【正文】 因此，現(xiàn)有的各種準確性計算的度量[107]和預測方法是不合適的，因為它們沒考慮樣本屬于多個類的可能性。還有分類法通常假設每個樣本數(shù)據(jù)僅有一個標簽，也就是說，每個樣本數(shù)據(jù)能夠并僅能夠?qū)儆谝粋€類。我們知道，評估分類法針對于給定分類任務的準確性計算是非常重要的，不僅體現(xiàn)在它可以預測未來分類結(jié)果的準確性，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]被用來評估分類法的準確性。目前，已經(jīng)有許多基于判定樹、貝葉斯理論、神經(jīng)網(wǎng)絡和粗糙集等理論和工具的分類方法和技術被研究者提出[66, 107]，并且演繹出了相關分類任務的一般分類模型（即分類器）。需要說明的是，我們是采取折中的方法給出的評價分類準確性的統(tǒng)一范式，即將從面向單標簽的評價分類法準確性中給出的統(tǒng)一范式成功的應用到了面向多標簽的評價分類法準確性中，達到了一舉兩得的效果，從而最終獲得獨立于數(shù)據(jù)標簽和獨立于理想分類結(jié)果假設的評價分類法準確性的統(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）。本章主要對評價分類法的準確性（單標簽和多標簽數(shù)據(jù)集）進行研究：利用拓撲覆蓋鄰域理論，給出了尋找覆蓋系統(tǒng)上重疊元素的相關的公理化方法。最后，本章主要是對關聯(lián)沖突進行了分析和建模，而關聯(lián)沖突和多聯(lián)沖突有著本質(zhì)上的差別（即隱含的沖突對象集的個數(shù)不同），很難在原有的模型做一些修改應用到多聯(lián)沖突分析上，因此，關聯(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。關聯(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；而關聯(lián)沖突分析模型的建立因適應性和普遍性有著廣泛的應用領域，尤其在信息共享、計算機安全策略、事例推理等領域有著非常重要的應用價值。 本章主要討論了關聯(lián)沖突以及與其相關聯(lián)的一些問題。最后，如果服務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關于服務在上的辨識矩陣，可以從或中獲得相關agents，然后進行異常討論，無需考慮資源。 (c) 如果沒有關于agents的優(yōu)先級向量，那么我們只需要得到，而無需計算，然后按照上面三種異常情況進行討論。同時，有些條件假設（外部條件）我們并沒有考慮到： (a) 如果每個資源的數(shù)量是沒有限制的，那么我們只要讓，其他不做改變。在問題處于最糟糕的情況下時，我們可以相應的回收和中的資源。對于給定的實例來說。如果對解決異常產(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，然后將它并入到中去，限制中agents訪問或需求服務，就這樣重復直至達到滿意的效果為止。措施是：即便是服務處于沖突的情況下，通過限制中的agents去訪問或需求服務，其中，向量，向量，也可以最終達到使盡可能多的服務正常工作的目標。對于給定的實例來說。如果對解決異常產(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，然后將它并入到中去，限制中agents訪問或需求服務，就這樣重復直至達到滿意的效果為止。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，其中，向量，向量，也可以最終達到使盡可能多的agent正常訪問或需求的目標。就給定的服務——資源實例來說，一個可能的異常是資源短缺，另一個可能的異常是安全隱患。 關聯(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中的問題，從而為決策者及時決策提供幫助。 以上每個矩陣和公式都是關聯(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于某個具體的應用，是通用的，從而保證了模型的適應性和普遍性。根據(jù)辨識矩陣定義，我們可以構(gòu)造agents在resources上關于信息表的辨識矩陣：，同時有。 最后，我們可以構(gòu)建agents（觸發(fā)源）和resources（隱含的沖突對象集）之間的信息表矩陣。 同時我們有矩陣，其中。 根據(jù)services和resources（資源）之間的關系，有下面矩陣：，其中1代表這個service可能需要這個resource，0則代表這個service不需要這個resource。