本书探讨了三支决策的基本概念、方法、模型以及应用，内容涵盖了TAO模型、分布式三支决策、概念三支决策模型、强化学习三支决策模型以及三支决策在自然语言处理、云计算领域的应用等内容。本书既有理论的证明推理，也有实际模型的构建；既有方法论的阐述，也有紧密结合当下热门领域的交叉实践。理论和实践紧密结合、从实际场景出发以及问题导向的思路构成了本书的重要特点。
样章试读
目录
- 目录
从书序
前言
第1章 从三支决策到三支计算 1
1.1 三元论与三分法 1
1.1.1 三元论 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 三层分析 10
1.4 三项式 11
1.5 SMV体系结构 13
1.5.1 符号 13
1.5.2 意义 15
1.5.3 价值 16
1.6 本章小结 17
参考文献 18
第2章 TAO模型之“分” 20
2.1 基于评估的三分模型 20
2.1.1 单评估的三分模型 20
2.1.2 双评估的三分模型 23
2.1.3 三评估的三分模型 24
2.2 基于集合论的三分模型 26
2.2.1 区间集的三分模型 26
2.2.2 基于模糊集与阴影集的三分模型 27
2.2.3 基于其他集合的三支决策 29
2.3 基于改变的三分模型 30
2.3.1 三支改变模型的定义 31
2.3.2 实例分析 32
2.3.3 动态多维三支变化模型 34
2.4 从“三分”到“制三” 36
2.5 本章小结 38
参考文献 38
第3章 TAO模型之“三支策略” 40
3.1引言 40
3.2 移动三支决策模型的“三支策略” 42
3.2.1 移动三支决策模型 42
3.2.2 考虑费用的一次性区域转化三支策略分析 44
3.2.3 多阶段三支决策区域转化模型 46
3.2.4 应用实例分析 51
3.3 考虑不一致信息的M-3WD的三支策略分析与选择 53
3.3.1 相关定义 54
3.3.2 模型的分析和构建 57
3.3.3 移动概率的获取和动作策略选择 61
3.3.4 实例分析 65
3.4 本章小结 70
参考文献 71
第4章 TAO模型之“效” 73
4.1 概率移动三支决策模型 73
4.2 基于马尔可夫模型的有效性度量 76
4.2.1 动机实例 76
4.2.2 移动偏好 77
4.2.3 移动效力指数 78
4.2.4 动态区域移动三支策略的有效性度量 80
4.2.5 基于动态区域移动的马尔可夫模型 81
4.2.6 动态区域移动三支策略的有效性预测 85
4.2.7 实例分析 87
4.3 基于模糊马尔可夫模型的有效性度量 91
4.3.1 动机实例 91
4.3.2 模糊数和模糊集合 93
4.3.3 带有决策者偏好程度的M-3WD三支策略度量 93
4.3.4 基于模糊马尔可夫模型的策略有效性度量 95
4.3.5 算例分析 99
4.4 本章小结 101
参考文献 102
第5章 分布式三支决策模型初探 104
5.1 分布式系统的挑战 104
5.1.1 不确定性和一致性问题 105
5.1.2 容错与恢复机制 106
5.1.3 三支决策在分布式系统中的应用价值 106
5.2 分布式三支决策 109
5.3 一致性检测的理论框架 113
5.3.1 —致性的定义 113
5.3.2 一致性检测的模型基础 117
5.3.3 一致性检测算法 119
5.3.4 —致性的挑战 121
5.4 决策冲突 122
5.4.1 冲突的类型与原因 123
5.4.2 冲突的影响 124
5.4.3 决策冲突的检测与管理 125
5.5 决策融合 127
5.5.1 融合机制的类型 127
5.5.2 融合机制的设计 129
5.5.3 融合机制的评估 133
5.6 实验及其分析 134
5.6.1 一致性检测算法的实验及其分析 134
5.6.2 动态环境的决策优化 138
5.7 本章小结 143
参考文献 143
第6章 基于双向认知计算模型的不确定概念三支决策框架 145
6.1 引言 145
6.2 双向认知计算模型 146
6.2.1 概念的内涵和外延 146
6.2.2 认知转换过程 147
6.2.3 双向认知计算模型的优势 148
6.3 概率云图模型 151
6.3.1 模型定义 151
6.3.2 不确定性表示 152
6.3.3 推理与学习算法 154
6.4 TAO模型 155
6.5不 确定概念三支决策框架 157
6.5.1 框架总、体构架 157
6.5.2 不确定性的多视角表示与推理 158
6.5.3 基于概率云图模型的不确定性表示与处理 160
6.5.4 融合三支决策的认知决策过程 161
6.5.5 优化与反馈机制 164
6.5.6 算法设计与实现 166
6.6 实例分析与验证 169
6.6.1 医疗诊断决策实例 169
6.6.2 金融投资决策实例 173
6.6.3 实验结果与讨论 176
6.7 本章小结 177
参考文献 177
第7章 强化三支决策模型 179
7.1 三支决策与强化学习 179
7.1.1 基于改变的三支决策模型 179
7.1.2 强化学习 181
7.2 基于强化学习的三支决策模型 183
7.2.1 动机实例 183
7.2.2 强化学习与三支决策 184
7.2.3 基于强化学习的强化三支决策模型 188
7.2.4 实验与分析 189
7.3 基于Q-leaming的三支策略选择及其有效性分析 192
7.3.1 基于三支决策的强化学习环境搭建 193
7.3.2 基于Q-表格的三支策略选择及有效性分析 196
7.3.3 算例分析 198
7.4 本章小结 201
参考文献 202
第8章 基于三支决策的半监督文本分类方法 204
8.1 基于证据理论的三支决策半监督文本分类方法 204
8.1.1 证据理论 205
8.1.2 半监督文本分类 206
8.1.3 实验设计与结果分析 209
8.2 基于阴影集的三支决策图卷积文本分类方法 214
8.2.1 阴影集 215
8.2.2 文本分类方法 216
8.2.3 实验结果 219
8.3 本章小结 223
参考文献 224
第9章 融合三支决策与多头注意力机制的云平台弹性伸缩机制 227
9.1 研究背景 227
9.2 相关工作 229
9.2.1 云计算的弹性伸缩机制 229
9.2.2 三支决策 231
9.2.3 多头注意力机制 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 注意力模块 237
9.3.4 决策视角的多头注意力 238
9.4 实验和评估 241
9.4.1 评估指标 241
9.4.2 实验结果和分析 242
9.5 本章小结 247
参考文献 248
京公网安备 11010102004214号