决策粗糙集理论是对经典粗糙集理论的拓展,由于引入了贝叶斯风险决策方法,其可用于获取数据中的代价敏感知识,目前正成为国际粗糙集研究领域的新亮点。本项目以信用风险评估问题为背景,以决策粗糙集为工具,针对决策者风险偏好差异以及误决策代价非平衡的特点,系统研究基于决策粗糙集的代价敏感知识获取方法及其应用。内容包括(1)研究基于决策粗糙集的风险偏好建模及代价敏感决策边界的界定,为决策者提供个性化代价敏感决策支持;(2)研究决策粗糙集的代价敏感属性约简理论、约简算法及规则提取方法,以实现从海量数据中获取精简知识;(3)研究不完备数据基于决策粗糙集的代价敏感知识获取方法,实现决策粗糙集模型在不完备数据中的拓展,为决策者在非完整信息条件下的作出科学评估方案提供参考。在理论方法研究的同时,本项目将以银行信用评估的实际问题为研究对象,依据理论方法研究结果,开展应用研究,为科学合理评估信用风险提供决策支持。
英文主题词decision-theoretic rough set;cost-sensitive;knowledge acquisition;attribute reduction;sequential decision