[论文解读] Predicting Suicide Attacks: A Fuzzy Soft Set Approach

Athar Kharal|arXiv (Cornell University)|Jul 28, 2010

Fuzzy and Soft Set Theory参考文献 13被引用 3

一句话总结

本文提出了一种基于模糊软集的决策支持系统（FSP），通过使用语言变量对不完整、不精确的专家评估进行建模，以预测城市中的自杀式袭击。该算法在城市间评估风险因素，生成具有 O(2^n) 复杂度的可能度分布，模拟结果表明，决策度量 Γ₁ 的偏差显著低于其他方法。

ABSTRACT

This paper models a decision support system to predict the occurance of suicide attack in a given collection of cities. The system comprises two parts. First part analyzes and identifies the factors which affect the prediction. Admitting incomplete information and use of linguistic terms by experts, as two characteristic features of this peculiar prediction problem we exploit the Theory of Fuzzy Soft Sets. Hence the Part 2 of the model is an algorithm vz. FSP which takes the assessment of factors given in Part 1 as its input and produces a possibility profile of cities likely to receive the accident. The algorithm is of O(2^n) complexity. It has been illustrated by an example solved in detail. Simulation results for the algorithm have been presented which give insight into the strengths and weaknesses of FSP. Three different decision making measures have been simulated and compared in our discussion.

研究动机与目标

• 在存在不完整和不精确数据的情况下，开发一种用于预测城市中心自杀式袭击的决策支持系统。
• 通过整合语言专家判断和模糊软集理论，解决反恐预测中的固有不确定性。
• 创建一种计算结构化的模型，将定性风险因素转化为高风险城市的可量化可能度分布。
• 在不确定性条件下评估和比较多种风险评估的决策方法。
• 为高后果环境中的安全规划和威胁可视化提供一种动态、基于知识的框架。

提出的方法

• 该模型使用模糊软集来表示来自专家评估的不确定、不精确以及以语言表达的风险因素。
• 采用两步法：(1) 识别影响自杀式袭击可能性的关键预测因素；(2) 应用 FSP 算法计算风险可能度分布。
• FSP 算法基于模糊软集评估对城市进行两两比较，通过定义的函数 ρ(ψi, ψj) 和 χ(ψi, ψj) 聚合得分。
• 该算法的计算复杂度为 O(2^n)，源于在风险比较过程中需评估所有 n 个城市子集的需要。
• 对三种决策度量（Γ₁、Γ₂、Γ₃）进行模拟和比较，以评估其在风险排序中的偏差和一致性。
• 该模型利用可区分性矩阵的结构，为未来基于粗糙集理论的优化提供支持。

实验结果

研究问题

• RQ1 如何在决策支持框架中系统地建模关于自杀式袭击风险的语言性和不精确的专家判断？
• RQ2 当数据不完整且主观时，对城市进行自杀式袭击风险排名的最有效方法是什么？
• RQ3 FSP 算法在不同决策度量下的性能表现如何，特别是在偏差和一致性方面？
• RQ4 使用模糊软集进行大规模城市威胁预测时，其计算和可扩展性限制是什么？
• RQ5 该模型在哪些方面可被增强，以支持使用数据挖掘和持续重新评估的动态、实时威胁评估？

主要发现

• FSP 算法成功地将定性、以语言表达的风险评估转化为城市结构化的可能度分布。
• 模拟结果表明，决策度量 Γ₁ 的偏差显著较低（246 次平局），相比 Γ₂（440 次平局）和 Γ₃（2129 次平局），显示出更高的稳定性。
• 该模型的性能高度依赖于专家输入的质量，风险评估因主观判断而传播不确定性。
• FSP 算法的 O(2^n) 复杂度限制了其可扩展性，凸显了未来优化以提高效率的必要性。
• 该模型的比较函数与可区分性矩阵之间的相似性表明，其有潜力与粗糙集理论结合，以提取核心风险因素和约简。
• 尽管存在局限性，该模型仍可作为组织碎片化情报和在复杂城市安全背景下可视化威胁模式的宝贵模板。