决策粗糙集理论研究现状与展望_于洪.pdf 12页

第 卷 第 期 计 算 机 学 报 ３８ ８ 　　 　　 　　 　　 　 Ｖｏｌ．３８ Ｎｏ．８ 年 月 ２０１５ ８ Ａｕ ．２０１５ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦ ＣＯＭＰＵＴＥＲＳ ｇ 　 　 　 　 决策粗糙集理论研究现状与展望 ）， ） ）， ） ） 于 洪１ ３ 王国胤１ ２ 姚一豫３ 　 　 　 ） １ （ ） 重庆邮电大学计算智能重庆市重点实验室 重庆 ４０００６５ 　 　 ） ２ （ ） 中国科学院重庆绿色智能技术研究院电子信息技术研究所 重庆 ４００７１４ 　 　 ） ３ （ ） 里贾纳大学计算机科学系 里贾纳 Ｓ４Ｓ０Ａ２ 加拿大 　 　 、 摘 要 经典 粗糙集理论中的核心概念上 下近似集是通过集合相交非空和包含来定义的 由于缺乏对错 Ｐａｗｌａｋ ． 　 　 ， ， 误的容忍能力 其实际应用受到了限制 世纪 年代初 等人结合贝叶斯决策理论提出了决策粗糙集模型 ．２０ ９０ Ｙａｏ ． ， ， 近年来 该模型逐渐得到重视 并在不确定性信息处理方面得到了广泛应用 该文首先就为什么要提出决策粗糙集 ． 、 ， 模型 该模型具有什么特点以及该模型中需要解决的几个问题进行了详细讨论 然后 总结了国内外关于决策粗糙 ． ， ， 集模型的研究现状和进展 详细分析了存在的挑战性问题 并深入探讨了未来的研究方向． ； ； ； ； ； 关键词 粗糙集 决策粗糙集 三支决策 数据分析 不确定性 智能信息处理 　 中图法分类号 号 ／ ＴＰ１８ ＤＯＩ １０．１１８９７ＳＰ．Ｊ．１０１６．２０１５．０１６２８ 　　　 ＣｕｒｒｅｎｔＲｅｓｅａｒｃｈａｎｄＦｕｔｕｒｅＰｅｒｓ ｅｃｔｉｖｅｓｏｎＤｅｃｉｓｉｏｎＴｈｅｏｒｅｔｉｃＲｏｕ ｈＳｅｔｓ 　 　 　 　 　 　 － 　 　 ｐ ｇ ）， ） ）， ） ） １ ３ １ ２ ３ ＹＵ Ｈｏｎ ＷＡＮＧ ＧｕｏＹｉｎ ＹＡＯ ＹｉＹｕ 　 ｇ 　 　 － 　 　 － ） １ （ ， ， ） Ｃｈｏｎ ｉｎ Ｋｅ Ｌａｂｏｒａｔｏｒ ｏ Ｃｏｍ ｕｔａｔｉｏｎａｌＩｎｔｅｌｌｉｅｎｃｅ Ｃｈｏｎ ｉｎ Ｕｎｉｖｅｒｓｉｔ ｏ ＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｈｏｎ ｉｎ ４０００６５ 　 　 　 　 ｇｑ ｇ ｙ ｙ ｆ ｐ ｇ ｇｑ ｇ ｙ ｆ ｇｑ ｇ 　 　 　 　 　 　 　 ） ２ （ ， ， Ｉｎｓｔｉｔｕｔｅｏ ＥｌｅｃｔｒｏｎｉｃＩｎ ｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏ Ｃｈｏｎ ｉｎ Ｉｎｓｔｉｔｕｔｅｏ ＧｒｅｅｎａｎｄＩｎｔｅｌｌｉｅｎｔＴｅｃｈｎｏｌｏ 　ｆ 　 ｆ 　 ｇｙ ｇｑ ｇ 　ｆ 　 　 ｇ 　 ｇｙ 　 　 　 ， ） ＣｈｉｎｅｓｅＡｃａｄｅｍ ｏ Ｓｃｉｅｎｃｅｓ Ｃｈｏｎ ｉｎ ４００７１４ 　 　 ｙ ｆ ｇｑ ｇ 　 　 ） ３ （ ， ， ， ， ） Ｄｅ ａｒｔｍｅｎｔｏ Ｃｏｍ ｕｔｅｒＳｃｉｅｎｃｅ Ｕｎｉｖｅｒｓｉｔ ｏ Ｒｅ ｉｎａ Ｒｅ ｉｎａ Ｓａｓｋａｔｃｈｅｗａｎ Ｓ４Ｓ０Ａ２ Ｃａｎａｄａ ｐ 　ｆ ｐ 　 ｙ ｆ ｇ ｇ 　 　 　 　 Ａｂｓｔｒａｃｔ Ａｓ ｔｈｅｃｅｎｔｒａｌｃｏｎｃｅｔｓｉｎｒｏｕｈ ｓｅｔｔｈｅｏｒ ，ｔｈｅｃｌａｓｓｉｃａｌＰａｗｌａｋ ｌｏｗｅｒａｎｄｕ ｅｒ 　 　 　 　 　 　 　 　 　 　 　 　 　 ｐ ｇ ｙ ｐｐ ａ ｒｏｘｉｍａｔｉｏｎｓ ａｒｅ ｄｅｆｉｎｅｄ ｂａｓｅｄ ｏｎ ｕａｌｉｔａｔｉｖｅ ｓｅｔｉｎｃｌｕｓｉｏｎ ａｎｄ ｎｏｎｅｍ ｔ ｏｖｅｒｌａ ｉｎ ｐｐ 　 　 　 　 　 ｑ 　 － 　 　 － ｐｙ ｐｐ ｇ 　 ， ， ， ｒｅｌａｔｉｏｎｓ ｒｅｓｅｃｔｉｖｅｌ．Ｃｏｎｓｅ ｕｅｎｔｌ ｔｈｅｔｈｅｏｒ ｓｕｆｆｅｒｓｆｒｏｍ ａｎｉｎｔｏｌｅｒａｎｃｅｏｆｅｒｒｏｒｓ ｗｈｉｃｈ ｐ ｙ ｑ ｙ 　 ｙ 　 　 　 　 　 　 ， ｒｅａｔｌ ｒｅｓｔｒｉｃｔｓｉｔｓｒｅａｌｗｏｒｌｄａ ｌｉｃａｔｉｏｎｓ．Ｔｏｏｖｅｒｃｏｍｅｔｈｉｓｌｉｍｉｔａｔｉｏｎ Ｙａｏａｎｄｃｏｌｌｅａｕｅｓ ｒｏｏｓｅｄ 　 　 － 　 　 　 　 　 　 　 ｇ ｙ ｐｐ ｇ ｐ ｐ 　 （ ） ’ ａｄｅｃｉｓｉｏｎｔｈｅｏｒｅｔｉｃｒｏｕｈ ｓｅｔｓ ＤＴＲＳ ｍｏｄｅｌ ｉｎｅａｒｌ １９９０ｓ ｂ ｉｎｔｒｏｄｕｃｉｎ ｔｈｅＢａ ｅｓｉａｎ 　 － 　 　 　 　 　 ｇ ｙ ｙ ｇ ｙ 　 　 　 ， ｄｅｃｉｓｉｏｎｔｈｅｏｒ ｉｎｔｏｒｏｕｈｓｅｔｓ．Ｉｎｒｅｃｅｎｔ ｅａｒｓ ｔｈｅｍｏｄｅｌｈａｓａｔｔｒａｃｔｅｄｍｕｃｈ ａｔｔｅｎｔｉｏｎａｎｄｈａｓ 　 　 　 　 　 　 　 　 　 　 　 　 ｙ ｇ ｙ 　 （） ｂｅｅｎａ ｌｉｅｄｉｎｕｎｃｅｒｔａｉｎｉｎｆｏｒｍａｔｉｏｎ ｒｏｃｅｓｓｉｎ．