在单值中智信息下, 利用计分函数与精确度函数, 根据贝叶斯决策理论提出了一种新型的三支决策模型, 其中损失函数是单值中智数;并给出了一个算法,通过实例说明了提出的模型与算法的有效性;通过与已有模型的比较,提出的模型更突出了单值中智数不确定隶属度的意义。

给出了三元思维的概念, 从三元思维角度介绍了三支决策的基本思想,即通过3个独立且相关的部分来解释和处理一个整体, 将一个整体合理地分为3个部分, 并采取有效的策略处理每个部分, 从而获得所需要的效果。 然后, 综述了三支决策的几种相关模型及具体应用。 最后, 从模型与应用两方面回顾了三支决策的研究现状并展望了未来的研究方向。

针对三支决策方法延迟决策的特点和空战目标意图识别的时序性问题,提出了一种基于序贯三支决策的目标作战意图识别方法。通过建立多类别三支决策与目标意图识别相结合的数学模型,并结合序贯思想,将意图识别过程按照时序性分为多个阶段,在每个阶段使用多类别序贯三支决策目标意图识别模型获得当前阶段目标的意图识别结果。针对未识别出意图的目标,基于更新后的目标信息通过延迟决策进行再识别,提高了意图识别的准确性,同时降低了误识别的风险损失。最后,通过仿真实验,验证了设计算法的有效性。

重叠函数和连续三角模有着密切联系,广义重叠函数是对重叠函数的进一步拓广,(广义)重叠函数在图像处理、数据分类、不确定多属性决策等方面有着重要的应用。基于连续三角模的模糊粗糙集模型,利用(广义)重叠函数及其剩余蕴涵提出了一种新的模糊粗糙集模型,分析和研究了新的模糊上下近似算子的基本性质。同时,利用前述模糊上下近似算子提出一种不确定多属性决策新方法,并通过一个具体案例说明了新方法的可行性和有效性。

针对现有大部分基于邻域覆盖的分类方法直接根据最近的邻域对样本分类,没有考虑邻域之间的差异性,从而导致分类错误的问题。引入局部密度去刻画邻域之间的差异性,并提出融合密度与邻域覆盖约简的分类方法(D-NCR)。首先,通过邻域覆盖约简剔除冗余的邻域;其次,将邻域中心的局部密度转化为权重,定义了测试样本到邻域中心的加权距离;最后,基于加权距离,对不同的测试样本提出两种分类策略。在UCI数据集上的实验结果表明,所提方法能达到较好的分类效果。

将Pawlak的冲突分析模型推广到不完备的信息系统中,并结合三支决策思想研究了不完备信息系统上的三支冲突分析。首先,对缺失的值进行了处理,把不完备的信息系统转化为完备的信息系统。其次,通过冲突相似距离这一概念,讨论了代理之间的冲突关系,从而建立了不完备信息系统中的冲突分析模型。最后,根据决策理论粗糙集求解了模型中代理三划分所需阈值的大小,从而得到最为合理的三划分决策结果。

为了进一步拓宽实值概念格的应用范围,将多粒度思想与实值形式背景相结合,提出实值类属性块与多粒度实值形式背景,分析了不同概念知识空间之间的实值概念转移规律,并给出了不同粒度空间之间的决策规则推理关系。有关多粒度实值概念与决策规则的结论进一步完善了实值概念格理论,同时也推广了现有的多粒度形式概念分析方法。