ラフセット理論の更なる考察

ラフセット理論は、特徴的なものやあいまいな情報から特徴を見出す事が可能であるが、意思決定者にとって優先情報があるデータから分類や意思決定をすることが出来ないという課題がある。
すなわち、ラフセット理論は、データの頻出度が高く、共起度の高いサブセットからデータの特徴を抽出することが出来るが、意思決定者にとってデータのなかに稀にしかないが、意思決定に重大なデータを考慮することが出来ないということである。
この課題を解決するために、様々なアプローチの研究がなされている。
現在、"Rough sets theory for multicriteria decision analysis" （Salvatore Greco a, Benedetto Matarazzo a, Roman Slowinski、European Journal of Operational Research 129 (2001) 1?47） を読み始めている。
これらのラフセット理論の研究とＫｅｙＧｒａｐｈの特徴を比較しながら、意思決定にとって重要なデータの抽出方法について考えていきたい。
今のところ、Ｍ氏と共同研究をし始めたデータ結晶化の手法が、新しいシナリオを抽出するのに適していると考える。
課題であった、ダミーノードとデータ上の赤ノードを表示できる可能性があるとのことで、期待が持てる。