基于收益和风险优化的属性约简算法

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (2): 369-375.

• 信息、控制、决策与仿真 • 上一篇下一篇

基于收益和风险优化的属性约简算法

王德兴, 徐节龙, 袁红春

上海海洋大学信息学院, 上海 201306

收稿日期:2013-08-15 修回日期:2014-09-23 发布日期:2020-09-02
作者简介:王德兴(1968-),男,河北,博士,副教授,研究方向为人工智能、数据挖掘;徐节龙(1988-),男,安徽,硕士,研究方向为粗糙集、概念格;袁红春(1971-),男,江苏,博士,教授,研究方向为人工神经网络、智能计算。
基金资助:
上海市科委科研计划重点支撑资助项目(12510502000); 上海市科委科技支撑项目(14391901400)

Attribute Reduction Algorithm on Balancing Profit and Risk

Wang Dexing, Xu Jielong, Yuan Hongchun

College of Information Technology, Shanghai Ocean University, Shanghai 201306, China

Received:2013-08-15 Revised:2014-09-23 Published:2020-09-02

摘要/Abstract

摘要： 决策者总是希望实现收益最大而承担的风险最小,如何平衡或兼顾两者,可考虑引入收益和风险因素进行属性约简以便做出寻找有效的、切实可行的决策。在一定的预期收益水平下通过优化组合收益和风险,结合粗糙集和贝叶斯模型,建立了收益和风险优化的决策模型,以每个属性的收益风险平衡组合函数作为指标进行启发式属性约简,该算法减少数据模型的规模和复杂度,并提高模型系统的仿真精度。

关键词: 属性约简, 决策表, 粗糙集, 收益, 风险

Abstract: Usually it is taken for granted to achieve the maximal profit at the cost of the minimal risk. It is an important problem of how to balance profit and risk, considering introducing profit and risk to attribute reduction so as to find practical algorithms in decision-making process. A decision-theoretic model was built, which could balance profit and risk combining with decision-theoretic rough set model and minimum risk of Bayes decision and find optimal combinations of risk in a certain level of expected profit, then a heuristic algorithm of attribute reduction was proposed, which took the function of balancing profit and risk as the target of heuristic attribute reduction, and it could reduce the scales and complexity of data model, and then improve the simulation precision of the model system.

Key words: attribute reduction, decision table, rough set, profit, risk

中图分类号:

TP301.6

王德兴, 徐节龙, 袁红春. 基于收益和风险优化的属性约简算法[J]. 系统仿真学报, 2015, 27(2): 369-375.

Wang Dexing, Xu Jielong, Yuan Hongchun. Attribute Reduction Algorithm on Balancing Profit and Risk[J]. Journal of System Simulation, 2015, 27(2): 369-375.

参考文献

[1] Pawlak Z.Rough Sets[J]. International Journal of Computing and Information Sciences (S1708-0479/1708 -0460), 1982, 11(5): 341-356.
[2] 张文修, 吴伟业, 梁吉业, 等. 粗糙集理论与方法 [M]. 北京: 科学出版社, 2001.
[3] Wei Ling. Li Hongru. Zhang Wenxiu.Knowledge Reduction Based on the Equivalence Relations Defined on Attribute Set and Its Power Set[J]. Information Sciences (S0020-0255), 2007, 177(15): 3178-3185.
[4] Liang Hongli, Wang Jue, Yao Yiyu.User-oriented Feature Selection for Machine Learning[J]. The Computer Journal (S1460-2067/0010-4620), 2007, 50(4): 421-434.
[5] 蒋瑜, 王燮, 叶振. 基于差别矩阵的Rough集属性约简算法[J]. 系统仿真学报, 2008, 20(14): 3717-3720, 3725.
(Jiang Yu, Wang Xie, Ye Zhen.Attribute Reduction Algorithm of Rough Sets Based on Discernibility Matrix[J]. Journal of System Simulation (S1004-731X), 2008, 20(14): 3717-3720, 3725.)
[6] 王熙照, 王婷婷, 翟俊海. 基于样例选取的属性约简算法[J]. 计算机研究与发展, 2012, 49(11): 2305-2310.
[7] 葛浩, 李龙澍, 杨传健. 基于简化差别矩阵的增量式属性约简[J]. 四川大学学报(工程科学版), 2013, 45(1): 116-124.
[8] 周涛, 张艳宁, 陆惠玲, 等. 基于属性约简-聚类分析的集成神经网络[J]. 系统仿真学报, 2010, 22(6): 1365-1369.
(Zhou Tao, Zhang, Yanning, Lu Huiling, et al. Ensemble Neural Network Based on Attribute Reduction and Cluster Analysis[J]. Journal of System Simulation (S1004-731X), 2010, 22(6): 1365-1369.)
[9] 陈昊, 杨俊安, 庄镇泉. 变精度粗糙集的属性核和最小属性约简算法[J]. 计算机学报, 2012, 35(5): 1011-1017.
[10] 马垣. 形式概念中的内涵亏值及属性约简[J]. 模式识别与人工智能, 2013, 26(12): 1096-1105.
[11] Yao Yiyu, Zhao Yan.Attribution Reduction in Decision-theoretic Rough Set Models[J]. Information Sciences (S0020-0255), 2008, 178(17): 3356-3373.
[12] Yao Yiyu.The Superiority of Three-way Decisions in Probabilistic Rough Set Models[J]. Information Sciences (S0020-0255), 2011, 181(6): 1080-1096.
[13] Liu Dun, Li Tianrui, Ruan Da.Probabilistic Model Criteria with Decision-theoretic Rough Sets[J]. Information Sciences (S0020-0255), 2011, 181(17): 3709-3722.
[14] Li Huaxiong, Zhou Xianzhong.Risk Decision Making Based on Decision-theoretic Rough Set: A Multi-view Decision Model[J]. International Journal of Computational Intelligence Systems (S1875-6883), 2011, 4(1): 1-11.
[15] 贾修一, 商琳, 陈家骏. 决策风险最小化属性约简[J].计算机科学与探索, 2011, 5(2): 155-160.
[16] Jia Xiuyi, Liao Wenhe, Tang Zhenmin, et al. Minimum Cost Attribute Reduction in Decision-theoretic Rough Set Models[J]. Information Sciences (S0020-0255), 2013, 219(10): 151-167.
[17] Wong S K M, Ziarko W. On Optimal Decision Rules in Decision Table[J]. Bulletin of Polish Academy of Sciences, 1985, 33(11): 693-696.