Ｔｈｉｓ ａｅｒａｉｍｓａｔ １ ｒｅｓｅｎｔｉｎ ａｓｕｒｖｅ ｏｆ 　 　 　 　 　 　 　 　 　 ｐｐ ｐ ｇ ｐｐ ｐ ｇ ｙ 　 　 ， ， ｍｏｔｉｖａｔｉｏｎｓｆｏｒｉｎｔｒｏｄｕｃｉｎ ｔｈｅＤＴＲＳｍｏｄｅｌ ｔｈｅｍａｉｎｆｅａｔｕｒｅｓｏｆｔｈｅｍｏｄｅｌ ａｎｄｔｈｅ ｔｈｅ ｒｏｂｌｅｍｓ 　 　 　 ｇ 　 　 　 　 　 　 　 　 　 ｐ 　 ，（ ） ， ， ｔｏｂｅｓｔｕｄｉｅｄｉｎｔｈｅｍｏｄｅｌ ２ ｒｅｖｉｅｗｉｎ ｔｈｅｆｕｎｄａｍｅｎｔａｌｒｅｓｕｌｔｓ ｓｔａｔｅｏｆａｒｔｒｅｓｅａｒｃｈ ａｎｄ 　 　 　 　 　 ｇ 　 　 － － 　 　 ， （） ｃｈａｌｌｅｎｅｓ ａｎｄ ３ ｏｉｎｔｉｎ ｏｕｔｆｕｔｕｒｅ ｅｒｓｅｃｔｉｖｅｓａｎｄ ｏｔｅｎｔｉａｌｒｅｓｅａｒｃｈｔｏｉｃｓ． 　 　 　 　 　 　 ｇ ｐ ｇ ｐ ｐ ｐ ｐ 　 ； ； ； ； ； Ｋｅｗｏｒｄｓ ｒｏｕｈｓｅｔｓ ｄｅｃｉｓｉｏｎｔｈｅｏｒｅｔｉｃｒｏｕｈｓｅｔｓ ｔｈｒｅｅｗａ ｄｅｃｉｓｉｏｎｓ ｄａｔａａｎａｌｓｉｓ ｕｎｃｅｒｔａｉｎ 　 　 － 　 　 － 　 ｙ ｇ ｇ ｙ ｙ 　 ｉｎｔｅｌｌｉｅｎｔｉｎｆｏｒｍａｔｉｏｎ ｒｏｃｅｓｓｉｎ 　 　 ｇ ｐ ｇ ［ ］ １ 论是 于 年提出的一种处理不精确、 Ｐａｗｌａｋ １９８２ 、 引 言 不一致 不完整信息与知识的数学工具 粗糙集理论 １ ． 　 　 ， 、 作为一种数据分析处理理论 在机器学习 知识发 （ ， 、 ） 粗糙集 也称 集 粗集 理 、 、 、 、 、 Ｒｏｕ ｈＳｅｔｓ Ｒｏｕ ｈ 现 数据挖掘 决策支持与分析 信息安全 物联网 ｇ　 ｇ ： ； ： （ ， ）、 收稿日期 最终修改稿收到日期 本课题得到国家自然科学基金 重庆市自然科学基金重 ６１２７２０６０ － － － － （ ） ， ， ， ， ， （ ） ， 、 、 点项目 资助 于 洪 女 年生 博士 教授 中国计算机学会 会员 主要研究领域为三支决策 三支聚类 粗 ｃｓｔｃ２０１３ Ｂ４０００３ ． １９７２ ＣＣＦ 　 ｊｊ 、 、 ： ， ， ， ， ， 糙集 区间集 智能信息处理和 智能和数据挖掘等 王国胤 男 年生 博士 教授 中国计算机 Ｗｅｂ ．Ｅ ｍａｉｌ ｕｈｏｎ ｃｕ ｔ．ｅｄｕ．ｃｎ． １９７０ － ＠ ｙ ｇ ｑ ｐ （ ） ， 、 、 、 、 ： ， ， 学会 会员 主要研究领域为粗糙集 粒计算 机器学习 数据挖掘 知识技术和认知计算等 姚一豫 男 ＣＣＦ ．Ｅ ｍａｉｌ ｗａｎ ｉｅｅｅ．ｏｒ． － ＠ ｇｇｙ ｇ ， ， ， 、 、 、 、 、 年生 博士 教授 主要研究领域为三支决策 粗糙集 区间集 粒计算 信息检索 智能和数据挖掘等 １９６２ Ｗｅｂ ． ： ８期 于 洪等 决策粗糙集理论研究现状与展望 １６２９ 　 、 ， 云计算 生物信息处理等领域得到了广泛且成功地 糙集的一些基本知识 并给出了概率粗糙集模型理 ［ ］ ２１１ － 应用 ， ， ． 