基于置信優(yōu)勢關(guān)系的粗糙集有序決策及其應(yīng)用研究.pdf

1、客觀世界中，信息的不確定性普遍存在。粗糙集理論是一種處理不確定性信息的數(shù)學(xué)工具，與概率論、模糊集等其他處理不確定性問題的理論和方法相比，不需要先驗知識，對問題的描述和處理更客觀。為更好地描述實際問題中屬性值具有偏好有序的特性，優(yōu)勢關(guān)系粗糙集以優(yōu)勢關(guān)系代替經(jīng)典粗糙集的不可分辨關(guān)系，已成為多準(zhǔn)則決策分析的重要模型?，F(xiàn)實應(yīng)用中，數(shù)據(jù)缺失現(xiàn)象經(jīng)常發(fā)生，不完備信息的有序決策受到了越來越廣泛的重視，成為智能信息處理的重要研究內(nèi)容。
　　水質(zhì)評

2、價是三峽庫區(qū)水生態(tài)環(huán)境在線監(jiān)測系統(tǒng)中水資源管理及決策分析的重要內(nèi)容。水質(zhì)數(shù)據(jù)通常呈現(xiàn)不確定性、不完備性、及有序性等特性。因此，基于粗糙集的不完備有序決策分析將為水質(zhì)評價提供理論支撐和技術(shù)方法。
　　本文提出了能夠處理不確定、不完備及有序信息的置信優(yōu)勢關(guān)系粗糙集模型，深入研究了模型中近似集的動態(tài)更新、分級決策及屬性約簡的技術(shù)方法，并應(yīng)用于水質(zhì)評價的實際問題中，為水資源管理及決策分析提供了新的有效途徑。歸納起來，本文的主要研究工作和創(chuàng)

3、新性研究成果包括以下幾個方面:
　　(1)提出了置信優(yōu)勢關(guān)系粗糙近似模型，解決了序特性上的語義矛盾，為研究不完備有序信息的決策分析提供了有效方法。與已有模型相比，具有更好的近似及分類性能。
　　結(jié)合水質(zhì)監(jiān)測數(shù)據(jù)的特點，提出置信優(yōu)勢關(guān)系粗糙集模型，為處理不完備有序決策系統(tǒng)提供了理論方法。在不完備有序信息系統(tǒng)中，有多種拓展優(yōu)勢關(guān)系被提出并用于解決有序決策問題，但這些關(guān)系均未考慮序關(guān)系特性，與現(xiàn)實語義存在矛盾。本文提出滿足序關(guān)系特

4、性的置信優(yōu)勢關(guān)系，避免了語義上的矛盾，更貼合監(jiān)測領(lǐng)域的實際。隨之給出置信優(yōu)勢關(guān)系下的不確定性度量方法，進(jìn)一步分析了置信優(yōu)勢關(guān)系粗糙集模型和已有模型的關(guān)系，并對比了他們的分類性能。通過實例分析和實驗驗證，表明置信優(yōu)勢關(guān)系粗糙集近似模型的近似精度及分類精度更優(yōu)。這些研究成果將有助于在不完備有序決策系統(tǒng)中進(jìn)行分級決策及屬性約簡。
　　(2)提出了屬性集及對象集變化后，置信優(yōu)勢關(guān)系粗糙集上、下近似集的動態(tài)更新方法，克服了靜態(tài)方法重新計算近

5、似集時間開銷大的缺點，提高了知識獲取的時間效率。
　　置信優(yōu)勢關(guān)系粗糙集模型中上、下近似集的計算是知識獲取的核心內(nèi)容之一。在實際應(yīng)用中，屬性集和對象集通常會發(fā)生改變。然而，傳統(tǒng)的上、下近似集的計算是靜態(tài)的，需要在屬性集及對象集變化后從頭開始重新計算近似集，時間開銷較大。本文先討論了在屬性集增加或減少時，置信優(yōu)勢類及劣勢類的變化情況，給出上、下近似集增量式的變化規(guī)律，提出相應(yīng)的近似集動態(tài)更新方法。隨后討論了在對象集中增加或刪除一個對

