[发明专利]基于序贯三支决策的代价敏感分类方法

摘要

本发明公开了一种基于序贯三支决策的代价敏感分类方法，序贯三支决策体现了信息粒化和代价敏感学习的优势，其中信息粒化是人类认知和决策执行的基础，代价则是信息处理涉及的重要因素。提出针对代价敏感学习的序贯三支决策模型。首先，对信息粒化和决策代价之间的关系进行了定义和描述；然后，从序决策过程的视角，利用不同粒度层次的代价矩阵构建了代价函数；最后，为平衡决策结果代价和决策过程代价，提出了两个优化问题，并从理论上阐述了其意义，从实验结果分析上验证了算法的有效性，体现了序贯三支决策在代价敏感分类问题上的优势。

主权项

1.基于序贯三支决策的代价敏感分类方法，其特征在于，包括以下操作：1)对信息粒化和决策代价之间的关系进行以下定义和描述：1.1)在S3WD模型中，假设论域是由独立的元素构成，论域空间有n+1，n≥1层粒度，{0，1，2，...，n}索引集合标识n+1层；层序列n到0，标示信息粒从最粗到最细的粒度层；对应粒度层的多个描述存在一个全序关系≤，即：Des0(x)≤Des1(x)≤…≤Desn(x)，Des0(x)是对象x最精细的描述，Desn(x)是最粗糙的描述；针对某一特定层对Ui，0≤i‑1≤n进行三分，引入评价函数vi(Desi(x))和阈值对(αi，βi)，对S3WD模型给出定义1和定义2；1.2)从粒计算角度定义S3WD中的代价函数，对信息粒化进行解释；通过聚集具有相同粒度的信息粒，得到一个系统或问题的整体描述，这些粒的集合构成了一个粒度，构建一个粒度的过程称作对系统或问题在特定层的粒化；让[x]A表示为信息粒，g(A)为对论域U的划分，其中，A表示为条件属性C的子集；对于决策表，给出决策表的多粒度空间构建和解释定义3和定义4；1.3)在提出的S3WD模型中，在做出明确的决策前，有一系列的属性测试和延迟决策，对应的代价为测试代价和延迟代价，关于代价函数在不同粒度层之间的变化过程可以标识为两两相邻层之间的可重复的序列操作；给定一个决策表S，有n+1，n≥1层粒度，在S上的S3WD代价结构定义为定义5：2)从序决策过程的视角，利用不同粒度层次的代价矩阵构建了代价函数；在4个不同粒度下三个域的划分情况，以及对应的决策代价，表下所示。3)为平衡决策结果代价和决策过程代价，提出两个优化问题并给出解释性算法；决策过程代价和决策过程代价是此消彼长的关系，采用以下两种模型在这两种代价之间寻找一个平衡点；3.1)最小决策结果代价序贯三支决策模型，决策者设定决策过程代价上限的基础上，在S3WD过程中找到最小决策结果代价的粒度层下的对象划分，通过定义6来划分；3.2)最小决策过程代价序贯三支决策模型，最小决策过程代价相关粒度层下的对象划分，通过定义7来划分；运用这两个模型和相应的算法，可在现实生活中平衡两种代价从而做出符合实际的决策。