论研究的 个基本问题 然后 围绕这些基本问题 ３ ． 粗糙集的基本思想是用可定义集合来刻画不可 ， 解释了决策粗糙集模型的贡献 并综述了该模型在 ， 定义集合 从而给出一个概念的上近似集和下近似 ， 这些问题上的已有解决方案 最后 介绍国内外决策 ． 集定义 经典粗糙集的近似是基于概念之间的定性 ， ． 粗糙集模型的研究与应用现状 以及需要重点研究 （ ） ， 关系 即包含或相交不空 定义的 并不考虑概念相 的主要问题 我们将这个理论模型目前的研究状况 ． ， 交的程度 因而不适用于处理很多实际问题 为了解 ． ， 介绍给信息科学工作者 希望进一步推动并促进该 、 决Ｐａｗｌａｋ粗糙集模型过于严格 缺乏容错能力的 领域的研究工作． ， 问题 人们提出了各种概率型粗糙集扩展模型． ［ ］ １２ 年， 等人 提出了决策粗糙集模型 １９９０ Ｙａｏ ２ 经典Ｐａｗｌａｋ粗糙集模型 　 （ ， ）， ＤｅｃｉｓｉｏｎＴｈｅｏｒｅｔｉｃ Ｒｏｕ ｈ Ｓｅｔｓ ＤＴＲＳ 拓广了 － 　 ｇ　 ［ ］ １３ 等人 的 概率粗糙集模型 决策粗糙 Ｐａｗｌａｋ ０．５ ． － 粗糙集主要研究的问题是集合的近似及相关的 集模型的主要出发点是用条件概率定义概念的相交 ［ ， ］ 数据分析和推理方法与算法 １ ３１ 粗糙集理论的重 ． ， ， 程度 并用两个阈值定义概率上下近似集．１９９３ 年 要贡献是给出了一种基于等价关系的数据分析方 ［ ］ １４ 提出了变精度粗糙集模型（ Ｚｉａｒｋｏ ＶａｒｉａｂｌｅＰｒｅｃｉ 　 － ， 、 法 并给出了一个非常精确 严格的数学描述 粗糙 ． ， ）， ｓｉｏｎＲｏｕ ｈＳｅｔｓＶＰＲＳ 从集合包含度的视角给出 　 ｇ　 、 集理论首次形式化地描述了对象不可分辨性 属性 （ 了决策粗糙集模型的一个特例 即两个阈值之和为 冗余性及属性约简等重要概念． ） 随后， 和 相继提出了粗糙隶属 １． Ｐａｗｌａｋ Ｓｋｏｗｒｏｎ ， 作为一种数据分析方法 粗糙集主要以数据表 ［ ］ ［ ］ １５ １６１７ － 、 ； ， 函数概念 参数化粗糙集模型 ２００５年 ， 为工具研究属性之间的依赖关系 从而获得有用的 ［ ］ １８ ＇ 提出了贝叶斯粗糙集模型（ ｌｚａｋ Ｂａ ｅｓｉａｎＲｏｕ ｈ Ｓ  ｙ 　 ｇ 分类知识 一个数据表定义为一个有穷对象集和属 ． ［ ］ ， ）； 年， 和 １９ 提出了博弈 ＳｅｔｓＢＲＳ ２００８ Ｈｅｒｂｅｒｔ Ｙａｏ ， （ ， ） 性集的二元组 即 一个属性子集定义 Ｓ＝ Ｕ Ａｔ ． 