How fair were COVID-19 restriction decisions? A data-driven investigation of England using the dominance-based rough sets approach
University of Southern Denmark（南丹麦大学）；Leeds University Business School（利兹大学商学院）；COMSATS University Islamabad（伊斯兰堡COMSATS大学）
在COVID-19疫情期间，多个国家采取了分层限制的方法，由于缺乏透明度，这仍然是一个争论点。使用基于优势的粗糙集方法，我们识别了与英国政府分层限制分配系统有关的COVID-19数据中的模式。从分析中得出的这些见解被转化为“如果-那么”类型的规则，这些规则可以很容易地被政策制定者解释。从不同地理区域提取的规则的差异表明，在这些地区的层次分配不一致。我们发现，这些差异描绘了英格兰南北的整体鸿沟，然而，这种鸿沟主要是由伦敦驱动的。基于我们的分析，我们证明了基于优势的粗糙集方法在调查COVID-19限制决策的公平性和可解释性方面的有用性。拟议的方法和分析可以为本地化的公共卫生限制提供更透明的方法，这有助于确保更好地遵守公共安全规则。
2022-10-21 cs.AI cs.CY
Application of Rough Set Theory to Analysis of Hydrocyclone Operation
Amirkabir University of Technology（阿米尔卡比尔理工大学）
介绍了粗糙集理论在水力旋流器运行分析中的应用。以这种方式，使用自组织映射（SOM）作为预处理步骤，获得数据的最佳清晰颗粒。然后，使用SOM和粗糙集理论（SOM）的结合-称为SORST-，从实验室测试中获得的信息表上的主导规则，提取。在此基础上，实现了对决策属性的近似估计。最后，这种方法与SOM-NFIS系统（简称SONFIS）的简要比较突出。
2008-04-03 cs.AI
LRA: an accelerated rough set framework based on local redundancy of attribute for feature selection
Chongqing University of Telecommunications and Posts（重庆邮电大学）；Tianjin University（天津大学）；University of California Riverside（加州大学河滨分校）
本文提出并证明了关于决策系统中属性稳定性的定理。在此基础上，提出了一种加速粗糙集算法的LRA框架。它是一个通用的框架，可以适用于几乎所有的粗糙集方法显着。理论分析保证了高效率。注意，效率的提高不会导致分类精度的任何降低。此外，我们提供了一个更简单的证明正逼近加速框架。
2020-10-31 cs.AI
New Trends in Neutrosophic Theory and Applications
中性论的理论和应用正以惊人的速度向各个方向扩展，特别是在《中性集与系统》杂志问世之后。新的理论、技术、算法得到了迅速发展。模糊集理论中最引人注目的趋势之一是模糊集与其他潜在集如粗糙集、双极集、软集、犹豫模糊集等的杂交，在很短的时间内文献中提出了粗糙模糊集、单值模糊粗糙集、双极模糊集、单值模糊犹豫模糊集等不同的杂交结构。Neutrosophic集在数据采掘、决策制定、电子学习、工程、医学、社会科学等各个领域都是一个非常重要的工具。这本书的新趋势在中性理论和应用的重点是理论，方法，算法决策，也涉及到神经网络信息的应用。有些主题涉及数据采掘、决策制定、电子学习、图论、医疗诊断、概率论、拓扑学等。
2016-11-23 cs.AI
Heuristic algorithms for finding distribution reducts in probabilistic rough set model
Zhejiang Gongshang University（浙江工商大学）；Chongqing University of Posts and Telecommunications（重庆邮电大学）
