张鹏飞;李天瑞;罗，川;王国强 AMG-DTRS：自适应多粒度决策理论粗糙集。 （英语） Zbl 07460568号 国际J近似推理 140, 7-30 (2022). 综述：多粒度决策理论粗糙集（MG-DTRS）是一种从多角度、多层次进行成本敏感决策的有效方法。然而，MG-DTRS模型的固有弱点是使用主观给定的一对概率参数（即，α和β）计算三个区域。为了克服这个问题，本文首先提出了一种广义MG-DTRS模型，称为自适应多粒度决策理论粗糙集（AMG-DTRS），该模型通过设置补偿系数（zeta）自适应地获得一对概率阈值。然后，研究了三种平均AMG-DTRS模型，为信息融合的多粒度方法提供了新的视角。最后，分析了所提出的AMG-DTRS模型与现有MGRS模型之间的联系和差异，说明了AMG-DTR模型的优点和通用性。此外，在我们的模型的基础上，通过考虑各种MG-DTRS、MGRS和VP-MGRS，可以明确地导出许多现有的MGRS模型。这些结果将有助于建立用于粒度计算的信息融合框架。 引用于6文件 MSC公司： 68层37 人工智能背景下的不确定性推理 关键词：多粒化;信息融合;决策论粗糙集;粒度计算 PDF格式BibTeX公司 XML格式引用 \textit{P.Zhang}等人，国际期刊近似推理140，7--30（2022；Zbl 07460568） 全文： 内政部 参考文献： [1] 阿卡玛，S。；Murai，T。；Kudo，Y.，《粗糙集推理》，第142卷（2018），施普林格出版社·Zbl 1401.03002号 [2] 贝洛，R。；Falcon，R.，《机器学习中的粗糙集：综述》（Thriving Rough Sets，2017），第87-118页 [3] Chen，H.M。；李·T·R。；罗，C。；霍恩，S.-J。；Wang，G.Y.，动态数据挖掘的决策理论粗糙集方法，IEEE Trans。模糊系统。，23, 6, 1958-1970 (2015) [4] Dong，Y.C。；Liu，Y.T。；Liang，H.M。；Chiclana，F。；Herrera-Viedma，E.，多属性决策中的战略权重操作，Omega，75，154-164（2018） [5] 冯·T。；风机，H.-T。；Mi，J.-S.，基于三方决策的可变精度多粒度模糊粗糙集的不确定性和约简，国际期刊近似推理。，85, 36-58 (2017) ·Zbl 1419.68163号 [6] 赫伯特，J.P。；姚，J.，决策论粗糙集中的博弈论风险分析，（粗糙集与知识技术国际会议（2008），施普林格），132-139 [7] Hong，T.-P。；林，C.-E。；林，J.-H。；Wang，S.-L.，用粗糙集学习跨层次的确定和可能规则，专家系统。申请。，34, 3, 1698-1706 (2008) [8] 黄，B。；吴维珍。；Yan，J.J。；李海霞。；周晓忠，多尺度直觉模糊信息表中基于包含测度的多粒度决策理论粗糙集，信息科学。，507, 421-448 (2020) [9] Ju，H.R。；李，H.X。；杨晓波（Yang，X.B.）。；周，X.Z。；Huang，B.，《成本敏感粗糙集：多粒度方法》，Knowl-基于系统。，123, 137-153 (2017) [10] Li，J.H。；梅，C.L。；吕永杰，实际决策形式背景下的知识约简，信息科学。，189, 191-207 (2012) ·Zbl 1247.68280号 [11] 李·T。；De la Prieta Pintado，F。；科尔查多，J.M。；Bajo，J.，多源同质数据聚类，用于从杂乱背景中检测多目标，应用。软计算。，60, 436-446 (2017) [12] 林，G.P。；刘，F.L。；Chen，S.Y。；Yu，X.L.，基于决策支持度的多粒度决策理论粗糙集模型知识更新，J.Eng.，2020，13，335-343（2020） [13] 林，G.P。；Qian，Y.H。；Li Nmgrs，J.J.，基于邻域的多粒度粗糙集，国际期刊近似原因。，53, 7, 1080-1093 (2012) ·Zbl 1264.68176号 [14] Lin，T.Y。；Yao，Y.Y。；Zadeh，L.A.，《数据挖掘、粗糙集和粒度计算》，第95卷（2013年），《物理学》 [15] 刘，C。；佩德里茨，W。；Wang，M.