為了讓關聯(lián)沖突分析的模型更具有適應性和普遍性，我們做如下假設（外部條件）：第一層次的沖突源中每個服務的優(yōu)先級是相同的；第二層次的沖突源中每一個資源的優(yōu)先級也是相同的并且每個資源同一時間可以最多使用三次，即每個資源同一時間可以最多提供給三個服務使用（每個資源的數(shù)量在不同的應用背景下可以是不同的或者是互不相同的）；另外，訪問或需求服務的每個agent的優(yōu)先級可能不同，優(yōu)先級向量暫設為（可以改變），其中，且，對應著每一個agent的優(yōu)先級?，F(xiàn)在有五個agents（外部因素或觸發(fā)源）作用于（訪問或需求）這些服務。我們假定他們之間的關系是。，每一個資源的沖突集是，和同盟集是。假設：有七種服務（沖突對象集），；有八種資源（隱含的沖突對象集）。 為了能盡可能全面的分析關聯(lián)沖突的各種情況，我們將以服務——資源為例，不考慮相關的應用背景，意圖是為了幫助了解關聯(lián)沖突的概念和構(gòu)建關聯(lián)沖突的分析模型。 ，我們稱這個過程或事件為關聯(lián)沖突，它是由兩個獨特的關系連接著一個觸發(fā)源、一個沖突對象集源和一個隱含的沖突對象集源組成。 關聯(lián)沖突受粒計算思想理論的啟發(fā)，我們引入了關聯(lián)沖突（），在給出概念之前先對這個流程圖做一下詳細的解釋：這個圖可以被看作是一個沖突過程或事件，在這個過程或事件當中有兩個分別代表著不同沖突層次的關系。它覆蓋了所有和粒度相關的理論、方法和技術。換句話說，當沖突發(fā)生后，外部因素和這些對象之間就建立了一種關系，我們稱這種關系為一個沖突過程或一個沖突事件。引起沖突的原因是為了某種利益對象之間相互作用而導致的。綜合考慮，我們將選擇比較合適的覆蓋沖突模型應用到關聯(lián)沖突的分析和建模當中去。但他可以訪問或需求中B、D和G公司的數(shù)據(jù)集。 假設一個顧問公司CONSULT為下列公司提供服務：，利益沖突族為，其中，那么每個公司的敵人集（）和同盟集（）如下：，；。只有在客體不在中，才授予這個主體訪問或需求的權(quán)力。作為上的二元關系，可以定義為。如果一個主體已經(jīng)訪問過客體，那么這個主體不能訪問中的任何一個客體。這樣的覆蓋被稱為利益沖突族，以區(qū)分文獻[98]里的模型中的利益沖突類，它是劃分。覆蓋是一個更合適的模型來刻畫利益沖突關系這個問題，因為覆蓋本質(zhì)上具有對稱性。朋友的朋友并不總是朋友。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稱性、反自反性和反傳遞性的關系，而將作為關系的補，是一個等價關系。在這個模型中，有兩個核心的概念：利益沖突關系（）和同盟關系（）。在這種方法中先選取沖突的問題及參與沖突的實體和他們的在沖突中的立場：沖突，聯(lián)盟，還是中立。因此，在一些特殊的情況下，當是最大值或最小值時，和應當引起足夠多的重視。因此，對所有的，內(nèi)元素在屬性集上關于的辨識矩陣定義為[104, 105]：，其中是中能區(qū)分和的所有屬性的集合。針對以上問題，本文引入了關聯(lián)沖突的概念，將會利用基于覆蓋粒計算[103]的沖突分析策略對關聯(lián)沖突進行分析和建模，用以解決一系列相關問題。也就是說有這樣一些情況，單個事件或過程中事實上包含了兩個或兩個以上的沖突關系（我們稱此為關聯(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，而每一種所提供的服務又需要得到其他一些提供資源的公司的支持，那么這個客戶需要服務的事件中，就可能有兩個沖突利益關系同時存在這些公司當中，分別對應著服務沖突和資源沖突。然而，所有的這些研究把重點放在了沖突本身，例如引起沖突的原因、沖突關系的整合、各種領域里沖突的分析等，即把沖突當成是一個對象來研究。因此，對沖突的相應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領域或系統(tǒng)里都扮演著非常重要的角色。 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。目前，人們已經(jīng)提出了很多數(shù)學模型和方法用來模擬沖突過程和解決沖突帶來的影響。為了能更好的處理因不一致而導致規(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用到一般的決策信息系統(tǒng)中是以后研究的重點。在基于粗糙集的動態(tài)信息系統(tǒng)中，本文利用覆蓋粒計算思想理論克服了因不一致問題所導致的規(guī)則挖掘不理想的問題。 該決策規(guī)則的覆蓋廣度和準確率分別為、。