基于收益和风险优化的属性约简算法

Attribute Reduction Algorithm on Balancing Profit and Risk

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	薛乃阳, 丁丹, 王红敏, 樊怡乐, 刘仲谦. 引入微元法思想的混合测控资源联合调度方法[J]. 系统仿真学报, 2022, 34(4): 826-835.
[2]	李述清, 张志利, 魏玉淼, 王海涛. 导弹精度评估方法仿真分析[J]. 系统仿真学报, 2021, 33(8): 1825-1831.
[3]	唐翰文, 张涛, 李玉梅, 李雷, 张京华, 胡冬良. 基于优化XGBoost的近钻头粘滑振动等级评估方法[J]. 系统仿真学报, 2021, 33(11): 2704-2710.
[4]	李海滨, 王佳亮, 李海燕. 新冠后疫情时代复学风险评估的不确定性量化分析[J]. 系统仿真学报, 2021, 33(1): 13-23.
[5]	安玉, 焦朋朋, 白紫秀. 考虑多因素的驾驶行为安全评价与风险等级预测[J]. 系统仿真学报, 2021, 33(1): 118-126.
[6]	邵璐璐, 韩继红, 牛侃, 刘小虎, 邵芳. 基于加权证据理论的故障模式分析方法研究[J]. 系统仿真学报, 2020, 32(5): 782-791.
[7]	王剑, 司徒陈麒, 袁胜强. 基于多主体和前景理论的应急风险决策仿真研究[J]. 系统仿真学报, 2020, 32(3): 353-361.
[8]	林家泉, 孙凤山, 李亚冲. 客舱内呼吸道病原体传播与感染风险数值模拟[J]. 系统仿真学报, 2019, 31(8): 1541-1547.
[9]	陈伟炯, 范雯, 朱小林, 谢启苗, 尹小贝. 乳制品冷链物流风险评估的DBN方法研究[J]. 系统仿真学报, 2019, 31(5): 936-945.
[10]	刘文颖, 李亚龙, 郭鹏, 梁安琪, 王维洲. 日前荷源联合调峰主从博弈决策[J]. 系统仿真学报, 2018, 30(8): 3066-3073.
[11]	朱红波, 高岩, 代业明. 考虑风险的智能电网实时电价定价策略[J]. 系统仿真学报, 2018, 30(4): 1376-1383.
[12]	张驰, 齐晨, 闫晓敏, 邵东建, 张敏. 基于行车动力学仿真的半挂车弯道超车风险分析[J]. 系统仿真学报, 2018, 30(4): 1439-1447.
[13]	刘慧博, 钱永杰. 基于粗糙集和灰色关联分析的仿真可信度评估[J]. 系统仿真学报, 2018, 30(2): 459-464.
[14]	汤俊, 朱峰, 万宇, 老松杨. 基于状态预测的空中防撞系统多机避碰性能改进方法[J]. 系统仿真学报, 2018, 30(12): 4703-4711.
[15]	郑展, 姚剑, 杨峰, 王文广. 基于OPM风险管理的武器系统设计方法[J]. 系统仿真学报, 2017, 29(9): 2000-2008.