【正文】 所在的行號(hào)；步驟4：for to {if(){，構(gòu)造第行的辨識(shí)矩陣。}else for to { 設(shè)置的第列為1。}步驟5：整理合并相同規(guī)則，得到動(dòng)態(tài)信息系統(tǒng)的最簡決策規(guī)則。 12345678110111112110100132302013(4→3)(3→4)(3→4)(2→1)(1→3)(4→3)(1→2)(2→4)規(guī)則挖掘過程為：計(jì)算信息系統(tǒng)和的條件值差異與決策變化趨勢(shì)，得到相鄰差異信息系統(tǒng)。、。 該決策規(guī)則的覆蓋廣度和準(zhǔn)確率分別為、。為了能更好的處理因不一致而導(dǎo)致規(guī)則挖掘不理想的問題，文章給出的消除不一致因素的方法是否能運(yùn)用到一般的決策信息系統(tǒng)中是以后研究的重點(diǎn)。 由于人類多樣性、資源分配不均和地區(qū)文化差異等原因，沖突無處不在，從人與人之間的沖突到國家與國家之間的沖突。然而，所有的這些研究把重點(diǎn)放在了沖突本身，例如引起沖突的原因、沖突關(guān)系的整合、各種領(lǐng)域里沖突的分析等，即把沖突當(dāng)成是一個(gè)對(duì)象來研究。針對(duì)以上問題，本文引入了關(guān)聯(lián)沖突的概念，將會(huì)利用基于覆蓋粒計(jì)算[103]的沖突分析策略對(duì)關(guān)聯(lián)沖突進(jìn)行分析和建模，用以解決一系列相關(guān)問題。因此，在一些特殊的情況下，當(dāng)是最大值或最小值時(shí)，和應(yīng)當(dāng)引起足夠多的重視。在這個(gè)模型中，有兩個(gè)核心的概念：利益沖突關(guān)系（）和同盟關(guān)系（）。朋友的朋友并不總是朋友。這樣的覆蓋被稱為利益沖突族，以區(qū)分文獻(xiàn)[98]里的模型中的利益沖突類，它是劃分。作為上的二元關(guān)系，可以定義為。 假設(shè)一個(gè)顧問公司CONSULT為下列公司提供服務(wù)：，利益沖突族為，其中，那么每個(gè)公司的敵人集（）和同盟集（）如下：，；。但他可以訪問或需求中B、D和G公司的數(shù)據(jù)集。引起沖突的原因是為了某種利益對(duì)象之間相互作用而導(dǎo)致的。它覆蓋了所有和粒度相關(guān)的理論、方法和技術(shù)。 ，我們稱這個(gè)過程或事件為關(guān)聯(lián)沖突，它是由兩個(gè)獨(dú)特的關(guān)系連接著一個(gè)觸發(fā)源、一個(gè)沖突對(duì)象集源和一個(gè)隱含的沖突對(duì)象集源組成。假設(shè)：有七種服務(wù)（沖突對(duì)象集），；有八種資源（隱含的沖突對(duì)象集）。我們假定他們之間的關(guān)系是。為了讓關(guān)聯(lián)沖突分析的模型更具有適應(yīng)性和普遍性，我們做如下假設(shè)（外部條件）：第一層次的沖突源中每個(gè)服務(wù)的優(yōu)先級(jí)是相同的；第二層次的沖突源中每一個(gè)資源的優(yōu)先級(jí)也是相同的并且每個(gè)資源同一時(shí)間可以最多使用三次，即每個(gè)資源同一時(shí)間可以最多提供給三個(gè)服務(wù)使用（每個(gè)資源的數(shù)量在不同的應(yīng)用背景下可以是不同的或者是互不相同的）；另外，訪問或需求服務(wù)的每個(gè)agent的優(yōu)先級(jí)可能不同，優(yōu)先級(jí)向量暫設(shè)為（可以改變），其中，且，對(duì)應(yīng)著每一個(gè)agent的優(yōu)先級(jí)。 同時(shí)我們有矩陣，其中。