基于数据协调性的多属性决策理论与方法研究

In background of practical applications, such as industry performance evaluation and talents selection, the project focuses on the uncertain multi-attributes decision making problems, in which the attributes are interdependent and interrelated. Taking the coordination degree as the character indices of the performance of data sets and its implication knowledge, the knowledge change induced by attributes set as the basic factor describing attributes correlation, fuzzy measure as the basic measurement method of attributes importance, we study the multi-attributes decision making theories and methods based on data and its coordination measure. The main work includes: 1) taking the knowledge hidden in data system as the carrier, based on the knowledge change induced by attributes set, we first systematically analyze the connotation of coordination degree, and discuss the support characteristics of coordination degree to attributes correlation, further we summarize the axiomatic system of coordination measure for data system; 2) we construct the attributes importance methods, which take the coordination measure and the knowledge change as the basic measure factor, and satisfy fuzzy measure structural characteristic, and further establish the (fuzzy) multi-attributes decision making model based on data and its coordination measure; 3) finally, we analyze the features and effectiveness of the models from different aspects with the concrete coordination measure, knowledge description and case study.

本项目以产业绩效评估、人才选拔等问题为实际背景和应用面向，围绕不确定环境下具有关联关系的多属性决策问题，以数据集的协调程度作为数据集及其蕴含知识的性能刻划指标，以属性变化所引起的知识变化作为属性关联性的基本因子，以模糊测度作为属性重要性的基本度量模式，研究基于数据及协调性度量的多属性决策理论与方法，主要内容包括：1）以数据系统中的知识为载体，以属性集的变化所引起的数据系统及其蕴含知识的变化为依据，在系统地分析协调性的内涵以及协调性对属性关联性的支撑特征基础上，提炼数据系统协调性度量的公理化体系；2）构建以协调程度和知识变化为基本度量因子、满足模糊测度结构特征的的属性重要性度量机制、基于数据及其协调性度量的多属性（模糊）决策模型；3）结合具体的协调性度量、知识描述方式以及决策案例，从不同的层面分析和验证所建理论与方法的特点和有效性。

本项目采用学科交叉的手段，围绕不确定环境下具有关联关系的多属性决策问题，以数据集的协调程度作为数据集及其蕴含知识的性能刻划指标，以属性变化所引起的知识变化作为属性关联性的基本因子，以模糊测度作为属性重要性的基本度量模式，针对属性重要性度量问题进行了较为系统的讨论。1) 以隐藏在决策信息系统中的知识为载体，以属性集的变化所引起的知识的变化为依据，讨论了基于知识变化率的且满足模糊测度结构特征属性重要性度量方法和构建策略；2) 以粗糙集的下精确度和上精确度作为粗糙性的基本度量因子,构建了基于效用的粗糙性度量模式，给出了几种基于不同的综合效用函数的效用粗糙性度量方法并从不同的角度分析了其特征，同时，提出了基于效用粗糙度的属性约简方法；3）以If-then规则作为数据集的核心关注内容，利用规则的交互匹配来衡量数据集的一致性，并针对全属性建树法建立了交互匹配的差异性度量模式，给出了基于交互匹配的数据一致性检验方法。本项目已完成计划任务书中的研究内容，在《Knowledge-Based Systems》、《Enterprise Information Systems》、《International Journal of Machine Learning and Cybernetics》、《International Journal of Computational Intelligence Systems》等国内外重要学术期刊和国际会议上发表相关学术论文25篇，其中有6篇被SCI收录、2篇被SSCI收录，13篇被EI收录。培养博士研究生1名，硕士生10名，青年教师3名。