粗糙集模型（ ， ） Ｇａｍｅ ＴｈｅｏｒｅｔｉｃＲｏｕ ｈＳｅｔｓ ＧＴＲＳ ． － 　 ｇ　 ， ， 一个对象集上的等价关系 记为 其等价类是基本 Ｅ ， 这些工作增进了对粗糙集理论的研究 并且扩大了 ， 的可定义子集 通过等价类 我们可以描述或近似描 ． ［ ］ ２０２９ 粗糙集理论的应用领域 － ． 述 的任何一个子集 设子集 表示一个概念 Ｕ ． ＸＵ ， 现实世界中更多的是不确定性信息 如何从这 ， ， 所包含的对象集 即该概念的外延 它不一定可以准 、 、 些不精确 不一致 不完整的信息中得到我们需要的 ， 确地用 的等价类来描述 也就是说 不一定是一 Ｅ Ｘ ［ ］ ３０ ， 知识 是广大学者一直关注的问题 决策粗糙集 ． ， 组等价类的并集 因此 用一对上近似和下近似来刻 ． ， 模型结合概率论展开研究 给出了粗糙集理论的定 画Ｘ： ， ， 量描述 以及基于贝叶斯决策论的一个语义模型 （ ） ｛ ［ ］ ｝， ａ ｒ Ｘ ＝ ｘ Ｕ ｜ ｘ Ｘ  ｐ ∈ ∩ ≠ 、 同时也给出了一个实际 有效的解释和计算阈值 （ ） ｛ ［ ］ ｝ （） ａ ｒ Ｘ ＝ ｘ Ｕ ｜ ｘ Ｘ １ ｐ ∈  ， 的方法 为我们研究不确定知识提供了一个新的 ， 、 　　 给定任何一个子集 ＸＵ 基于它的上 下近 ， 思路 近年来 在国内外粗糙集学术会议和有关期 ． ， ： 似 得到 的一个划分 Ｕ ［ ， ］ ６ ８１０ 刊上关于决策粗糙集的研究成果日渐增多 － ． （ ） （ ） ｛ ［ ］ ）｝， ＰＯＳ Ｘ ＝ａ ｒ Ｘ ＝ ｘ Ｕ ｘ Ｘ ｐ ∈ ｜  ， （ ） 、 例如 国际认知信息学系列会议 在 年 ＩＣＣＩ ２０１０ （ ） （ ） ｛ ［］ ｝， ＮＥＧ Ｘ ＝Ｕ－ａ ｒ Ｘ ＝ ｘ Ｕ ｘ Ｘ＝ ｐ ∈ ｜ ∩  （ ） 国际粗糙集与知识技术系列会议 ＲＳＫＴ 自２００９ （ ） （ ） （ ） ＢＮＤ Ｘ ＝ａ ｒＸ －ａ ｒＸ 年以来都成功举办了以决策粗糙集为主题的专题讨 ｐ ｐ ｛ ［ ］ （［］ ）｝（） ＝ ｘ Ｕ ｘ Ｘ ｘ Ｘ ２ ； 、 　　 　 ∈ ｜ ∩ ≠∧  论 中国 集与软计算 智能及粒计算联 Ｒｏｕ ｈ Ｗｅｂ ｇ （ ）、 这 个子集分别称为 的正域 负域 （ ） ， 　　 ３ Ｘ ＰＯＳ Ｘ 合学术会议 自 年以来 每 ＣＲＳＳＣＣＷＩＣＧｒＣ ２０１０ － － （ ） （ ） 年都举办了以决策粗糙集为主题的分组讨论 此外， ＮＥＧ Ｘ 和边界域ＢＮＤ Ｘ ． ． 