多粒度計算與三支決策

目錄
《信息科學技術學術著作叢書》序
前言
第1章 多粒度智能決策 1
1.1 引言 1
1.2 復雜決策問題的多粒度特性 3
1.3 多粒度智能決策模型與方法 4
1.3.1 多層次決策 4
1.3.2 多視角決策 4
1.3.3 **粒度選擇 5
1.4 小結 5
參考文獻 6
第2章 局部多粒度粗糙集 9
2.1 引言 9
2.2 局部粗糙集模型 11
2.2.1 局部粗糙集的定義 11
2.2.2 局部粗糙集的性質 13
2.2.3 局部粗糙集的度量指標 16
2.2.4 計算一個目標概念的近似和屬性約簡 17
2.2.5 計算一個目標決策的近似和屬性約簡 28
2.2.6 局部粗糙集在大數(shù)據(jù)上的擴展 35
2.3 局部多粒度粗糙集模型 36
2.3.1 局部多粒度粗糙集的定義 37
2.3.2 局部多粒度粗糙集的性質 40
2.3.3 計算一個目標概念的局部多粒度粗糙集的下近似 44
2.4 小結 47
參考文獻 48
第3章 多屬性群決策的猶豫模糊多粒度建模 49
3.1 引言 49
3.2 相關概念與理論 51
3.2.1 猶豫模糊集 51
3.2.2 猶豫模糊語言術語集 53
3.2.3 雙論域多粒度粗糙集 55
3.3 猶豫模糊多粒度建模 55
3.4 基于猶豫模糊多粒度建模的多屬性群決策方法 58
3.4.1 問題描述 58
3.4.2 模型建立 59
3.4.3 模型算法 64
3.5 算例及分析 65
3.5.1 猶豫模糊背景下的算例 66
3.5.2 猶豫模糊語言背景下的算例 69
3.6 小結 72
參考文獻 72
第4章 穩(wěn)健模糊粗糙集 75
4.1 引言 75
4.2 相關的基礎知識 76
4.2.1 模糊邏輯算子 76
4.2.2 模糊粗糙集對數(shù)據(jù)噪聲的敏感性分析 77
4.3 基于穩(wěn)健統(tǒng)計量的模糊粗糙集 79
4.3.1 基于穩(wěn)健統(tǒng)計量的模糊粗糙集定義 80
4.3.2 模型性質 82
4.4 基于軟距離的穩(wěn)健模糊粗糙集 83
4.4.1 軟模糊粗糙集 83
4.4.2 模型性質 85
4.4.3 參數(shù)β的幾何意義 87
4.5 數(shù)據(jù)分布感知的穩(wěn)健模糊粗糙集 88
4.5.1 穩(wěn)健模糊粗糙集的穩(wěn)健原理分類 88
4.5.2 概率模糊粗糙集 89
4.5.3 模型性質 94
4.6 小結 97
參考文獻 97
第5章 廣義多粒度標記決策系統(tǒng)的粒度標記組合與知識表示 100
5.1 引言 100
5.2 相關的基礎知識 101
5.2.1 Pawlak粗糙集近似 101
5.2.2 信息系統(tǒng)、決策表和決策規(guī)則
5.2.3 信任結枸與信任函數(shù) 106
5.3 廣義多粒度標記信息系統(tǒng)與粒度標記組合 108
5.3.1 多粒度標記信息系統(tǒng)與粒度標記組合 108
5.3.2 多粒度標記信息系統(tǒng)中的信息粒表示與粗糙近似 109
5.4 廣義多粒度標記決策系統(tǒng)與**粒度標記組 合 111
5.4.1 協(xié)調(diào)廣義多粒度標記決策系統(tǒng)的**粒度標記組合 112
5.4.2 不協(xié)調(diào)廣義多粒度標記決策系統(tǒng)的**粒度標記組合 116
5.5 小結 121
參考文獻 121
第6章 多源信息融合與概念學習的粒計算方法 124
6.1 引言 124
6.2 相關理論 126
6.2.1 多源模糊信息融合 126
6.2.2 模糊信息系統(tǒng)的概念學習 133
6.3 概念學習算法設計 136
6.4 數(shù)值實 驗 137
6.5 小結 147
參考文獻 148
第7章 動態(tài)多粒度標記決策系統(tǒng)的**粒度選擇 152
7.1 引言 152
7.2 相關理論 154
7.2.1 Pawlak近似空間誘導的三支決策 154
7.2.2 多粒度標記信息系統(tǒng) 155
7.3 多粒度標記信息系統(tǒng)誘導的序貫三支決策 158
7.4 多粒度標記決策系統(tǒng)的**粒度選擇 162
7.5 動態(tài)多粒度標記決策系統(tǒng)的**粒度選擇算法 166