属性约简是粗糙集理论中的一个重要课题。启发式属性约简算法已经被提出来解决属性约简问题。适应度函数在启发式属性约简算法中起着关键作用。适应度函数的单调性可以保证启发式属性约简算法的有效性。在概率粗糙集模型中，分布约简可以保证由约简导出的决策规则与由原始决策表导出的决策规则相容。然而，很少有研究开发的启发式属性约简算法寻找分布约简。这部分是由于概率粗糙集模型中没有单调的适应度函数来设计启发式属性约简算法。本文的主要目的是在概率粗糙集模型中，提出一种求分布约简的启发式属性约简算法。首先，构造了两个单调适应度函数，由此得到分布约简的等价定义。另一方面，提出了两种改进的单调适应度函数，以更有效地评价属性的重要性。在此基础上，提出了基于增删法和删除法的两种求分布约简的启发式算法。特别地，适应度函数的单调性保证了启发式属性约简算法的合理性。实验分析的结果包括量化建议的适应度函数和分布约简的有效性。
2015-12-22 cs.AI
Some neighborhood-related fuzzy covering-based rough set models and their applications for decision making
Northwest A & F University（西北农林科技大学）
模糊粗糙集（FRS）对数据挖掘过程有着重要的影响，模糊逻辑算子在FRS理论的发展中起着关键作用。为了进一步将FRS理论推广到更复杂的数据环境中，本文首先提出了四类基于重叠函数模糊覆盖的模糊邻域算子及其蕴涵算子。同时，定义了由模糊覆盖导出的模糊覆盖，并研究了有限模糊覆盖上基于重叠函数的模糊邻域算子之间的等价性.其次，证明了新算子可按等价关系分为17类，并讨论了这17类算子之间的偏序关系。进一步，与D 'eer等人提出的基于$ t$ -范数的模糊邻域算子进行了比较，提出了两类基于邻域的模糊覆盖粗糙集模型，这两类模型是基于不同的模糊逻辑算子，通过不同的模糊邻域算子定义的。此外，还讨论了分组和偏序关系。最后，提出了一种新的模糊TOPSIS方法来解决生物合成纳米材料的选择问题，并通过与9种不同方法的结果比较，验证了该方法的合理性和可行性。
2022-05-13 cs.AI math.GM
Rough set based lattice structure for knowledge representation in medical expert systems: low back pain management case study
University of Kalyani（卡利亚尼大学）；Banaras Hindu University（贝拿勒斯印度教大学）；ESI Institute of Pain Management（ESI疼痛管理研究所）；ESI Hospital Sealdah（ESI西达尔医院）
医学知识表示的目的是以临床有效的方式捕获详细的领域知识，并利用所获得的知识提供可靠的解决方案。医学专家系统使用的知识库应允许随着时间的推移包括更新的知识的增量增长。由于知识是由不同的知识工程师从各种知识源中收集的，冗余问题是这里的一个重要问题，这是由于增加了知识的处理时间和占用大量的计算存储来容纳所有收集的知识。在知识库中也可能存在许多不一致的知识。本文提出了一种基于粗糙集的格结构用于医学专家系统中的知识表示，它克服了知识的冗余和不一致性问题，并提供了时间和空间上的计算效率。我们还生成了一组最佳的决策规则，将直接使用的推理机。每个规则的可靠性已被测量使用一个新的度量称为可信度因子，并已重新定义的确定性和覆盖因子的决策规则。医学专家系统首先考虑可靠性高、确定性强的决策规则，然后根据医生的建议，搜索可能的、不确定的决策规则。所提出的知识表示技术已被说明使用的例子，从下背部疼痛的域。所提出的计划，确保完整性，一致性，完整性，非冗余，和易于访问。
2018-10-02 cs.AI
Class-based Rough Approximation with Dominance Principle
The Hong Kong Polytechnic University（香港理工大学）
基于优势的粗糙集方法（DRSA）作为Pawlak粗糙集理论的推广，在多准则决策分析（MCDA）中具有重要的应用价值。在以前的DRSA模型中，上近似和下近似的定义是保留类联合而不是单例类。本文针对经典DRSA模型、VC-DRSA模型和VP-DRSA模型，提出了一种新的基于类的粗糙近似方法。此外，研究了新的基于类的约简。
2011-07-05 cs.AI cs.CC
A Knowledge Mining Model for Ranking Institutions using Rough Computing with Ordering Rules and Formal Concept analysis
School of Computing Sciences and Engineering, VIT University（VIT大学计算科学与工程学院）
