问题时,可能存在决策冲突,即对象划分到多个决策类的正域中。针对多类分类决策中的两个重要问题,本文的具体工作如下所示:（1）针对粗糙集中传统可辨识矩阵在构造过程中存在大量冗余元素的局限性,本文改进了构造可辨识矩阵的方法,在计算任意两个对象的区分信息之前,先...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
粗糙集基本概念示意图
第二章粗糙集基本理论17患疾病；如果患者特征病症表现不明显，则不能立即做出患病或者未患病的决策，而需要进一步检查。图2.2三支决策主要思想示意图Fig2.2Schematicdiagramofthemainideasofthethree-waydecisions定义2.21SU,AT,V,f是一个信息系统，R代表信息系统S上的一个等价关系，XU为论域的U的一个子集。,为根据损失函数计算得到的目标概念X的阈值。基于阈值,得到的X的正域POSX、边界域BNDX和负域NEGX如下：RPOSXxU|PrX|x(2.26)RBNDXxU|PrX|x(2.27)RNEGXxU|PrX|x(2.28)根据决策阈值,形成的决策规则如下：(P)条件概率大于等于阈值时，将对象划分到正域中，做出接受决策；(B)条件概率小于阈值且大于阈值时，将对象划分到边界域中，做出延迟决策；(N)条件概率小于等于阈值时，将对象划分到负域中，做出拒绝决策。一步的三支决策在众多领域引起了人们的广泛关注[62,63]。然而，仅通过一次三支决策很难对所有对象做出确定性的决策，某些对象需要通过添加更多的信息重新进行决策。下面介绍序贯三支决策理论的相关知识。2.2.2序贯三支决策理论三支决策可以看做序贯三支决策的中间部分。序贯三支决策是一种从粗粒度向细粒度递进的动态三支决策。在每一个粒度层上，当现有信息不足以支持做出明确决策时，先采用延迟决策，等添加更多信息后在下一个粒度层上再进行三支决策。序贯三支决策的提出可以进一步解决边界域中对象的分类问题，扩展了三支决策在实际生活中的应用。
安徽大学硕士学位论文28(6)对于优化可辨识矩阵的第四个元素项d,e,a,c，因为d,ed,e,a,c，所以d,e,a,c对应的路径为d,e。至此，优化可辨识矩阵中所有非空元素项都已映射到改进的差别信息树上。其中，改进差别信息树如图3.1所示。根据算法3.3的主要思想，属性约简的过程如下所示：(1)此时SListd,e,b。选取SList中第一个属性d，通过同名指针链删除含有属性d的路径，且REDUREDUd，此时SList更改为SListe,b；(2)选取SList中第一个属性e，通过对同名指针链的判断，不存在含有属性e的路径，因此直接从SList删除e，此时SListb；(3)选取SList中第一个属性b，通过对同名指针链的判断，存在含有属性b的路径，因此删除包含属性b的路径，且REDUREDUb,此时SList=；(4)到此为止，改进的差别信息树只有根节点，算法结束。最终的约简结果为REDUd,b。图3.1改进的差别信息树Fig3.1Improvingdiscernibilityinformationtree为验证所提HSDI-tree算法的有效性，本章从UCI机器学习数据库中选用了5个数据集(数据集的具体信息如表3.5所列)，实验在MicrosoftWindows7，Inter(R)CoreTMi3-4170CPU@3.70GHz，4.0GB内存和语言为Java的PC上进行，与文献[94]提出的IDI-tree算法、文献[95]提出的DI-tree算法和文献[96]提出的CDI-tree算法进行了两组对比实验。
【参考文献】：
期刊论文
[1]代价敏感的序贯三支决策方法[J]. 邢颖,李德玉,王素格. 计算机科学. 2018(10)
[2]基于决策粗糙集的广义序贯三支决策方法[J]. 杨新,李天瑞,刘盾,方宇,王宁. 计算机科学. 2018(10)
[3]区间值序信息系统中差别信息树的属性约简[J]. 杨蕾,张晓燕,徐伟华. 计算机科学与探索. 2019(06)
[4]基于改进差别信息树的粗糙集属性约简算法[J]. 蒋瑜. 控制与决策. 2019(06)
[5]序贯三支决策的代价敏感分类方法[J]. 方宇,闵帆,刘忠慧,杨新. 南京大学学报(自然科学). 2018(01)
[6]基于K最近邻的代价敏感三支决策边界域处理模型[J]. 王刚,张燕平,陈洁,赵姝. 数码设计. 2016(02)
[7]多粒度粗糙集和覆盖粗糙集间的近似与约简关系[J]. 谭安辉,李进金,吴伟志. 模式识别与人工智能. 2016(08)
[8]基于差别信息树的rough set属性约简算法[J]. 蒋瑜. 控制与决策. 2015(08)
[9]粗糙集理论:基于三支决策视角[J]. 刘盾,李天瑞,李华雄. 南京大学学报(自然科学版). 2013(05)
[10]基于区分矩阵的属性约简算法改进策略[J]. 王慧,王京,张彩云. 武汉科技大学学报. 2011(02)
硕士论文
[1]基于粗糙集理论的数值型决策表的属性约简方法研究[D]. 张敏.华北电力大学 2015
