姚一玉 概率粗糙集模型中的两个语义问题。 （英语） Zbl 1242.68344号 芬丹。通知。 108，编号3-4，249-265（2011）. 概要：概率粗糙集模型是经典和定性Pawlak模型的定量推广，它考虑了等价类和待逼近集之间的重叠程度。然而，广泛的研究并没有充分解决概率粗糙集模型中的一些语义问题。本文探讨了两个与语义相关的基本问题。一是解释和确定所需参数，即概率阈值，以定义概率下限和上限近似值。另一个是解释从概率正区域、边界区域和负区域导出的规则。我们证明这两个问题可以在决策理论粗糙集模型的框架内得到回答。基于成熟的贝叶斯决策过程，根据损失函数解释和确定用于定义概率粗糙集的参数。由这三个区域构建的规则与不同的操作和决策相关联，这直接导致了三向决策规则的概念。积极规则决定接受，消极规则决定拒绝，边界规则决定延期。三方决策再次基于损失函数进行解释。 引用于12文件 MSC公司： 68层37 人工智能背景下的不确定性推理 62立方厘米10 贝叶斯问题；贝叶斯过程的特征 68立方英尺 知识表示 关键词：决策论粗糙集；概率粗糙集；语义学；三方决策 PDF格式BibTeX公司 XML格式引用 \textit{Y.Yao}，Fundam（芬丹）。通知。108，编号3-4249-265（2011年；兹bl 1242.68344） 全文： 内政部