三支決策與三支計算

目錄
從書序
前言
第1章 從三支決策到三支計算 1
1.1 三元論與三分法 1
1.1.1 三元論 1
1.1.2 三分法 2
1.2 TAO模型 4
1.2.1 分 5
1.2.2 治 6
1.2.3 效 7
1.3 三層分析 10
1.4 三項式 11
1.5 SMV體系結構 13
1.5.1 符號 13
1.5.2 意義 15
1.5.3 價值 16
1.6 本章小結 17
參考文獻 18
第2章 TAO模型之“分” 20
2.1 基于評估的三分模型 20
2.1.1 單評估的三分模型 20
2.1.2 雙評估的三分模型 23
2.1.3 三評估的三分模型 24
2.2 基于集合論的三分模型 26
2.2.1 區(qū)間集的三分模型 26
2.2.2 基于模糊集與陰影集的三分模型 27
2.2.3 基于其他集合的三支決策 29
2.3 基于改變的三分模型 30
2.3.1 三支改變模型的定義 31
2.3.2 實例分析 32
2.3.3 動態(tài)多維三支變化模型 34
2.4 從“三分”到“制三” 36
2.5 本章小結 38
參考文獻 38
第3章 TAO模型之“三支策略” 40
3.1引言 40
3.2 移動三支決策模型的“三支策略” 42
3.2.1 移動三支決策模型 42
3.2.2 考慮費用的一次性區(qū)域轉化三支策略分析 44
3.2.3 多階段三支決策區(qū)域轉化模型 46
3.2.4 應用實例分析 51
3.3 考慮不一致信息的M-3WD的三支策略分析與選擇 53
3.3.1 相關定義 54
3.3.2 模型的分析和構建 57
3.3.3 移動概率的獲取和動作策略選擇 61
3.3.4 實例分析 65
3.4 本章小結 70
參考文獻 71
第4章 TAO模型之“效” 73
4.1 概率移動三支決策模型 73
4.2 基于馬爾可夫模型的有效性度量 76
4.2.1 動機實例 76
4.2.2 移動偏好 77
4.2.3 移動效力指數(shù) 78
4.2.4 動態(tài)區(qū)域移動三支策略的有效性度量 80
4.2.5 基于動態(tài)區(qū)域移動的馬爾可夫模型 81
4.2.6 動態(tài)區(qū)域移動三支策略的有效性預測 85
4.2.7 實例分析 87
4.3 基于模糊馬爾可夫模型的有效性度量 91
4.3.1 動機實例 91
4.3.2 模糊數(shù)和模糊集合 93
4.3.3 帶有決策者偏好程度的M-3WD三支策略度量 93
4.3.4 基于模糊馬爾可夫模型的策略有效性度量 95
4.3.5 算例分析 99
4.4 本章小結 101
參考文獻 102
第5章 分布式三支決策模型初探 104
5.1 分布式系統(tǒng)的挑戰(zhàn) 104
5.1.1 不確定性和一致性問題 105
5.1.2 容錯與恢復機制 106
5.1.3 三支決策在分布式系統(tǒng)中的應用價值 106
5.2 分布式三支決策 109
5.3 一致性檢測的理論框架 113
5.3.1 —致性的定義 113
5.3.2 一致性檢測的模型基礎 117
5.3.3 一致性檢測算法 119
5.3.4 —致性的挑戰(zhàn) 121
5.4 決策沖突 122
5.4.1 沖突的類型與原因 123
5.4.2 沖突的影響 124
5.4.3 決策沖突的檢測與管理 125
5.5 決策融合 127
5.5.1 融合機制的類型 127
5.5.2 融合機制的設計 129
5.5.3 融合機制的評估 133
5.6 實驗及其分析 134
5.6.1 一致性檢測算法的實驗及其分析 134
5.6.2 動態(tài)環(huán)境的決策優(yōu)化 138
5.7 本章小結 143
參考文獻 143
第6章 基于雙向認知計算模型的不確定概念三支決策框架 145
6.1 引言 145
6.2 雙向認知計算模型 146
6.2.1 概念的內(nèi)涵和外延 146
6.2.2 認知轉換過程 147
6.2.3 雙向認知計算模型的優(yōu)勢 148
6.3 概率云圖模型 151
6.3.1 模型定義 151
6.3.2 不確定性表示 152
6.3.3 推理與學習算法 154
6.4 TAO模型 155
6.5不 確定概念三支決策框架 157
6.5.1 框架總、體構架 157
6.5.2 不確定性的多視角表示與推理 158
6.5.3 基于概率云圖模型的不確定性表示與處理 160
6.5.4 融合三支決策的認知決策過程 161
6.5.5 優(yōu)化與反饋機制 164
6.5.6 算法設計與實現(xiàn) 166
6.6 實例分析與驗證 169
6.6.1 醫(yī)療診斷決策實例 169
6.6.2 金融投資決策實例 173
6.6.3 實驗結果與討論 176
6.7 本章小結 177
參考文獻 177
第7章 強化三支決策模型 179
7.1 三支決策與強化學習 179
7.1.1 基于改變的三支決策模型 179
7.1.2 強化學習 181
7.2 基于強化學習的三支決策模型 183
7.2.1 動機實例 183
7.2.2 強化學習與三支決策 184
7.2.3 基于強化學習的強化三支決策模型 188
7.2.4 實驗與分析 189
7.3 基于Q-leaming的三支策略選擇及其有效性分析 192
7.3.1 基于三支決策的強化學習環(huán)境搭建 193
7.3.2 基于Q-表格的三支策略選擇及有效性分析 196
7.3.3 算例分析 198
7.4 本章小結 201
參考文獻 202
第8章 基于三支決策的半監(jiān)督文本分類方法 204
8.1 基于證據(jù)理論的三支決策半監(jiān)督文本分類方法 204
8.1.1 證據(jù)理論 205
8.1.2 半監(jiān)督文本分類 206
8.1.3 實驗設計與結果分析 209
8.2 基于陰影集的三支決策圖卷積文本分類方法 214
8.2.1 陰影集 215
8.2.2 文本分類方法 216
8.2.3 實驗結果 219
8.3 本章小結 223
參考文獻 224
第9章 融合三支決策與多頭注意力機制的云平臺彈性伸縮機制 227
9.1 研究背景 227
9.2 相關工作 229
9.2.1 云計算的彈性伸縮機制 229
9.2.2 三支決策 231
9.2.3 多頭注意力機制 232
9.3 提出的方法 234
9.3.1 基本框架 234
9.3.2 特征提取 236
9.3.3 注意力模塊 237
9.3.4 決策視角的多頭注意力 238
9.4 實驗和評估 241
9.4.1 評估指標 241
9.4.2 實驗結果和分析 242
9.5 本章小結 247
參考文獻 248