、 ， 《 》 上近似 下近似从定性的角度考虑了两种情况 ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡ ｒｏｘｉｍａｔｅＲｅａｓｏｎｉｎ 　 　 　 ｐｐ 　 ｇ 《 》 即可能性和必然性 上近似解释为如果存在一个 与 ＦｕｎｄａｍｅｎｔａＩｎｆｏｒｍａｔｉｃａｅ等国际学术期刊出版 ． ｘ 　 ， 了以决策粗糙集为主题的专辑 决策粗糙集正在成 的等价对象在集合 中 那么这个对象可能属于 Ｘ ． ； 为当前的研究热点 下近似解释为如果一个对象 的所有等价对象 Ｘ ｘ ． ， 本文首先简要介绍了 粗糙集和决策粗 都在集合 中 那么它必然属于 Ｐａｗｌａｋ Ｘ Ｘ． 计 算 机 学 报 年 １６３０ ２０１５ 　　 　　 　　 　　 （） ； １ 阈值 和 的解释与计算 α β （） （ ［ ］） ； 概率粗糙集模型 ２ 条件概率Ｐｒ Ｘ ｘ 的估计 ３ ｜ 　 （） 、 ３ 概率正 负及边界域的解释与应用． ， Ｐａｗｌａｋ粗糙集可以被视为一种定性的近似 下 决策粗糙集模型的研究贡献在于它不仅给出了 近似由集合包含定义而上近似由集合相交非空定 、 ， 概率正 负和边界域这个结果 更重要的是给出了解 ， ， ： 义 该定义不允许任何不确定性 这种优点同时也带 决这 个问题的合理方案 比如 基于贝叶斯决策论 ． ３ 来它的局限性． 可以通过决策风险最小化获得阈值的计算和解 ［ ］ ［ ］ １２ ３５ ， ； ； 在 Ｐａｗｌａｋ粗糙集中 由于正域是建立在代数 释 通过朴素贝叶斯模型估计条件概率 概率 ［ ］ ３６ ３７ － ， 包含关系基础上的 因此难以体现概念表示的容错 个区域可以看做是三支决策理论的应用 因 ３ ． ， 性 这正是经典粗糙集模型的局限所在 针对 ， ． Ｐａｗｌａｋ 此 决策粗糙集是一个有坚实理论基础同时又实用 ［ ］ ３８ ４０ － ， 粗糙集模型缺乏容错能力的问题 我们需要考虑 的模型 ． ， Ｐａｗｌａｋ粗糙集的另一种表示 即将概率近似空间引 ， 入到粗糙集的研究中 获得定量粗糙集模型． 决策粗糙集理论研究的 个问题 ４ ３ 　 ［ ］ ３２ ３３ 和 － 于 年将概率近似空 Ｗｏｎ Ｚｉａｒｋｏ １９８７ ｇ （ ［ ］） ， 间引入到粗糙集的研究中 令 表示任何 在本节中 我们将围绕上一节的 个问题介绍 ． Ｐｒ Ｘ ｜ｘ ３ 一个对象在属于［ ］ 的条件下属于 的条件概率 决策粗糙集的已有研究结果 ｘ Ｘ ． ． ， ： 那么 可以获得下面的等价条件 ４．