基于双论域量化模糊粗糙集的公共卫生应急决策模型

公共卫生应急决策是公共卫生管理的核心,也是有效应对公共卫生事件的关键.近年来频发的公共卫生事件已对公众安全和身体健康造成严重的威胁.因此,亟待研究应对突发公共卫生事件的应急决策理论与方法.文章以公共卫生应急决策为研究背景讨论双论域量化模糊粗糙集理论与方法.首先定义了基于模糊相容关系的双论域量化模糊粗糙集模型,进而充分考虑公共卫生应急决策问题的特征,并将公共卫生应急决策过程转化为具有模糊决策对象的模糊近似决策问题,构建基于突发公共卫生应急决策的双论域量化模糊粗糙集应用模型.通过在双论域量化近似空间上计算模糊决策对象的上下近似,并结合经典非确定型决策的思想给出公共卫生应急处置的决策规则.该模型提出了一种在不完全信息环境下公共卫生应急决策的方法,以及在充分考虑决策者个人偏好信息基础上的最优决策规则.最后,将理论模型应用于两个不同的公共卫生应急决策问题以说明文章所构建模型的应用过程及其有效性,同时结合数值算例应用结果提出处理实际问题时相应的决策建议.     

基于冲突距离的灰色粗糙集模型

在群决策中,由于客观世界的复杂性、不确定以及人认识的有限性,现实的决策信息系统系统总是包含大量的模糊信息、灰数信息,而基于传统的粗糙集以及拓展模型难以有效处理.鉴于此,利用灰色系统和粗糙集的思想与方法,构建了多论域灰色粗糙集模型.首先定义对象间的多维度冲突距离,进而利用冲突距离构建多论域灰色粗糙集模型,并探讨了模型的性质,最后以一个群决策例子验证了模型的有效性与合理性.结果表明该模型是经典粗糙集、区间粗糙集、双论域粗糙集的泛化.     

模糊T划分下基于贴近度的变精度粗糙模糊集模型

粗糙集模型的扩展是粗糙集研究的重要内容之一,根据论域中知识和被近似对象的特点,学者们提出了针对不同情况的粗糙集模型,如Pawlaw针对知识和被近似对象都是确定的,提出了经典粗糙集模型,dubois针对知识是确定的而被近似对象是模糊的情况提出了粗糙模糊集模型。而本文是在知识和被近似对象都是模糊的情况下建立了一个新的变精度模型,首先是将论域进行模糊T划分,得到论域上的各个模糊子集,然后根据模糊的被近似对象与论域上的模糊子集之间的贴进程度关系,得到了新的变精度粗糙模糊集模型,并且研究了算子的有关性质,最后举例说明了该模型的应用。     

双论域上的区间值直觉模糊粗糙集模型及其应用

基于区间值直觉模糊相容关系,给出了双论域上的区间值直觉模糊粗糙集模型并讨论了其相关性质,为粗糙集的应用提供了新的理论基础与操作手段。最后,通过一个例子阐述了本文提出的区间值直觉模糊粗糙集模型在临床诊断系统中的具体应用。     

广义梯形模糊数决策粗糙集

考虑到在决策过程中损失函数的不确定性且广义梯形模糊数作为三角模糊数的一种拓展,从贝叶斯理论出发,在三角模糊数决策粗糙集的基础上,将广义梯形模糊数引入三枝决策粗糙集,建立了广义梯形模糊数决策粗糙集并推导了其性质和规则;然后,通过一个协同知识管理项目的例子来阐明模型的具体应用.优势在于不仅将离散模糊集合扩展到连续集合,而且与其它模糊集合相比较具有更好的泛化性.     

基于粗糙集的模糊决策算法

给出一种从连续决策表中提取模糊决策规则的规则提取算法。首先,转化连续属性值为模糊值;然后,给出两个不同对象的模糊属性值关于相应连续属性的相似度;其次,给出了λ相似关系与λ相似类的定义。根据λ相似关系,给出粗糙-模糊空间中的下近似与上近似概念;最后,结合模糊集与粗糙集理论的思想,给出一种从连续值域决策表获取决策规则的算法,并通过实例说明该算法的有效性。     

一类广义区间值模糊粗糙集的公理化刻画

首先在一般区间值模糊关系上定义了两个论域上的一类广义区间值模糊粗糙集.借助区间值模糊集的截集给出区间值模糊粗糙上、下近似算子的一般表示.讨论了各种特殊的区间值模糊关系与区间值模糊近似算子性质之间的等价刻画.最后利用公理化方法刻画区间值模糊粗糙集.描述区间值模糊上、下近似算子的公理集保证了生成相同近似算子的区间值模糊关系的存在性.     