根據(jù)辨識(shí)矩陣定義，我們可以構(gòu)造agents在resources上關(guān)于信息表的辨識(shí)矩陣：，同時(shí)有。 關(guān)聯(lián)沖突分析模型的演化過程沖突分析的目的是為了發(fā)現(xiàn)或解決存在于沖突過程或事件當(dāng)中的問題，從而為決策者及時(shí)決策提供幫助。措施是：即便是資源處于沖突的情況下，通過限制中的agents去訪問或需求服務(wù)，其中，向量，向量，也可以最終達(dá)到使盡可能多的agent正常訪問或需求的目標(biāo)。對(duì)于給定的實(shí)例來說。如果對(duì)解決異常產(chǎn)生問題的效果不滿意，那么我們可以令，按上述方法重新獲得一個(gè)，然后將它并入到中去，限制中agents訪問或需求服務(wù)，就這樣重復(fù)直至達(dá)到滿意的效果為止。在問題處于最糟糕的情況下時(shí)，我們可以相應(yīng)的回收和中的資源。 (c) 如果沒有關(guān)于agents的優(yōu)先級(jí)向量，那么我們只需要得到，而無需計(jì)算，然后按照上面三種異常情況進(jìn)行討論。 本章主要討論了關(guān)聯(lián)沖突以及與其相關(guān)聯(lián)的一些問題。最后，本章主要是對(duì)關(guān)聯(lián)沖突進(jìn)行了分析和建模，而關(guān)聯(lián)沖突和多聯(lián)沖突有著本質(zhì)上的差別（即隱含的沖突對(duì)象集的個(gè)數(shù)不同），很難在原有的模型做一些修改應(yīng)用到多聯(lián)沖突分析上，因此，關(guān)聯(lián)沖突分析模型并不適用于多聯(lián)沖突分析，而且多聯(lián)沖突牽扯到一些相關(guān)問題很難把握和搜集，所以，如何構(gòu)建多聯(lián)沖突分析的模型和探討問題求解的策略是以后研究的重點(diǎn)。需要說明的是，我們是采取折中的方法給出的評(píng)價(jià)分類準(zhǔn)確性的統(tǒng)一范式，即將從面向單標(biāo)簽的評(píng)價(jià)分類法準(zhǔn)確性中給出的統(tǒng)一范式成功的應(yīng)用到了面向多標(biāo)簽的評(píng)價(jià)分類法準(zhǔn)確性中，達(dá)到了一舉兩得的效果，從而最終獲得獨(dú)立于數(shù)據(jù)標(biāo)簽和獨(dú)立于理想分類結(jié)果假設(shè)的評(píng)價(jià)分類法準(zhǔn)確性的統(tǒng)一范式（注：本章所舉例子雖短小簡單，但極具代表性，充分考慮到了一些特例的情況，使讀者更易于理解）。我們知道，評(píng)估分類法針對(duì)于給定分類任務(wù)的準(zhǔn)確性計(jì)算是非常重要的，不僅體現(xiàn)在它可以預(yù)測未來分類結(jié)果的準(zhǔn)確性，而且還可以被用來為選擇或組合分類法提供參考依據(jù)[108]，而且目前已經(jīng)有holdout、crossvalidation、bootstrapping和leaveoneout等方法[108, 109]被用來評(píng)估分類法的準(zhǔn)確性。因此，現(xiàn)有的各種準(zhǔn)確性計(jì)算的度量[107]和預(yù)測方法是不合適的，因?yàn)樗鼈儧]考慮樣本屬于多個(gè)類的可能性。還有分類法通常假設(shè)每個(gè)樣本數(shù)據(jù)僅有一個(gè)標(biāo)簽，也就是說，每個(gè)樣本數(shù)據(jù)能夠并僅能夠?qū)儆谝粋€(gè)類。目前，已經(jīng)有許多基于判定樹、貝葉斯理論、神經(jīng)網(wǎng)絡(luò)和粗糙集等理論和工具的分類方法和技術(shù)被研究者提出[66, 107]，并且演繹出了相關(guān)分類任務(wù)的一般分類模型（即分類器）。