１ 阈值的解释与计算 　 （ ［ ］） ［ ］ ， 、 ， 、 Ｐｒ Ｘ ｘ ＝１ ｘ Ｘ 与Ｐａｗｌａｋ正 负域不同 概率正 负域包含错误 ｜   （ ［ ］） ［ ］ ， 分类 正域的错误分类率是 （ ［ ］） ， Ｐｒ Ｘ ｘ ＝０ ｘ Ｘ＝ ． １－ＰｒＸ ｘ １－ ｜  ∩  ｜  α （ ［ ］） ［ ］ （［ ］ ） 负域的错误分类率是 （ ［ ］） 这为 和 ０ Ｐｒ Ｘ ｘ １ ｘ Ｘ ｘ Ｘ ． Ｐｒ Ｘ ｜ｘ  ． α ＜ ｜ ＜  ∩ ≠∧  β β ， ： 给出了一种基于错误分类率的解释 该解释有其直 这样 就得到了Ｐａｗｌａｋ三个域的另一种表示 ． （ ） ｛ （ ［ ］） ｝， ， 观易懂的优点 但是 这并没有给出一种指导思想和 ＰＯＳ Ｘ ＝ ｘ Ｕ Ｐｒ Ｘ ｘ ＝１ ． ∈ ｜ ｜ 　 （ ） ｛ （ ［ ］） ｝， 一套有效的方法来解释和获得这两个阈值． ＮＥＧ Ｘ ＝ ｘ Ｕ Ｐｒ Ｘ ｘ ＝０ ∈ ｜ ｜ ［ ］ ３３ （ ） ｛ （ ［ ］） ｝ （） 在 年的科技报告中， 和 提 ＢＮＤ Ｘ ＝ ｘ Ｕ ０ Ｐｒ Ｘ ｘ １ ３ １９８５ Ｗｏｎ Ｚｉａｒｋｏ ∈ ｜＜ ｜ ＜ ｇ ， ， 显然 定性粗糙集中的 个域仅仅使用了概率的两 出了０．５ 概率粗糙集模型 该模型随后在 Ｐａｗｌａｋ ３ － ［ ］ １３ ， 个极端值 即 和 这种表示为定量粗糙集给出了 等人 的文章中有更进一步的介绍 这个模型的主 ０ １． ． 一个很好的启示 如果我们将 和 用其他的值来 要理论依据是多数规则（ ） 它用一个 ． ０ １ ｍａｏｒｉｔ ｒｕｌｅ． ｊ ｙ 　 ， 、 ： 表示 那么就可以获得一种定量粗糙集模型 概率阈值来定义概率正 负和边界域 ． ０．５ ［ ］ ， １２ （ ） ｛ （ ［ ］） ｝， 在 年 等人 提出了决策粗糙集模型 ＰＯＳ Ｘ ＝ ｘ Ｕ Ｐｒ Ｘ ｘ ０．５ １９９０ Ｙａｏ ０．５ ∈ ｜ ｜ ＞ （ ， ） （ ） ｛ （ ［ ］） ｝， ＤｅｃｉｓｉｏｎｔｈｅｏｒｅｔｉｃＲｏｕ ｈＳｅｔｓＭｏｄｅｌ ＤＴＲＳＭｏｄｅｌ ． ＮＥＧ Ｘ ＝ ｘ Ｕ Ｐｒ Ｘ ｘ ０．５ － 　 　 　 　 ｇ ０．５ ∈ ｜ ｜ ＜ 该模型用一对概率阈值来替换上面所提到的 和 （ ） ｛ （ ［ ］） ｝（） ０ ＢＮＤ Ｘ ＝ ｘ Ｕ ０ Ｐｒ Ｘ ｘ ＝０．５ ５ ０．５ ∈ ｜＜ ｜ ， （ ，） 、 设 则 概率正 负和边界域可 ， ［ ］ １． ０ １ 阈值 定量地刻画了多数规则 当等价类 中  ＜α α － ０．