序信息系统中的双量化决策粗糙集模型

决策粗糙集和程度粗糙集作为两类广义的粗糙集模型,分别从相对信息量化和绝对信息量化的观点对经典的粗糙集模型进行了扩张。本文在序信息系统中将这两类广义粗糙集模型进行融合,即将决策粗糙集和程度粗糙集的近似算子重新组合,以此构造了两种不同类型的双量化粗糙集模型。然后,对模型的一些基本性质进行了讨论,新建立的粗糙集模型包含了相对量化信息和绝对量化信息。最后,通过对实际案例分析展现了双量化决策规则的获取方法,结果表明两类模型均可以有效的获取决策规则,本文为序信息系统中的决策分析提供了新的选择。     

基于包含度的模糊随机粗糙集模型

针对随机性与模糊性同时存在的情形,提出了建立在模糊随机近似空间上的基于包含度的模糊随机粗糙集模型.首先给出了模糊随机近似空间的概念,然后利用包含度提出了模糊随机近似空间上的一种基于模糊随机集的粗糙近似算子.最后讨论了这种近似算子的一些性质.     

多集值信息表中的多粒度模糊决策论粗糙集

多粒度粗糙集和决策论粗糙集是Pawlak粗糙集的重要推广,目前已成为人工智能研究的热点.然而,它们大多处理的都是单值信息系统中的问题.而实际生活中绝大多数都是处理多值问题,为了解决这一问题,在多集值信息表中将多粒粗糙集与模糊决策论粗糙集相结合进行研究,提出了其在乐观,悲观情形下的上下近似,研究了一些相关性质并给出了多集值信息表中的多粒度模糊决策论粗糙集精度、粗度的概念,最后通过一个具体例子验证其有效性.     

基于双论域犹豫三角模糊多粒度粗糙集的疾病诊断

在临床决策领域,疾病诊断已成为较为复杂的决策问题之一。医疗专家在疾病诊断过程中不仅需要处理大量的不确定性信息,而且需要综合不同医疗专家的意见来给出最终的诊断结果。为了解决以上疾病诊断中普遍存在的不确定性数据分析以及群决策的问题,通过结合犹豫三角模糊集和多粒度粗糙集,提出双论域犹豫三角模糊多粒度粗糙集的概念。在此基础上,提出以疾病诊断为背景的决策模型并用算例阐述所提出模型的有效性。     

决策信息系统的变换及其变换规则形式化

传统的粗糙集分类、约简、规则挖掘方法处理的对象是某个时间点上的静态信息系统,因而获得的知识也是静态的.实际上信息系统通常表现为易变性和过程性,为了挖掘决策信息系统动态变换的趋势和规则,本文扩展了粗糙集中传统的分类、约简、规则挖掘的应用模式,提出决策信息系统基于时间序列单步和过程变换模型, 建立面向决策信息系统变化趋势的类划分机制和相应的语义,对条件属性变迁与决策属性变迁的相关性进行研究,并给出变换规则的形式化表示.     

基于覆盖的概率粗糙集模型及其Bayes决策

经典的Pawlak概率粗糙集模型是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到.因此,许多学者建立了基于一般关系(如容差关系、相似关系等)的Pawlak粗糙集模型.本文建立了基于覆盖关系的概率粗糙集模型,推广和总结了前人的工作.同时,提出了该模型下的Bayes决策方法和应用实例.     