本章主要對(duì)評(píng)價(jià)分類法的準(zhǔn)確性（單標(biāo)簽和多標(biāo)簽數(shù)據(jù)集）進(jìn)行研究：利用拓?fù)涓采w鄰域理論，給出了尋找覆蓋系統(tǒng)上重疊元素的相關(guān)的公理化方法。關(guān)聯(lián)沖突的提出給我們提供了觀察問題的一種新視角和一些非常有用的提示即是否有一些非常重要的因素隱藏在所要解決的問題后面和如何利用這些隱藏的信息（即便它們是沖突的）去分析和解決問題；而關(guān)聯(lián)沖突分析模型的建立因適應(yīng)性和普遍性有著廣泛的應(yīng)用領(lǐng)域，尤其在信息共享、計(jì)算機(jī)安全策略、事例推理等領(lǐng)域有著非常重要的應(yīng)用價(jià)值。最后，如果服務(wù)之間是相互沖突的而資源之間是不沖突的，我們可以構(gòu)造agents關(guān)于服務(wù)在上的辨識(shí)矩陣，可以從或中獲得相關(guān)agents，然后進(jìn)行異常討論，無需考慮資源。同時(shí)，有些條件假設(shè)（外部條件）我們并沒有考慮到： (a) 如果每個(gè)資源的數(shù)量是沒有限制的，那么我們只要讓，其他不做改變。對(duì)于給定的實(shí)例來說。措施是：即便是服務(wù)處于沖突的情況下，通過限制中的agents去訪問或需求服務(wù)，其中，向量，向量，也可以最終達(dá)到使盡可能多的服務(wù)正常工作的目標(biāo)。如果對(duì)解決異常產(chǎn)生問題的效果不滿意，那么我們可以令，按上述方法重新獲得一個(gè)，然后將它并入到中去，限制中agents訪問或需求服務(wù)，就這樣重復(fù)直至達(dá)到滿意的效果為止。就給定的服務(wù)——資源實(shí)例來說，一個(gè)可能的異常是資源短缺，另一個(gè)可能的異常是安全隱患。 以上每個(gè)矩陣和公式都是關(guān)聯(lián)沖突分析模型中不可或缺的一部分，也就是說他們不是只針對(duì)于某個(gè)具體的應(yīng)用，是通用的，從而保證了模型的適應(yīng)性和普遍性。 最后，我們可以構(gòu)建agents（觸發(fā)源）和resources（隱含的沖突對(duì)象集）之間的信息表矩陣。 根據(jù)services和resources（資源）之間的關(guān)系，有下面矩陣：，其中1代表這個(gè)service可能需要這個(gè)resource，0則代表這個(gè)service不需要這個(gè)resource。現(xiàn)在有五個(gè)agents（外部因素或觸發(fā)源）作用于（訪問或需求）這些服務(wù)。，每一個(gè)資源的沖突集是，和同盟集是。 為了能盡可能全面的分析關(guān)聯(lián)沖突的各種情況，我們將以服務(wù)——資源為例，不考慮相關(guān)的應(yīng)用背景，意圖是為了幫助了解關(guān)聯(lián)沖突的概念和構(gòu)建關(guān)聯(lián)沖突的分析模型。 關(guān)聯(lián)沖突受粒計(jì)算思想理論的啟發(fā)，我們引入了關(guān)聯(lián)沖突（），在給出概念之前先對(duì)這個(gè)流程圖做一下詳細(xì)的解釋：這個(gè)圖可以被看作是一個(gè)沖突過程或事件，在這個(gè)過程或事件當(dāng)中有兩個(gè)分別代表著不同沖突層次的關(guān)系。換句話說，當(dāng)沖突發(fā)生后，外部因素和這些對(duì)象之間就建立了一種關(guān)系，我們稱這種關(guān)系為一個(gè)沖突過程或一個(gè)沖突事件。綜合考慮，我們將選擇比較合適的覆蓋沖突模型應(yīng)用到關(guān)聯(lián)沖突的分析和建模當(dāng)中去。只有在客體不在中，才授予這個(gè)主體訪問或需求的權(quán)力。