圖書目錄
第1章 緒論
1.1 多屬性決策分析
1.2 粗集理論的基本觀點和特點
1.3 二元關係與屬性
1.3.1 二元關係及其性質
1.3.2 幾種常見的關係
1.3.3 屬性類型
1.4 粗集理論、二元關係與多屬性決策分析
1.4.1 不可分辨關係與多屬性決策分析
1.4.2 相似關係、容錯關係與多屬性決策分析
1.4.3 支配關係與多屬性分級決策分析
1.5 粗集理論與其他不確定性理論的融合
1.5.1 粗集和模糊集
1.5.2 粗集和Dempster-Shafer的證據理論
1.5.3 混合方法和系統
1.5.4 粗集和統計理論、資訊理論
1.5.5 粗糙邏輯
第2章 經典粗集理論的基本概念
2.1 信息表和不可分辨關係
2.1.1 信息表和決策表
2.1.2 不可分辨關係
2.1.3 相容和不相容決策表
2.2 集合近似及其性質
2.3 粗糙隸屬函式和不確定性
2.3.1 粗糙隸屬函式及其性質
2.3.2 變精度粗集模型
2.4 屬性的依賴性和約簡
2.4.1 屬性的依賴性
2.4.2 屬性的約簡
2.4.3 屬性的重要性
2.5 決策表和決策規則
2.6 模糊測度和粗集
2.7 約簡和碰集
第3章 粗集和布爾推理
3.1 布爾推理
3.1.1 布爾代數
3.1.2 蘊含
3.1.3 布爾推理的一般策略
3.2 離散化
3.3 分辨矩陣與決策矩陣
3.3.1 分辨矩陣和分辨函式
3.3.2 分辨函式的主蘊涵和約簡
3.3.3 決策矩陣和決策函式
第4章 獲取決策規則與多屬性分類決策
4.1 決策規則及其數量測度
4.1.1 模式及其測度
4.1.2 規則及其測度
4.2 決策規則獲取
4.2.1 基本概念
4.2.2 規則獲取算法
4.3 決策規則的增量式更新
4.4 分類識別策略
4.4.1 規則衝突的解決
4.4.2 沒有匹配規則
4.4.3 舉例和討論
4.5 多屬性決策分析
4.5.1 多人多屬性決策
4.5.2 合併分析
4.6 粗集和關聯規則
第5章 基於經典粗集理論的建模過程及其套用
5.1 粗集理論的基本方法概述
5.1.1 空值處理方法
5.1.2 屬性離散化方法
5.1.3 約簡計算方法
5.1.4 規則導出
5.2 建模過程
5.2.1 劃分例子
5.2.2 規則過濾和模型評價
5.3 粗糙分類器
5.4 粗糙-神經專家系統
5.4.1 粗糙神經專家系統結構
5.4.2 舉例
第6章 基於相似關係的粗集與多屬性決策分析
6.1 相似關係及其性質
6.2 基於相似關係的粗糙近似
6.3 相似關係的構造
6.3.1 相似性測度的建立
6.3.2 聚合過程
6.3.3 利用e不可分辨性構造相似關係
6.3.4 舉例
6.4 獲取基於相似關係的決策規則
6.4.1 決策規則及其形式
6.4.2 非相似矩陣與決策規則獲取
6.5 相似關係與不完全信息表
6.5.1 構造不完全信息表的相似關係
6.5.2 集合近似
6.5.3 不完全決策表的決策規則
6.5.4 分辨函式和約簡計算
第7章 基於支配關係的粗集和多屬性分級決策
7.1 基本概念
7.2 基於支配矩陣的最簡決策規則導出
7.2.1 支配矩陣和支配函式
7.2.2 規則集化簡
7.3 分級決策
7.4 舉例
第8章 基於多種二元關係和布爾推理的多屬性分級決策
8.1 屬性和二元關係
8.1.1 構造相似關係
8.1.2 支配關係和決策類
8.2 基於布爾推理導出分級決策規則
8.2.1 分級決策規則及其形式
8.2.2 分辨-相似-支配矩陣和分辨-相似-支配函式
8.2.3 獲取分級決策規則的算法
8.3 舉例
第9章 基於粗集理論的衝突分析和談判
9.1 衝突的基本要素和局中人的特徵表示
9.2 局中人之間的關係
9.2.1 局中人對單個爭端的關係
9.2.2 局中人對爭端集合的關係和聯盟確定
9.3 衝突矩陣和衝突函式
9.3.1 基於衝突矩陣的聯盟形成
9.3.2 不同閾值下的實力—策略分析
9.4 衝突談判
9.4.1 屬性和局勢的衝突度
9.4.2 衝突談判模型
9.5 Deja的衝突分析模型
9.5.1 局部方案及其評價
9.5.2 局勢及其評價
9.5.3 衝突及其解
參考文獻
線上試讀部分章節
第3章 粗集和布爾推理
在決策分析、數據挖掘、模式識別和近似推理中，經常需要利用某種工具從數據中發現模式並將它們分類到一定的決策類中。在許多情況下，模式表現為最頻繁的事件序列、最可能的事件、對象的常規配置、高質量的決策規則、標準的推理方案等。這些模式可以利用一些方法從數據中抽取出來，例如基於布爾推理和可分辨性的方法。
布爾推理的思想是：對給定問題P建立相應的布爾函式fp，問題P的解可以從布爾函式。fp的主蘊涵得到。粗集理論中的一些重要概念可以利用布爾推理進行表示。
目前，根據對象可分辨性和布爾推理的一些成功方法已經基本形成，這些方法用於計算套用中的一些重要實體，例如約簡及其近似、決策規則、關聯規則、實數值屬性的離散化、符號值分組、從數據中抽取模式以及衝突解決或談判分析等。雖然導出上述相關實體的許多問題是NP完全的或NP難題，但是，對於可分辨性和布爾推理的研究使得建立具有近似性質的啟發式算法成為可能。由啟發式算法生成的表達式，即與主蘊涵相近的蘊涵定義了問題的近似解。這些啟發式算法對於許多數據集的實驗結果是令人欣慰的。與文獻中的其他方法相比，由啟發式算法導出的解展示了很好的質量（例如，關於分類未知對象的分類質量）。此外，從計算解所需的時間上來看，這些啟發式算法非常有效，其中許多方法就是基於可分辨矩陣。
……