计算机和信息技术革命的出现使现实世界发生了巨大的变化，为智能数据分析提供了不同的维度。在正确的时间和正确的地点的信息是一个良好的事实，部署了更好的知识。然而，当大量的不一致的数据给决策和知识提取的挑战。为了处理这样的不精确的数据，某些更重要的数学工具已经开发了在最近的过去，即模糊集，直觉模糊集，粗糙集，形式概念分析和排序规则的研究。还观察到，许多信息系统包含数值属性值，因此它们几乎相似而不是完全相似。为了处理这种类型的信息系统，在本文中，我们使用两个过程，如前处理和后处理。在前处理中，我们使用粗糙集的直觉模糊近似空间与排序规则的发现知识，而在后处理中，我们使用形式概念分析，以探索更好的知识和影响决策的重要因素。
2011-08-09 cs.AI cs.IR
Improving circuit miniaturization and its efficiency using Rough Set Theory
VIT University（VIT大学）
高速、准确、敏捷、快速响应是现代数字世界的重要要求。一个有效的电子电路会毫不动摇地影响整个系统的机动性。需要不同的工具来解决不同类型的工程难题。提高电子电路的效率、精度和低功耗一直是一个瓶颈问题。因此，电路小型化的需求一直存在。它节省了大量浪费在门开关上的时间和功耗，降低了功耗，减小了芯片的横截面积，芯片中可实现的晶体管数量成倍增加。因此，为了解决这个问题，我们提出了一种基于人工智能（AI）的方法，利用粗糙集理论来实现。粗糙集理论是由Z Pawlak于1982年提出的。粗糙集理论是一种处理不确定性和不确定性的新的数学工具。决策可以使用粗糙集理论通过减少不需要的和多余的数据来生成。我们在不影响给定电路的生产率的情况下压缩了门的数目。本文提出了一种方法，粗糙集理论的帮助下，基本上减少了电路中的门的数量，基于决策规则。
2013-12-10 cs.AI cs.LG
Neighborhood Selection and Rules Identification for Cellular Automata: A Rough Sets Approach
University of Silesia（西里西亚大学）
本文提出了一种基于粗糙集理论的数据采掘方法，用于元胞自动机（CA）邻域的选择和更新规则的确定。根据所提出的方法，邻域检测约简计算和规则学习算法应用于诱导一组决策规则，定义CA的演变。使用合成以及真实世界的数据集进行实验。结果表明，所介绍的方法可以识别确定性和概率CA为基础的模型的现实世界的现象。
2014-09-22 cs.AI nlin.CG
Dominance-based Rough Set Approach, basic ideas and main trends
Poznan Supercomputing and Networking Center（波兹南超级计算与网络中心）；University of Catania（卡塔尼亚大学）；Portsmouth Business School（朴茨茅斯商学院）；Poznań University of Technology（波兹南工业大学）
基于优势的粗糙方法（DRSA）已被提出作为一种处理多准则决策辅助（MCDA）的机器学习和知识发现方法。由于它的能力，要求决策者（DM）简单的偏好信息，并提供易于理解和解释的建议，DRSA获得了多年来的兴趣，它现在是最受赞赏的MCDA方法之一。事实上，它已被应用也超出MCDA域，作为一个通用的知识发现和数据采掘方法的分析单调（也非单调）的数据。在这篇文章中，我们回顾了DRSA的基本原理和主要概念，并对其发展和软件进行了概述。我们还提出了一个历史重建的起源的方法论，具体侧重于罗马Sjuowienski的贡献。
2022-10-06 cs.AI cs.LG
Fuzzy Rough Choquet Distances for Classification
Ghent University（根特大学）
本文提出融合模糊粗糙集测度与 Choquet 积分的新型 Choquet 距离，以捕捉属性交互和非线性关系，并考察两类正区域测度及两种单调化程序，服务于 k-近邻等距离分类。
2024-03-18 cs.AI cs.LG
Using Genetic Algorithms to Optimise Rough Set Partition Sizes for HIV Data Analysis
University of the Witwatersrand（金山大学）
