基于模糊影响图与D-S证据理论的多属性群决策方法

针对影响因素复杂的总体评价问题,提出了一种多属性群决策方法。该方法通过模糊影响图构建多层决策模型,利用模糊关系矩阵传递专家的意见,利用证据理论集结专家意见。该决策方法利用属性间客观存在的模糊关系进行决策,不需要确定决策属性的权重。实例分析表明,本方法可行,有利于降低决策信息的不确定程度。     

基于直觉模糊决策粗糙集的三支决策

基于决策粗糙集的三支决策是解决风险决策问题的一种经典方法,利用贝叶斯决策理论生成决策规则。决策规则具有正域、边界域、负域三个区域特征,对应的决策分别为接受决策、延迟决策和拒绝决策。本文将决策粗糙集模型对象之间的等价关系转变为具有自反性和对称性的直觉模糊关系,通过直觉模糊事件概率度量,定义了贝叶斯决策理论中对象状态与对象描述之间的条件概率。将决策损失与直觉模糊数相结合计算对象分类的预期损失,进而由贝叶斯决策理论引导的最小风险决策规则推导出相应的正域、负域、边界域的决策规则。当决策损失满足一定大小关系时将决策规则进行化简,计算出简化决策规则中的阈值与决策损失之间的关系,并且由简化决策规则定义了直觉模糊决策粗糙集的上、下近似。最后将构造的直觉模糊决策粗糙集的三支决策模型应用到直觉模糊概率决策系统,在已知的决策损失下得到相应的决策规则。     

基于D-S证据理论的群决策专家意见集结方法

将D-S证据理论应用于群决策，指出其优势在于应用基本可信度分配函数描述专家意见，并能区分对所描述对象不知道和否定的差异。在专家意见集结上，Dempster证据合成规则有一定的局限性，当证据发生冲突时，会得到不合理的结果。定义了证据间的分歧度，提出一种专家意见集结方法，使得专家意见发生冲突时亦可得到合理的集结结果。     

基于D-S证据理论的Bayes信息融合

在Bayes统计中,验前分布的获取和表示是一个关键问题,尤其在验前信息多源型的情况下,更需要合理客观地综合利用这些信息.针对实际现实中信息的多源性和不确定性,本文给出了一种基于D-S证据理论的多源总体验前分布的融合方法,并通过实例说明了该方法在Bayes先验信息融合中的应用.     

基于D-S证据理论的水资源合理配置方案综合评价

由于水资源合理配置具有多目标性、模糊性和不确定性的特点,其方案的综合评价可作为一个数据融合问题.利用改进的D-S证据理论合成公式,并考虑不同指标之间权重,给出了水资源合理配置方案综合评价模型.石羊河流域水资源配置方案评价的实例研究表明,D-S证据理论在水资源合理配置方案评价中有较好的实用性.     

基于D-S证据理论的杂草图像边缘检测的研究

为了解决杂草图像边缘检测的不确定性问题,构造出图像边缘的邻域一致性、方向性和结构性三种信息测度统计,利用D-S证据理论对三种测度进行融合来实现分割后杂草图像的边缘检测,实验表明,此算法能够有效的降低噪声的影响,准确的提取出杂草边缘.     

基于D-S证据理论的C2C交易风险评估模型

随着电子商务广泛展开,越来越多的用户选择C2C网上交易,但交易风险也不可忽视,对于普通用户来说,如何正确认识交易中的风险是确定选择该交易的重要依据.基于D-S证据理论的证据融合法,将C2C交易中的不确定性多级多指标评估问题转化为确定性单一总指标的风险评估问题,构建了一种比较通用的C2C交易风险评估模型.实例表明利用实践证明该方法是有效性的,可以为交易者提供参考.文中实例均来自淘宝网,但方法也适用于其它C2C交易平台,具有一定的应用价值.     

基于D-S证据融合的商业信用风险评价

现代经济是信用经济，商业信用是企业赢得市场占有率。获得竞争优势的重要手段。建立信用风险管理机制，控制信用风险，是企业有效利用商业信用手段扩大市场销售的关键内容。本文尝试运用D-S证据推理方法进行商业信用标准评价，通过对客户信用类别的判别，有效控制信用不良客户所带来的信用风险。     

基于证据理论和Vague集的多属性群决策方法研究

为了解决人们在复杂环境中决策困难的问题,论文基于Vague集描述不确定事物的优势,通过证据理论对Vague集进行合成,得到一种信息集结的多属性群决策方法。该算法首先考虑专家评分的可信度,在分析Vague集与证据理论的数学关系后,使用证据理论将各方案在各属性下的专家集证据集结。然后通过Vague集记分函数进行属性权重的计算,将方案集在属性集下的Vague评价值进行加权修正,再通过证据理论将属性集证据集结得到各方案最终的Vague评价值。之后使用记分函数计算每一方案的得分来确定最优方案。最后通过算例进一步说明所提方法的可行性与有效性。文章给出的算法使决策者在不确定环境下可以进行理性决策,从而选出最优方案。     

基于互模拟的三支粒化近似

本文提出了基于互模拟的三支粒化近似,揭示了基于潜在关系的三支粒化近似和基于互似(由潜在关系诱导的最大的互模拟)的三支粒化近似之间的关系.     