如果一個(gè)主體已經(jīng)訪問過客體，那么這個(gè)主體不能訪問中的任何一個(gè)客體。覆蓋是一個(gè)更合適的模型來刻畫利益沖突關(guān)系這個(gè)問題，因?yàn)楦采w本質(zhì)上具有對(duì)稱性。但正如T. Y. Lin指出的那樣，這不是總能成立的，因此將改造成為滿足對(duì)稱性、反自反性和反傳遞性的關(guān)系，而將作為關(guān)系的補(bǔ)，是一個(gè)等價(jià)關(guān)系。在這種方法中先選取沖突的問題及參與沖突的實(shí)體和他們的在沖突中的立場：沖突，聯(lián)盟，還是中立。因此，對(duì)所有的，內(nèi)元素在屬性集上關(guān)于的辨識(shí)矩陣定義為[104, 105]：，其中是中能區(qū)分和的所有屬性的集合。也就是說有這樣一些情況，單個(gè)事件或過程中事實(shí)上包含了兩個(gè)或兩個(gè)以上的沖突關(guān)系（我們稱此為關(guān)聯(lián)沖突或多聯(lián)沖突），例如客戶們需要得到一些公司提供的服務(wù)，而每一種所提供的服務(wù)又需要得到其他一些提供資源的公司的支持，那么這個(gè)客戶需要服務(wù)的事件中，就可能有兩個(gè)沖突利益關(guān)系同時(shí)存在這些公司當(dāng)中，分別對(duì)應(yīng)著服務(wù)沖突和資源沖突。因此，對(duì)沖突的相應(yīng)分析和解決在諸如商業(yè)、政治、法律訴訟和人力資源管理等社會(huì)領(lǐng)域或系統(tǒng)里都扮演著非常重要的角色。目前，人們已經(jīng)提出了很多數(shù)學(xué)模型和方法用來模擬沖突過程和解決沖突帶來的影響。在基于粗糙集的動(dòng)態(tài)信息系統(tǒng)中，本文利用覆蓋粒計(jì)算思想理論克服了因不一致問題所導(dǎo)致的規(guī)則挖掘不理想的問題。規(guī)則表明，病人診斷項(xiàng)目的值減少1個(gè)等級(jí)，病人病情有從4狀態(tài)向3狀態(tài)變化的趨勢(shì)，這為醫(yī)生的下一步治療方案提供了依據(jù)。構(gòu)造上的覆蓋，求出引起不一致的記錄所在行號(hào)，由于沒有屬性值不變的記錄，所以，并設(shè)置上對(duì)應(yīng)行號(hào)為空。 1234567853322413423315124322251243321412 1234567844313324234325131552452534413324對(duì)癌癥病人的臨床診斷的數(shù)據(jù)中，抽取部分?jǐn)?shù)據(jù)并通過排序得到的狀態(tài)集，選出在時(shí)刻與場景的信息系統(tǒng)為，其中為全體病人，為條件屬性集，表示診斷項(xiàng)目，為決策屬性集，表示病人的狀態(tài)，共分為4種狀態(tài)。elsebreak。 根據(jù)所獲得的列號(hào), 設(shè)置第行其他列號(hào)的條件屬性值為’*’。證畢！ ，假設(shè)構(gòu)成的劃分為，構(gòu)成的劃分按每個(gè)類所含記錄多少降序排列為，那么按照的構(gòu)造過程有：，不一致因素為。 ,且,有為引起上不一致原因的記錄集合。因此，對(duì)于動(dòng)態(tài)信息系統(tǒng)的狀態(tài)序列中決策表存在著一致或不一致這個(gè)問題，隨著時(shí)間和場景的變化，就會(huì)有引起差異信息系統(tǒng)中不一致的因素包含引起構(gòu)成差異信息系統(tǒng)的兩個(gè)決策信息表中的不一致的因素的并，那么中可能會(huì)產(chǎn)生新的不一致因素。 設(shè)，（差異決策表有行列，決策屬性列），構(gòu)造上第行的辨識(shí)矩陣，其中如果，則；否則。