支撑模糊集合转换的模糊逻辑是伪逻辑

模糊逻辑系统用模糊集合描述模糊信息、用模糊集合转换处理模糊信息.阐述支撑模糊集合转换的模糊逻辑为什么是伪逻辑的原因.指出定义在论域一个空间上的模糊集合,因为破坏了集合中元素的"不可分割性",所以模糊集合描述的模糊信息不能用数学计算通过模糊集合转换处理.实际应用中的模糊信息定义在论域与状态空间两个空间上,其正确表达方式是满足"归一化"条件的隶属度向量;处理的正确途径是,研究基于状态转移矩阵的隶属度转换;支撑隶属度转换的是近似推理逻辑,目的是使构建的隶属度转换模型是当前条件下人们可能构建的"最优"近似模型.     

概率粗糙直觉模糊集的不确定性度量方法研究

Pawlak粗糙集模型忽视了信息的不确定性和模糊性,等价类完全包含于目标概念才能被划分到下近似,在处理数据时显得过于苛刻.针对这个问题,本文结合概率粗糙集与直觉模糊集,对概率粗糙直觉模糊集模型进行研究,其模型具有一定的容错能力,能够较为有效的处理含有噪声和模糊的数据.首先,在概率近似空间中,定义模糊事件的条件概率,构建...     

基于直觉模糊软集的煤矿应急救援决策方法

在煤矿突发事故初期,时间的紧迫性和环境的复杂性导致应急救援决策中的评估信息存在不确定性,传统基于确数的决策方法难以适用,对此本文提出了一种基于直觉模糊软集(IFSSs)的煤矿应急救援决策方法。首先对现有IFSSs熵公理化定义中的不合理之处进行修正,进而据此构造新的IFSSs熵计算公式,并通过与既有IFSSs熵公式的对比算例表现了新公式的合理性和有效性。然后基于新熵公式给出属性综合权重的确定方法,再利用推广的TOPSIS方法对预案进行排序以确定最优煤矿应急救援预案。最后将本文提出的方法应用于某煤矿应急救援实例。结果表明,基于IFSSs的煤矿应急救援决策方法能充分利用和有效处理不确定性的信息,具有更好的决策分辨效果,可以为煤矿突发事故的应急救援提供决策支持。     

基于区间直觉犹豫模糊集VIKOR扩展方法的突发公共事件处置方案决策模型

处理突发公共事件时,要对应急处里方案进行评估决策,其本质是一个多准则群决策问题,专家组在决策过程中存在一定犹豫度。本文提出应急处置方案评估标准体系,在区间直觉犹豫模糊理论基础上建立应急处置方案评估模型。通过最大化团队自信程度确定专家权重,提出调整型区间直觉犹豫模糊加权平均算子集成决策者意见,基于VIKOR扩展方法对应急处置方案进行排序,并通过算例验证模型的可行性和有效性。该模型在整个应急处置方案决策过程中始终保证决策信息为区间直觉犹豫模糊元,既控制了计算和表达复杂度,又避免了群体决策信息流失。     

多粒度模糊粗糙集研究

本文研究了模糊粗糙集中属性约简问题.利用模糊粗糙集和多粒度粗糙集各自优点的结合,提出了两类多粒度模糊粗糙集模型,使得两类粗糙集中的上下近似算子关于负算子对偶.同时研究了多粒度模糊粗糙集的性质及与单粒度模糊粗糙集的关系.并通过构造区分函数的方法提出了一类多粒度模糊粗糙集模型的近似约简方法.最后用一个实例核对了该类多粒度模糊粗糙决策系统近似约简方法的有效性.     

区间值优势关系系统中属性约简及规则提取方法北大核心

本文以包含偏序关系的区间值决策系统为研究对象,对连续属性值进行模糊化处理,构造一种模糊优势关系粗糙集模型,并讨论了其相关性质。基于新模型提出一种不确定性度量-模糊粗糙熵,并以此为启发信息构造一种启发式约简算法,同时给出了该算法的时间复杂度分析结果。由该算法所得到的决策规则集具备较高的准确度和覆盖度,从而保证了数据预测、分类的准确性和合理性。通过实例分析,证明该算法是区间值优势关系系统中规则获取的有效方法。     

基于覆盖的模糊粗糙集模型

讨论基于覆盖理论的模糊粗糙集模型。给出了模糊集的粗糙上、下近似算子,讨论了算子的基本性质,证明了覆盖粗糙集模型下所有模糊集的下近似构成一个模糊拓扑,并得到了覆盖模糊粗糙集模型的公理化描述。