基于证据理论的覆盖类决策多粒度粗糙集的下近似约简

知识约简向来是知识发现的重要研究问题之一。该论文研究了基于证据理论的覆盖类决策的多粒度粗糙集的约简方法。首先构造了覆盖类决策多粒度粗糙集的信任结构,然后利用该信任结构中的信任函数和似然函数刻画了覆盖类决策多粒度粗糙集的约简特征,再者引入了基于信任函数的覆盖重要度的概念,并给出了求解覆盖约简的近似算法。最后用实例说明该算法的合理性和有效性。     

三支半概念的广义结构及粗糙集近似算子

随着形式概念分析理论的发展,经典半概念理论也受到了广泛关注。三支半概念是将经典半概念与三支决策相结合而产生的新理论,也是一个知识发现与数据挖掘的有效工具。本文主要对三支半概念的结构和性质两个方面进行研究,首先将三支半概念拓广到了广义三支半概念——OE-半概念和AE-半概念,给出了寻找二者的算法,接下来分别针对两种广义三支半概念构建了纯双布尔代数结构。此外,研究了三支半概念与经典半概念之间的关系,分别证明了它们之间的保运算以及序同构关系。最后利用粗糙集理论分别构建了经典半概念的两对算子,给出该算子的相关性质,并证明这两对算子为粗糙集近似算子。     

有限理性下基于多粒度概率粗糙集的三支球型模糊多属性群决策

本文为应对多粒度概率粗糙集在信息融合方面的局限性以及决策者固有的有限理性,在三支决策的框架下,结合可调多粒度球型模糊概率粗糙集和前景理论,提出了面向多属性群决策问题的多粒度球型模糊三支群决策模型和方法。首先,本文结合球型模糊集和多粒度粗糙集,建立了可调多粒度球型模糊概率粗糙集模型。然后,本文在三支决策的框架下,依据前景理论对三支决策中的阈值进行集成,建立了多粒度球型模糊三支多属性群决策方法。最后,通过空气质量评估的实例验证了本文所提出的模型和方法的可行性与有效性。     

基于D-S理论的延期支付与存货质押业务决策模型

由于市场的不确定性,延期支付货款和存货质押融资中存在诸多不确定因素,使得资金需求企业难以做出有效的选择。针对此问题,从资金需求企业利润最大化的角度出发,首先分别给出了延期支付和存货质押两种业务下的企业利润模型,进而基于D-S理论建立了两种业务的决策模型。该模型以存货质押和延期支付业务下企业利润差额为目标函数,根据证据推理,以信任函数和似然函数构造出利润差额的上下界概率分布,并据此给出两种业务的决策依据。算例分析表明,对资金需求企业来说,存货质押融资业务并不一定优于延期支付,在特定的市场环境下,需要利用本文提出的模型进行定量计算,从而做出最优的选择。     

面向三支群决策的多粒度图像模糊概率粗糙集研究

随着新兴产业的快速发展,社会经济中各类复杂决策问题不断涌现,复杂决策问题的有效求解离不开推进体现科学化与民主化的群决策。图像模糊集作为直觉模糊集的推广形式,在实际应用中能够高效处理信息不一致的问题。本文针对图像模糊三支群决策问题,由于传统损失函数受决策者主观因素的影响进而在构造阈值时各有不同,探索了面向三支群决策的多粒度图像模糊概率粗糙集模型与方法。首先,本文将图像模糊的概念与三支群决策模型相结合,提出可调多粒度图像模糊概率粗糙集模型。然后,计算属性权重和专家权重时运用离差最大法。鉴于VIKOR(多准则妥协解排序)法能够同时考虑群体效用最大化和个体遗憾最小化并融入决策者主观偏好,利用VIKOR法进行多粒度图像模糊粗糙隶属度的最优粒度选择,进而建立图像模糊三支群决策方法。最后,通过一个UCI(University of California Irvine)数据库中的实例证实本文所构建方法的可行性。     

一种改进的局部多粒度决策理论粗糙集模型

局部多粒度决策理论粗糙集要预先获取给定数据集中所有对象的信息颗粒,只需要对特定的目标概念中的对象的信息颗粒进行计算,开创了一种有用的计算范式。然而,传统的局部多粒度决策理论粗糙集在计算三个区域(正域,边界域和负域)时需要主观的给定一对概率阈值(α,β)。在实际的决策应用中,该获取阈值的方法可能会造成信息丢失或判断不准确的问题。为了解决这个问题,这篇文章提出了一种改进的局部多粒度决策理论粗糙集模型,叫做广义的局部多粒度决策理论粗糙集。该模型可以通过一个补偿系数ζ,即可自适应的获得相对应的参数α和β.这不仅减少了人为设置参数的个数,还强化了由多个粒度结构所产生损失的语义解释。     

证据理论的随机集表示

证据理论是由Ｄｅｍｐｓｔｅｒ和Ｓｈａｆｅｒ于６０－７０年代提出的一种不确定推理方法，在人工智能中有着重要的应用价值。本文利用随机集为工具，给出证据理论的随机集表示，得到了证据理论中ｍａｓｓ函数的计算方法及Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ合成公式。     

基于三支决策的灰色可能度聚类方法及应用

针对经典的灰色可能度聚类评估模型难以判定决策对象的灰类归属和过度聚类等问题,利用三支决策的思想和方法,通过引入三支灰类的概念描述决策对象和灰类之间的不确定聚类关系;将其代替灰色定权聚类中的灰类和严格的聚类关系,构建基于三支决策的灰色可能度聚类方法,并采用决策粗糙集中的贝叶斯推理确定聚类阈值;最后,以案例验证所提方法的有效性和合理性。结果表明：本文所构建的模型是经典灰色可能度聚类评估模型的拓展和泛化,可以有效避免过度聚类,降低决策风险,提高聚类可靠性。