6、象以及對象子集合并時，決策類、置信優(yōu)勢類及劣勢類的變化情況，從而得到上、下近似集的動態(tài)更新方法。實驗結(jié)果表明，與非增量式方法相比，本文提出的置信優(yōu)勢關(guān)系粗糙集的上、下近似集的增量式更新方法具有更高的計算效率。本研究成果為高效地處理動態(tài)變化的監(jiān)測數(shù)據(jù)提供了理論基礎(chǔ)和方法。
　　(3)提出了基于置信優(yōu)勢關(guān)系粗糙集的容錯偏好分級模型，使不確定分級對象能夠正確分級或者接近其正確分級，為不完備有序決策系統(tǒng)中的分級決策提供了一種有效的方法。<

7、br>　　水資源管理中經(jīng)常會面對評價水質(zhì)級別、評判環(huán)境污染程度等分級決策。與分類問題不同，分級決策問題的決策屬性具有偏好有序特性。本文在置信優(yōu)勢關(guān)系粗糙集的基礎(chǔ)上，提出容錯偏好分級算法，將容錯偏好分為向上容錯偏好、向下容錯偏好和兩者綜合偏好，對邊界域中的對象進(jìn)行分級，對于邊界域?qū)ο蟮母采w信息采用兩種策略，一是將覆蓋信息作為多余信息或干擾信息，對已分級對象不再調(diào)整;二是將對象的覆蓋信息作為啟發(fā)式知識調(diào)整其分級決策的結(jié)果，達(dá)到正確分級或靠近

8、正確分級的目的。對比實驗結(jié)果表明，本文提出的方法在正確率及誤分代價上均取得了比其他方法好的結(jié)果，表明該模型是一種有效分級決策模型。本研究成果將進(jìn)一步推動置信優(yōu)勢關(guān)系粗糙集在水資源管理中的應(yīng)用。
　　(4)提出了不協(xié)調(diào)置信優(yōu)勢關(guān)系的屬性約簡方法，從不完備有序決策系統(tǒng)中獲得所有屬性約簡;進(jìn)一步，提出保持分類精度不變的啟發(fā)式屬性約簡方法，和增量式屬性約簡方法，提高約簡的時間效率。
　　屬性約簡有利于發(fā)現(xiàn)水質(zhì)監(jiān)測中的重要監(jiān)測指標(biāo)。在

9、有序決策系統(tǒng)中，若不考慮決策屬性的偏好有序，區(qū)分兩個對象沒有意義。因此，本文將滿足協(xié)調(diào)置信優(yōu)勢關(guān)系的對象視為不可區(qū)分對象，提出不協(xié)調(diào)置信優(yōu)勢關(guān)系的屬性約簡定義;進(jìn)一步給出屬性約簡的判定定理和辨識矩陣，通過實例驗證本約簡方法的有效性、可行性;為提高屬性約簡的時間效率，提出不完備有序決策系統(tǒng)中的基于分類精度的啟發(fā)式屬性約簡算法，并根據(jù)單個屬性增減后，上、下近似集的動態(tài)更新規(guī)律，提出增量式約簡方法，提高約簡的時間效率。本研究結(jié)果將用于在水質(zhì)監(jiān)

10、測數(shù)據(jù)中找出對決策更重要的監(jiān)測指標(biāo)。
　　(5)提出了基于置信優(yōu)勢關(guān)系粗糙集的水質(zhì)評價方法，利用容錯偏好分級模型對水質(zhì)及富營養(yǎng)化進(jìn)行分級決策;通過屬性約簡找出重要監(jiān)測指標(biāo);監(jiān)測指標(biāo)和監(jiān)測數(shù)據(jù)增加時，應(yīng)用動態(tài)更新方法提高時間效率。
　　以豐收壩水質(zhì)監(jiān)測數(shù)據(jù)為例，將前面研究成果應(yīng)用到水質(zhì)評價中。使用置信優(yōu)勢關(guān)系粗糙集及容錯偏好分級模型對水質(zhì)進(jìn)行評價，包括水質(zhì)級別確定、水體富營養(yǎng)化評級;進(jìn)一步通過屬性重要性對現(xiàn)有監(jiān)測項目中影響水質(zhì)