，基于覆盖的多粒度决策理论粗糙集，J.Intell。模糊系统。，32, 1, 749-765 (2017) ·Zbl 1366.91053号 [16] Liu，C.H。；佩德里茨，W。；江，F。；Wang，M.Z.，基于模糊概率测度的多覆盖近似空间的决策论粗糙集方法，J.Intell。模糊系统。，34, 3, 1917-1931 (2018) [17] Liu，C.H。；佩德里茨，W。；钱，J。；Wang，M.Z.，《基于覆盖的多粒度决策理论粗糙集方法与新策略》，J.Intell。模糊系统。，35, 1, 1179-1191 (2018) [18] 刘，D。；李·T。；Ruan，D.，具有决策理论粗糙集的概率模型准则，信息科学。，181, 17, 3709-3722 (2011) [19] 马吉，P。；Pal，S.K.，《粗糙-模糊模式识别：在生物信息学和医学成像中的应用》，第3卷（2012年），John Wiley&Sons [20] 曼达尔，P。；Ranadive，A.，基于区间值模糊偏好关系的多粒度区间值模糊概率粗糙集及其相应的三方决策，粒度计算。，4, 1, 89-108 (2019) [21] Pawlak，Z.，《粗糙集》，《国际计算杂志》。信息科学。，11, 5, 341-356 (1982) ·Zbl 0501.68053号 [22] Pawlak，Z.，《粗糙集：数据推理的理论方面》（1991），施普林格出版社：施普林格荷兰·Zbl 0758.68054号 [23] Pawlak，Z.，粗糙集与决策分析，信息系统。操作。决议，38，3，132-144（2000）·Zbl 07677614号 [24] Pawlak，Z。；Skowron，A.，《粗糙隶属函数：不确定性推理工具》，Banach Cent。出版物。，28, 135-150 (1993) ·Zbl 0794.03045号 [25] 钱，J。；Liu，C.H。；Miao，D.Q。；Yue，X.D.，《通过多粒度的顺序三方决策》，《信息科学》。，507, 606-629 (2020) ·Zbl 1456.68199号 [26] 钱，J。；Liu，C.H。；Yue，X.D.，基于多阈值的多粒度连续三方决策，国际期刊近似原因。，105, 396-416 (2019) ·Zbl 1440.68295号 [27] Qian，Y.H。；Liang，J.Y。；Yao，Y.Y。；Dang Mgrs，C.Y.，一个多粒度粗糙集，Inf.Sci。，180, 6, 949-970 (2010) ·Zbl 1185.68695号 [28] Qian，Y.H。；Liang，X.Y。；林，G.P。；郭，Q。；Liang，J.Y.，局部多粒度决策理论粗糙集，Int.J.近似推理。，82, 119-137 (2017) ·Zbl 1404.68172号 [29] Qian，Y.H。；张，H。；Sang，Y.L。；Liang，J.Y.，多粒度决策理论粗糙集，Int.J.近似推理。，55, 1, 225-237 (2014) ·Zbl 1316.68190号 [30] Sang，B。；Yang，L。；陈，H。；徐伟（Xu，W.）。；郭毅。；袁，Z.，多源信息系统广义多粒度双定量决策理论粗糙集，国际期刊近似推理。，115, 157-179 (2019) ·Zbl 1468.68240号 [31] Slezak，D。；Ziarko，W.，贝叶斯粗糙集模型的研究，Int.J.近似原因。，40, 1-2, 81-91 (2005) ·Zbl 1099.68089号 [32] 苏，M。；Tao，L。；朱，B。；苗，X。；Liang，Z。；丁，Y。；张，X。；张涛，单参数决策理论粗糙集，信息科学。，539, 49-80 (2020) ·Zbl 1474.68365号 [33] Wang，G.Y.，Dgcc：数据驱动的颗粒认知计算，颗粒计算。，2, 4, 343-355 (2017) [34] Wang，G.Y。；李，D。；姚毅，《云模型与粒度计算》（2012），北京科学出版社 [35] 吴维珍。；Leung，Y.，多尺度决策表中颗粒标记分区的理论和应用，Inf.Sci。，181, 18, 3878-3897 (2011) ·Zbl 1242.68258号 [36] 徐，J。；Wang，G.Y。