本文编号：3089311
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
粗糙集基本概念示意图
第二章粗糙集基本理论17患疾病；如果患者特征病症表现不明显，则不能立即做出患病或者未患病的决策，而需要进一步检查。图2.2三支决策主要思想示意图Fig2.2Schematicdiagramofthemainideasofthethree-waydecisions定义2.21SU,AT,V,f是一个信息系统，R代表信息系统S上的一个等价关系，XU为论域的U的一个子集。,为根据损失函数计算得到的目标概念X的阈值。基于阈值,得到的X的正域POSX、边界域BNDX和负域NEGX如下：RPOSXxU|PrX|x(2.26)RBNDXxU|PrX|x(2.27)RNEGXxU|PrX|x(2.28)根据决策阈值,形成的决策规则如下：(P)条件概率大于等于阈值时，将对象划分到正域中，做出接受决策；(B)条件概率小于阈值且大于阈值时，将对象划分到边界域中，做出延迟决策；(N)条件概率小于等于阈值时，将对象划分到负域中，做出拒绝决策。一步的三支决策在众多领域引起了人们的广泛关注[62,63]。然而，仅通过一次三支决策很难对所有对象做出确定性的决策，某些对象需要通过添加更多的信息重新进行决策。下面介绍序贯三支决策理论的相关知识。2.2.2序贯三支决策理论三支决策可以看做序贯三支决策的中间部分。序贯三支决策是一种从粗粒度向细粒度递进的动态三支决策。在每一个粒度层上，当现有信息不足以支持做出明确决策时，先采用延迟决策，等添加更多信息后在下一个粒度层上再进行三支决策。序贯三支决策的提出可以进一步解决边界域中对象的分类问题，扩展了三支决策在实际生活中的应用。
安徽大学硕士学位论文28(6)对于优化可辨识矩阵的第四个元素项d,e,a,c，因为d,ed,e,a,c，所以d,e,a,c对应的路径为d,e。至此，优化可辨识矩阵中所有非空元素项都已映射到改进的差别信息树上。其中，改进差别信息树如图3.1所示。根据算法3.3的主要思想，属性约简的过程如下所示：(1)此时SListd,e,b。选取SList中第一个属性d，通过同名指针链删除含有属性d的路径，且REDUREDUd，此时SList更改为SListe,b；(2)选取SList中第一个属性e，通过对同名指针链的判断，不存在含有属性e的路径，因此直接从SList删除e，此时SListb；(3)选取SList中第一个属性b，通过对同名指针链的判断，存在含有属性b的路径，因此删除包含属性b的路径，且REDUREDUb,此时SList=；(4)到此为止，改进的差别信息树只有根节点，算法结束。最终的约简结果为REDUd,b。图3.1改进的差别信息树Fig3.1Improvingdiscernibilityinformationtree为验证所提HSDI-tree算法的有效性，本章从UCI机器学习数据库中选用了5个数据集(数据集的具体信息如表3.5所列)，实验在MicrosoftWindows7，Inter(R)CoreTMi3-4170CPU@3.70GHz，4.0GB内存和语言为Java的PC上进行，与文献[94]提出的IDI-tree算法、文献[95]提出的DI-tree算法和文献[96]提出的CDI-tree算法进行了两组对比实验。
【参考文献】：
期刊论文
[1]代价敏感的序贯三支决策方法[J]. 邢颖,李德玉,王素格. 计算机科学. 2018(10)
[2]基于决策粗糙集的广义序贯三支决策方法[J]. 杨新,李天瑞,刘盾,方宇,王宁. 计算机科学. 2018(10)
[3]区间值序信息系统中差别信息树的属性约简[J]. 杨蕾,张晓燕,徐伟华. 计算机科学与探索. 2019(06)
[4]基于改进差别信息树的粗糙集属性约简算法[J]. 蒋瑜. 控制与决策. 2019(06)
[5]序贯三支决策的代价敏感分类方法[J]. 方宇,闵帆,刘忠慧,杨新. 南京大学学报(自然科学). 2018(01)
[6]基于K最近邻的代价敏感三支决策边界域处理模型[J]. 王刚,张燕平,陈洁,赵姝. 数码设计. 2016(02)
[7]多粒度粗糙集和覆盖粗糙集间的近似与约简关系[J]. 谭安辉,李进金,吴伟志. 模式识别与人工智能. 2016(08)
[8]基于差别信息树的rough set属性约简算法[J]. 蒋瑜. 控制与决策. 2015(08)
[9]粗糙集理论:基于三支决策视角[J]. 刘盾,李天瑞,李华雄. 南京大学学报(自然科学版). 2013(05)
[10]基于区分矩阵的属性约简算法改进策略[J]. 王慧,王京,张彩云. 武汉科技大学学报. 2011(02)
硕士论文
[1]基于粗糙集理论的数值型决策表的属性约简方法研究[D]. 张敏.华北电力大学 2015
本文编号：3089311
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3089311.html
