Resumen

En la mayoría de los sistemas de evaluación de síntesis y de toma de decisiones, los datos se representan mediante objetos y atributos de objetos con un grado de creencia. Formalmente, estos datos se pueden abstraer mediante la forma (objetos; atributos; P), donde P representa un grado de creencia entre objetos y atributos, de forma que P es una asignación de probabilidad básica. En este artículo, proporcionamos una especie de sistema de información probabilístico para describir estos datos y, a continuación, empleamos la teoría de conjuntos aproximados para extraer reglas de decisión probabilísticas. Mediante la extensión de la teoría de la evidencia de Dempster-Shafer, podemos obtener las probabilidades de los antecedentes y las conclusiones de las reglas de decisión probabilísticas. Además, analizamos la consistencia de las reglas de decisión probabilísticas. Basándonos en la consistencia de las reglas de decisión de probabilidad, proporcionamos un método de inferencia para terminar la inferencia de las reglas de decisión de probabilidad, que puede utilizarse para decidir la clase de un nuevo objeto x′. La conclusión señala que el método de inferencia del artículo no sólo trata con información precisa, sino también con información imprecisa o incierta.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:reglas de decisión probabilística, objetos, atributos, datos, método de inferencia, sistemas de evaluación más sintéticos, teoría de la evidencia de shafer, asignación probabilística básica, sistema de información probabilística, teoría de los conjuntos rugosos
• Keywords:probability decision rules, objects, attributes, data, inference method, most synthesis evaluation systems, shafer evidence theory, basic probability assignment, probability information system, rough sets theory