7.6 數(shù)值實驗 172
7.7 小結 174
參考文獻 174
第8章 三支聚類分析 178
8.1 引言 178
8.2 三支聚類 180
8.3 多視圖數(shù)據(jù)的三支聚類方法 182
8.3.1 多視圖數(shù)據(jù)融合 182
8.3.2 主動三支聚類 185
8.3.3 實驗結果 188
8.4 基于數(shù)學形態(tài)學的三支聚類方法 191
8.4.1 數(shù)學形態(tài)學中的腐蝕與膨脹 191
8.4.2 CE 3 框架 192
8.4.3 基于鄰域的CE 3方法 194
8.4.4 CE 3 譜聚類 196
8.4.5 人工數(shù)據(jù)集實驗結果 197
8.5 小結 198
參考文獻 198
第9章 基于θ-量化效用三支決策的屬性約簡 201
9.1 引言 201
9.2 θ-量化效用三支決策模型 202
9.3 θ-量化效用三支決策模型的屬性約簡 206
9.3.1 經(jīng)典三支決策模型的屬性約簡 206
9.3.2 基于θ-量化效用三支決策模型的屬性約簡算法 208
9.4 實驗分析 212
9.5 小結 220
參考文獻 220
第10章 序貫三支決策理論框架 223
10.1 引言 223
10.2 三支決策理論 225
10.2.1 靜態(tài)三支決策 225
10.2.2 動態(tài)三支決策 227
10.3 序貫三支決策模型 230
10.3.1 多層次的粒結構 230
10.3.2 多樣性的模型選擇 231
10.3.3 多元化的代價結構 233
10.4 小結 235
參考文獻 235
第11章 三支概念分析及其粒度 238
11.1 引言 238
11.2 基于正交對的三支概念分析 239
11.2.1 基本概念 239
11.2.2 三支概念格 242
11.2.3 對象導出三支概念格的格約簡 244
11.3 基于區(qū)間集的三支概念分析 246
11.3.1 基本概念 246
11.3.2 部分已知概念 248
11.3.3 部分已知概念與完備化背景上形式概念之間的關系 252
11.4 3WCA中的粒度分析 256
11.4.1 對象導出三支概念格的粒 256
11.4.2 對象導出三支概念格的粒層次 257
11.4.3 屬性導出三支概念格的粒及其關系 258
11.5 小結 259
參考文獻 260
第12章 三支決策推薦系統(tǒng) 263
12.1 引言 263
12.2 問題定義 264
12.2.1 評分系統(tǒng) 264
12.2.2 代價敏感學習 265
12.2.3 數(shù)據(jù)轉換 266
12.3 計算模型 267
12.3.1 Pawlak 粗糙集模型 268
12.3.2 變精度粗糙集模型 269
12.3.3 二支決策模型 270
12.3.4 三支決策模型 270
12.4 算法描 述 272
12.4.1 構建隨機森林 272
12.4.2 平均代價計算 275
12.5 實驗 275
12.5.1 數(shù)據(jù)集 275
12.5.2 實驗設計 277
12.5.3 實驗結果 277
12.6 小§ 284
參考文獻 284
第13章 面向能耗優(yōu)化的自適應三支閾值確定方法 287
13.1 引言 287
13.2 相關工作 288
13.3 模型與問題描述 291
13.3.1 調(diào)度模型
13.3.2 能耗模型 293
13.3.3 虛擬遷移問題描述 294
13.4 自適應閾值遷移算法 294
13.4.1 虛擬遷移問題描述 294
13.4.2 基于代價評估的閾值確定方法 295
13.4.3 實例說明 297
13.5 實驗及數(shù)據(jù)分析 298
13.5.1 靜態(tài)閾值與自適應閾值能耗比較 299
13.5.2 ATM算法節(jié)能效果比較 300
13.5.3 集群資源利用率比較實驗 300
13.6 小結 301
參考文獻 302
第14章 三支計算、認識計算與粒計算 305
14.1 引言 305
14.2 中國文化中三支計算、認知計算與粒計算有機結合的一個例子 306
14.3 三支決策的TAO模型 308
14.4 基于三支決策的研究方法 309
14.5 小結 311
參考文獻 311