在本文中，我们提出了一种方法来优化粗糙集分区的大小，规则提取艾滋病毒数据进行。利用遗传算法优化技术来确定粗糙集的划分大小，以最大限度地提高粗糙集的预测精度。所提出的方法进行了测试，从南非产前调查获得的个人的一组人口统计特性。在分析中使用了六个人口统计学变量，这些变量是：种族，母亲年龄，教育，妊娠，产次和父亲年龄，结果或决定是HIV阳性或阴性。粗糙集理论的选择是基于这样一个事实，它是容易解释的提取规则。等宽仓分割的预测准确率为57.7%，而优化分区后达到的准确率为72.8%。其他几种方法已被用来分析艾滋病毒的数据和他们的结果进行了说明，并比较粗糙集理论（ESTA）。
2007-05-17 cs.AI cs.NE q-bio.QM
CivBench: Progress-Based Evaluation for LLMs' Strategic Decision-Making in Civilization V
University of Arizona（亚利桑那大学）；Northwestern University（西北大学）
CivBench通过训练模型在回合级游戏状态上估计胜利概率，评估LLM在文明V多玩家中的战略决策能力，揭示代理设置对模型的影响及不同战略特征。
2026-09-22 cs.AI
Solution of the Decision Making Problems using Fuzzy Soft Relations
Netaji Subhas Open University（内塔吉·苏巴斯开放大学）；St. Xavier’s College（圣沙勿略学院）
模糊建模已被广泛应用于工程管理科学和社会科学等领域，以解决许多涉及数据不精确性、不确定性和模糊性的决策问题。特别是，这种建模技术在决策问题中的应用具有显着的意义。这些问题已经解决了使用各种理论，如概率论，模糊集理论，粗糙集理论，Vague集理论，近似推理理论等，缺乏参数化的工具，由于他们不能成功地应用到这样的问题。软集的概念有一个很好的潜力，为这些问题的最佳解决方案。在此基础上，本文定义了软关系和模糊软关系的概念，并将其应用于决策问题的求解。讨论了模糊软关系相对于其他范式的优势。据我们所知，这是第一个模糊软关系的应用决策问题的工作。
2013-04-26 cs.AI
Artificial Intelligence Framework for Simulating Clinical Decision-Making: A Markov Decision Process Approach
Centerstone Research Institute（森特斯顿研究所）；Indiana University（印第安纳大学）
在现代医疗保健系统中，快速增长的成本/复杂性，越来越多的治疗方案，以及爆炸式的信息流，往往不能有效地到达前线，阻碍了随着时间的推移选择最佳治疗决策的能力。本文的目标是开发一个通用（非疾病特异性）计算/人工智能（AI）框架来应对这些挑战。这提供了两个潜在的功能：1）用于探索各种医疗保健政策、支付方法等的模拟环境，2）临床人工智能的基础--一种可以像医生一样思考的人工智能。这种方法结合了马尔可夫决策过程和动态决策网络，从临床数据中学习，并通过模拟替代顺序决策路径来制定复杂的计划，同时捕捉医疗系统中各种组件之间有时相互冲突，有时相互协同的相互作用。它可以在部分可观察的环境中（在缺少观察或数据的情况下）通过维护关于患者健康状况的信念状态来操作，并作为计划和重新计划的在线代理。使用来自电子健康记录的真实患者数据对该框架进行了评估。这样的AI框架很容易超越当前的常规治疗（TAU）病例率/医疗保健服务收费模型（单位变化成本：$189 vs. $ 497），同时获得30-35%的患者结局增加。调整某些模型参数进一步增强了这一优势，以大约一半的成本获得大约50%的改进。在精心设计和问题制定的情况下，人工智能仿真框架即使在复杂和不确定的环境中也可以近似最优决策。未来的工作进行了描述，概述了潜在的线的研究和集成的机器学习算法的个性化医疗。
2013-01-10 cs.AI stat.ML
Algebraic Approach to Directed Rough Sets
HBCSE, Tata Institute of Fundamental Research（塔塔基础研究院 HBCSE）；University of Miskolc（米什科尔茨大学）
在一般粗糙集的关系方法中，本文对有向关系的思想进行了补充，提出了多重代数方法的附加条件。的关系也专门表示一般的parthood是向上定向，自反和反对称的一个更好的表现groupoidal语义的一组大致等价的对象由第一作者。她还提出了近似集上的另一种不同的代数语义和一种新的知识解释：由于对关系施加了最小条件，因此在所有近似（粒度和逐点）的构造中使用了邻域粒化。第二作者证明了局部上逼近格是完全分配的充要条件。这些结果与形式概念分析有关。以学生为中心的学习和决策的应用也概述。
2020-04-25 cs.AI cs.LO math.LO