；洪毅，基于粒计算的大数据处理综述，中国计算机学会。，38, 8, 1497-1517 (2015) [37] Xu，W.H。；王庆瑞。；Zhang，X.T.，模糊容差近似空间中的多粒度模糊粗糙集，国际模糊系统杂志。，13, 4 (2011) [38] Yang，H.-L。；郭振林，不完备信息系统中的多粒度决策理论粗糙集，国际马赫出版社。学习。赛博。，6, 6, 1005-1018 (2015) [39] 杨晓波（Yang，X.B.）。；Qi，Y.S。；宋，X.N。；杨建勇，测试成本敏感性多粒度粗糙集：模型和最小成本选择，信息科学。，250, 184-199 (2013) ·Zbl 1320.68197号 [40] 姚明，J.T。；瓦西拉科斯，A.V。；Pedrycz，W.，《颗粒计算：前景和挑战》，IEEE Trans。赛博。，43, 6, 1977-1989 (2013) [41] 姚，Y。；Wong，S.K.M.，《近似概念的决策理论框架》，国际J.Man-Mach出版社。螺柱，37、6、793-809（1992） [42] 姚义勇，《信息粒化与粗糙集近似》，《国际情报学杂志》。系统。，16, 1, 87-104 (2001) ·Zbl 0969.68079号 [43] Yao，Y.Y.，粗糙集的概率方法，专家系统。，20, 5, 287-297 (2003) [44] 姚义勇，决策论粗糙集模型，（粗糙集与知识技术国际会议（2007），施普林格），1-12 [45] Yao，Y.Y.，Human-inspired granul computing，（颗粒计算的新发展：高级人类推理和软计算的应用（2010），IGI Global），1-15 [46] Yao，Y.Y.，概率粗糙集的三向决策，Inf.Sci。，180, 3, 341-353 (2010) [47] Yao，Y.Y.，《颗粒计算的人工智能观点》（颗粒计算和智能系统（2011），Springer），17-34 [48] Yao，Y.Y.，概率粗糙集模型中三方决策的优越性，信息科学。，181, 6, 1080-1096 (2011) ·Zbl 1211.68442号 [49] Yao，Y.Y.，《三元决策与粒度计算》，《国际期刊近似原因》。，103, 107-123 (2018) ·Zbl 1448.68427号 [50] Yao，Y.Y。；Zhao，Y.，决策理论粗糙集模型中的属性约简，信息科学。，178, 17, 3356-3373 (2008) ·Zbl 1156.68589号 [51] Zadeh，L.A.，模糊集，信息控制，8，3，338-353（1965）·Zbl 0139.24606号 [52] 张海东。；詹，J.M。；何永平，多粒度犹豫模糊粗糙集及其应用，软计算。，23, 24, 13085-13103 (2019) ·Zbl 1436.68365号 [53] 张杰。；李·T。；Chen，H.，动态数据挖掘的复合粗糙集，信息科学。，257, 81-100 (2014) ·Zbl 1320.68156号 [54] 张，M。；唐，Z。；Xu，W.，《变量多粒度粗糙集方法》（2011年智能计算国际会议，Springer），第315-322页 [55] 张，P.F。；李·T·R。；王国强。；罗，C。；Chen，H.M。；Zhang，J.B。；Wang，D.X。；Yu，Z.，基于粗糙集理论的多源信息融合：综述，Inf.fusion，68，85-117（2021） [56] Zhou，J.-J。；杨，H.-L.，多粒度犹豫毕达哥拉斯模糊粗糙集及其在多属性决策中的应用，J.Intell。模糊系统。，36, 6, 5631-5644 (2019) [57] Ziarko，W.，可变精度粗糙集模型，J.Compute。系统。科学。，46, 1, 39-59 (1993) ·Zbl 0764.68162号 [58] Ziarko，W.，从数据中获取层次结构概率决策表和规则，专家系统。，20, 5, 305-310 (2003) [59] Ziarko，W.，概率粗糙集，（粗糙集、模糊集、数据挖掘和粒度软件计算国际研讨会（2005），Springer），283-293·Zbl 1134.68567号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。