規(guī)則表明，病人診斷項目的值減少1個等級，病人病情有從4狀態(tài)向3狀態(tài)變化的趨勢，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，由于沒有屬性值不變的記錄，所以，并設置上對應行號為空。 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：計算信息系統(tǒng)和的條件值差異與決策變化趨勢，得到相鄰差異信息系統(tǒng)。 1234567853322413423315124322251243321412 1234567844313324234325131552452534413324對癌癥病人的臨床診斷的數(shù)據(jù)中，抽取部分數(shù)據(jù)并通過排序得到的狀態(tài)集，選出在時刻與場景的信息系統(tǒng)為，其中為全體病人，為條件屬性集，表示診斷項目，為決策屬性集，表示病人的狀態(tài)，共分為4種狀態(tài)。}步驟5：整理合并相同規(guī)則，得到動態(tài)信息系統(tǒng)的最簡決策規(guī)則。elsebreak。}else for to { 設置的第列為1。 根據(jù)所獲得的列號, 設置第行其他列號的條件屬性值為’*’。步驟1：，構(gòu)造相應的差異信息系統(tǒng)；步驟2：，構(gòu)造上的覆蓋，找出引起不一致的記錄，并在中設置對應記錄所在行為空；步驟3：，對對每個條件屬性計算其重要性，得到屬性重要性升序的序列，用數(shù)組保存，設置屬性值不變的記錄為空，用保存空行所在的行號；步驟4：for to {if(){，構(gòu)造第行的辨識矩陣。證畢！ ，假設構(gòu)成的劃分為，構(gòu)成的劃分按每個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。而在差異條件屬性構(gòu)成的劃分中，引起不一致原因的記錄不會存在于的分類中，只會存在于的分類中。 ,且,有為引起上不一致原因的記錄集合。設差異條件屬性構(gòu)成的劃分為，差異決策屬性構(gòu)成的劃分按每個類所含記錄多少降序排列為（），以決策屬性構(gòu)成的分類為基礎，構(gòu)造上的覆蓋（）。因此，對于動態(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問題，隨著時間和場景的變化，就會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)的兩個決策信息表中的不一致的因素的并，那么中可能會產(chǎn)生新的不一致因素。從中可以看出，通過某個挖掘算法得到的決策規(guī)則，其覆蓋廣度與準確率并不成正比，即在同樣的時間復雜度下，一個改進的挖掘算法得到的挖掘規(guī)則，其覆蓋廣度和準確率都必須同時增大，因此決策規(guī)則更準確并且覆蓋記錄也就更廣泛。 設，（差異決策表有行列，決策屬性列），構(gòu)造上第行的辨識矩陣，其中如果，則；否則。則有下面定義： 在差異信息系統(tǒng)中，對任意的屬性，的重要度定義為，式中：，表示的正域[81]。由粗糙集理論可以得出，若信息系統(tǒng)和關于決策屬性的等價類記為：和，差異信息系統(tǒng)中關于決策屬性的等價類記為：，則有=。記，是對決策屬性變化趨勢的描述，的屬性值為的決策變化趨勢。 而稱為決策變化趨勢，其中，描述了相同的對象個體的決策值從變化到。 抽取信息系統(tǒng)和（），稱為條件屬性值差異，其中表示對象個體（）關于屬性（）在時刻場景下的屬性值，條件屬性值差異描述了條件屬性值的變化量。由于單個信息系統(tǒng)無法描述信息和信息量隨時間和場景的變化的狀態(tài)，文獻[84]中給出了信息變換函數(shù)的概念，函數(shù)的定義域是時間和場景的區(qū)域，其中時間序列集合為，場景集合為，狀態(tài)序列集，每個都是一個決策表且論域、條件屬性、決策屬性均相同，屬性值隨著時間和場景的變化而變化。為了能獲得理想的決策規(guī)則，本文給出了一種能消除引起差異信息系統(tǒng)不一致因素的方法，并給出了改進的基于粗糙集的啟發(fā)式規(guī)則挖掘算法，最終使決策規(guī)則能更好更全面的反應條件屬性值的變化與決策變化趨勢之間的關系。在決策信息系統(tǒng)中，利用粗糙集理論建立屬性值隨時間和場景變化的動態(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。粗糙集方法是一種用于處理不確定性和模糊性數(shù)據(jù)的數(shù)學工具[17, 81]。對于這類問題，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：在粒計算的思想理論背景下，本章將覆蓋相關理論運用到規(guī)則挖掘中，提出了一種消除引起差異信息系統(tǒng)規(guī)