Collaborative Decision Making Using Action Suggestions
Stanford University（斯坦福大学）
跨多个域的系统的自治水平正在提高，但这些系统仍然会遇到故障。降低故障风险的一种方法是整合人类对自治系统的监督，并在自治失败时依靠人类进行控制。在这项工作中，我们制定了一个方法，通过行动建议，提高行动选择，而不采取控制系统的协作决策。我们的方法有效地使用每个建议，通过建议，修改代理的信念，并实现更好的性能与更少的建议比天真地按照建议的行动共享的隐式信息。我们假设合作代理共享相同的目标，并通过有效的行动进行沟通。通过假设建议的动作只依赖于状态，我们可以将建议的动作作为对环境的独立观察。协作环境的假设，使我们能够使用代理的政策，以估计行动建议的分布。我们提出了两种方法，使用建议的行动，并通过模拟实验证明了这种方法。所提出的方法的结果在提高性能，同时也是强大的次优建议。
2022-09-27 cs.AI
Enhancement of Approximation Spaces by the Use of Primals and Neighborhood
Ege University（埃格大学）
本文受邻域和原始集启发，提出四个广义粗糙集模型，通过最小化不确定区域改进近似算子与精度，并保留单调性，在健康问题中取得更准确结果。
2024-10-23 cs.AI
A New Modeling to Feature Selection Based on the Fuzzy Rough Set Theory in Normal and Optimistic States on Hybrid Information Systems
本文提出了一种基于模糊粗糙集理论的新型特征选择模型FSbuHD，通过优化方法在正常和乐观状态下提升特征选择效率。
2026-03-11 cs.AI cs.LG
FRRI: a novel algorithm for fuzzy-rough rule induction
Ghent University（根特大学）；University of Catania（卡塔尼亚大学）；Poznań University of Technology（波兹南工业大学）；Polish Academy of Sciences（波兰科学院）
本文提出了一种名为FRRI的新型模糊粗糙规则归纳算法，结合模糊集与粗糙集理论，实验表明其在准确性和规则集简洁性上优于现有方法。
2024-08-29 cs.AI cs.LG
Satirical News Detection with Semantic Feature Extraction and Game-theoretic Rough Sets
Department of Computer Science, University of Regina（里贾纳大学计算机科学系）
针对推文类讽刺新闻检测缺乏语义特征、二元分类难适配讽刺模糊性的问题，提出基于短语、实体及主从句不一致性的语义特征提取方法，结合博弈论粗糙集模型（通过博弈均衡与重复学习确定概率阈值），在自建数据集上性能优于帕夫拉克粗糙集模型和SVM。
2020-04-08 cs.AI cs.CL cs.IR
Fairness Perceptions of Algorithmic Decision-Making: A Systematic Review of the Empirical Literature
Heinrich Heine University Düsseldorf（海因里希·海涅杜塞尔多夫大学）
商业决策（ADM）越来越多地影响着人们的日常生活。鉴于这种自治系统可能对个人和社会群体造成严重伤害，人们对公平性产生了担忧。学者和政策制定者要求以人为本的方法，需要考虑到人们的公平观念时，设计和实施ADM。我们提供了一个全面的，系统的文献综述，综合现有的经验见解的算法公平性的看法，从39个实证研究跨越多个领域和科学学科。通过彻底的编码，我们系统化目前的实证文献沿四个维度：（a）算法预测，（b）人类预测，（c）比较效果（人类决策与算法决策），（d）ADM的后果。虽然我们发现很多异质性的理论概念和经验测量的算法公平性，见解几乎完全来自西方民主的背景。通过倡导更多的跨学科研究，采用社会在环框架，我们希望我们的工作将有助于更公平，更负责任的ADM。
2021-03-22 cs.AI cs.CY cs.HC
A Comprehensive Review: Applicability of Deep Neural Networks in Business Decision Making and Market Prediction Investment