５ ｘ β β 定义如下： ， 超过一半的元素属于 时 我们可以将 放到 Ｘ ｘ Ｘ （ ） ｛ （ ［ ］） ｝， ； ， （ ，） 的正域中 当超过一半的元素不属于 时 我们可 ＰＯＳ Ｘ ＝ ｘ Ｕ Ｐｒ Ｘ ｘ Ｘ αβ ∈ ｜ ｜ α （ ） ｛ （ ［ ］） ｝， ； 以将 放到 的负域中 当刚好一半的元素属于 （ ，） ｘ Ｘ Ｘ ＮＥＧ Ｘ ＝ ｘ Ｕ Ｐｒ Ｘ ｘ αβ ∈ ｜ ｜ β ， （ ） ｛ （ ［ ］） ｝（） 时 我们可以将 放到 的边界域中 但这种多数 （ ，） ｘ Ｘ ． ＢＮＤ Ｘ ＝ ｘ Ｕ Ｐｒ Ｘ ｘ ４ αβ ∈ ｜＜ ｜ ＜α β （ ，） （ ，） （ ，） ， 规则并不能解释一般的 阈值 当阈值 αβ 取值为 １０ 时 我们就获得了 Ｐａｗｌａｋ αβ ． （ ，） ， ， ，（，） 、 关于一般的 阈值的确定 决策粗糙集简单 粗糙集 因此 从形式上看 正 负和边界域拓 α ． αβ － β ［ ］ １２ ， 地使用了贝叶斯决策理论 对于一个子集 ， 广了 粗糙集 对于构建新的模型来讲 这还 ． Ｘ Ｕ Ｐａｗｌａｋ ．  ｛ ， ｃ｝， ｃ ， 可以构造一个状态集合 其中 和 远远不够 我们需要探讨和解释该模型所用到的基 Ω＝ Ｘ Ｘ Ｘ Ｘ 、 互补 本概念 基本量和语义解释． ． ， 、 ， 关于概率粗糙集模型 至少有以下 个问题需 对应于粗糙集中的正域 边界域和负域 我们就 ３ ［ ］ 要解决 ３４ ： 可以构造一个决策动作集 ｛ ， ， ｝， Ａｃｔｉｏｎ＝ ａ ａ ａ Ｐ Ｂ Ｎ ： ８期 于 洪等 决策粗糙集理论研究现状与展望 １６３１ 　 其中， ， 和 分别代表将一个对象分类到正域、 损耗应该小于或等于将其划分到边界域 （ ） ａ ａ ａ ＢＮＤ Ｘ Ｐ Ｂ Ｎ ， （ ）， ； ， 边界域和负域的决策动作 即ｘ∈ ＰＯＳ Ｘ ｘ∈ 的损耗 而且 这两种损耗应该小于将这个对象划分 （ ）， （ ） （ ） ： ， 不同的决策动作会导致不 到正域 的损耗 即有关系 ＢＮＤ Ｘ ｘ ＮＥＧ Ｘ ． ＰＯＳ Ｘ ． ∈ λ λ ＜λ ＰＰ ＢＰ ＮＰ ， ， ， （ ） （ ） 同的分类后果 可能的 种损失函数见表 其中 基于这两个条件 从规则 ６ １． λ λ ＜λ ． Ｐ ～ Ｎ ＮＮ ＢＮ ＰＮ ， 可以获得以下 个阈值： 第 列函数表示一个对象属于集合 时 采取动作 ３ １ Ｘ ， ， ； （ ） 和 带来的损失函数记为 和 第 － ａ ａ ａ λ λ λ λ λ ＰＮ ＢＮ Ｐ Ｂ Ｎ ＰＰ ＢＰ ＮＰ ， ＝ α （ ） （ ） λ －λ ＋ λ －λ ＰＮ ＢＮ ＢＰ ＰＰ ， 列函数表示一个对象不属于集合 时 采取动作 ２ Ｘ （ － ） λ λ ＰＮ ＮＮ ， 和 带来的损失函数记为 ， 和 ａ ａ ａ ． ， λ λ λ Ｐ Ｂ Ｎ ＰＮ ＢＮ ＮＮ ＝ γ