由粗糙集理論可以得出，若信息系統(tǒng)和關(guān)于決策屬性的等價(jià)類記為：和，差異信息系統(tǒng)中關(guān)于決策屬性的等價(jià)類記為：，則有=。 而稱為決策變化趨勢(shì)，其中，描述了相同的對(duì)象個(gè)體的決策值從變化到。由于單個(gè)信息系統(tǒng)無法描述信息和信息量隨時(shí)間和場景的變化的狀態(tài)，文獻(xiàn)[84]中給出了信息變換函數(shù)的概念，函數(shù)的定義域是時(shí)間和場景的區(qū)域，其中時(shí)間序列集合為，場景集合為，狀態(tài)序列集，每個(gè)都是一個(gè)決策表且論域、條件屬性、決策屬性均相同，屬性值隨著時(shí)間和場景的變化而變化。在決策信息系統(tǒng)中，利用粗糙集理論建立屬性值隨時(shí)間和場景變化的動(dòng)態(tài)信息系統(tǒng)模型[84]，可以挖掘出條件屬性值變化與決策屬性值變化之間存在的內(nèi)在聯(lián)系。對(duì)于這類問題，由于信息系統(tǒng)的不一致性以及差異信息系統(tǒng)構(gòu)造過程中的不確定性和差異性，規(guī)則挖掘的結(jié)果不甚理想：在粒計(jì)算的思想理論背景下，本章將覆蓋相關(guān)理論運(yùn)用到規(guī)則挖掘中，提出了一種消除引起差異信息系統(tǒng)規(guī)則挖掘中不一致因素的方法。而孤立點(diǎn)挖掘統(tǒng)一實(shí)施過程圖的引入，使得孤立點(diǎn)挖掘任務(wù)的實(shí)施更一致化、明了化和細(xì)致化，尤其面對(duì)復(fù)雜數(shù)據(jù)諸如數(shù)據(jù)流、高維數(shù)據(jù)集和Web數(shù)據(jù)等中的孤立點(diǎn)挖掘時(shí)，該過程圖更能體現(xiàn)其優(yōu)勢(shì)所在，而且粒計(jì)算本身就具有其獨(dú)特的處理復(fù)雜數(shù)據(jù)的能力。，它是粒計(jì)算思想應(yīng)用到孤立點(diǎn)挖掘中的很好體現(xiàn)，其中有陰影部分是背景知識(shí)： 孤立點(diǎn)挖據(jù)的統(tǒng)一實(shí)施過程 對(duì)于粒計(jì)算而言，其思想和理論在孤立點(diǎn)挖掘上得到了充分的體現(xiàn)。因此，將粒計(jì)算的新穎和獨(dú)特之處運(yùn)用到孤立點(diǎn)挖掘中，有如下指導(dǎo)原則：通過對(duì)引起孤立點(diǎn)原因和孤立點(diǎn)檢測方法的分析，結(jié)合粒計(jì)算的觀點(diǎn)，從方法本身的高層粒結(jié)構(gòu)出發(fā)，獨(dú)立于檢測方法的孤立點(diǎn)挖掘總的指導(dǎo)原則是?；^點(diǎn)，同時(shí)表明了在選擇合理的粒度之前，它在孤立點(diǎn)挖掘中扮演著非常重要的角色，根據(jù)不同的檢測目標(biāo)，有著不同的粒化原則。粒計(jì)算新穎和獨(dú)特的原因不完全在于提供具體的方法和策略，而在于提出了一個(gè)統(tǒng)一的框架，對(duì)這些方法和策略進(jìn)行全面理解及綜合。事實(shí)上，從粒計(jì)算的觀點(diǎn)來看，分離的過程就是?；倪^程，并且上面所列出的孤立點(diǎn)的檢測方法都是基于?；枷氲?。另外，當(dāng)粒化的程度已知時(shí)，粒化的方法直接決定了?；男?。數(shù)據(jù)的?；?，尤其是復(fù)雜數(shù)據(jù)的?；腔诹Ｓ?jì)算的數(shù)據(jù)挖掘的必要前提。 (5) 基于聚類的孤立點(diǎn)檢測方法[75, 76]聚類分析和孤立點(diǎn)檢測有不同的目標(biāo)。根據(jù)問題的要求，可以事先給定數(shù)據(jù)所對(duì)應(yīng)的一些