University of Economics and Law（经济与法律大学）；Vietnam National University HCM（胡志明市越南国家大学）
本文综述了深度神经网络在商业决策与投资中的应用，指出其在风险管理、投资组合优化和算法交易中表现卓越，并提出融合多模态数据的神经网络可构建更稳健高效的金融预测框架。
2025-01-31 cs.AI econ.GN q-fin.EC
Handbook of Rough Set Extensions and Uncertainty Models
本书系统概述了粗糙集的主要范式及其扩展路线，按粒化机制和不确定性语义分类，探讨了不同模型对近似形式和边界区域解释的影响。
2026-04-07 cs.AI cs.CE cs.LG
MetaEncoder: Exploring the Limit of Bi-Encoders for Multimodal System One Decision Making with Natural Language Interface
Meta AI
该研究提出MetaEncoder，将预训练的Muse-Glimmer 30B解码器微调为遵循指令的决策双编码器，经11个基准套件、190项任务评估，其在多模态决策等部分场景优于SOTA多模态编码器，同时明确了自身在推理密集型任务上的局限。
2026-11-09 cs.AI cs.CL
Understanding Decision-Making Mechanisms in Neural Routing Solvers
Sharif University of Technology（谢里夫科技大学）
本文通过行为分析、表示探针和因果干预，研究了三种神经路由求解器（AM、POMO和LEHD）的决策机制，发现AM和POMO遵循几何模式，而LEHD利用未来节点表示，为NCO可解释性提供基础。
2026-09-30 cs.AI cs.LG
Careful Judge: Safe and Efficient Human-AI Collaborative Decision Making
MIT（麻省理工学院）；NVIDIA（英伟达）；Stanford University（斯坦福大学）
CARE是一个端到端人机协同决策框架，通过自适应校准与修正保证安全并持续学习，在四个安全关键数据集上减少25-81%人工查询。
2026-10-08 cs.AI cs.LG stat.ML
From Accuracy to Readiness: Metrics and Benchmarks for Human-AI Decision-Making
Singapore Management University（新加坡国立大学）
本文提出评估人类-人工智能决策的度量框架，聚焦团队准备度，引入四类评价指标并连接人类-人工智能上boarding生命周期，通过交互轨迹评估校准、错误恢复与治理。
2026-03-19 cs.AI cs.HC cs.LG
Advancing Uncertain Combinatorics through Graphization, Hyperization, and Uncertainization: Fuzzy, Neutrosophic, Soft, Rough, and Beyond
本书通过引入neutrosophic超集等新概念，扩展了图论和集合论在不确定性和超结构中的应用，为组合学和不确定性理论提供了新的研究方向。
2026-02-22 cs.AI cs.DM cs.LG
Before We Trust Them: Decision-Making Failures in Navigation of Foundation Models
Carnegie Mellon University（卡内基梅隆大学）
研究发现基础模型在导航任务中存在显著决策失败，需更细致评估以理解其局限性。
2026-04-08 cs.AI cs.RO
Hallucination Detection in Foundation Models for Decision-Making: A Flexible Definition and Review of the State of the Art
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文针对决策基础模型的幻觉问题，讨论其当前用例，提出幻觉的通用定义，总结现有检测与缓解方法，给出指导方针并探索研究方向，旨在量化决策确定性并检测幻觉以提升模型可靠性。
2025-02-11 cs.AI cs.CL cs.RO
