基于粗糙集条件信息熵的权重确定方法

权重确定是管理决策和评价的重要环节,现有的权重确定方法基本依赖于专家的先验知识。粗糙集权重确定方法由于其不需要所处理数据集合的先验信息、充分体现数据客观性的特点在管理决策中得到日益广泛应用。但是,原有的粗糙集权重确定方法无法确定冗余属性的权重。本文针对粗糙集的信息表示比代数表示更全面的特点,通过粗糙集条件信息熵属性重要度的分析,提出了新的基于粗糙集条件信息熵的权重确定方法,并分析了其合理性。通过算例证明,新的条件信息熵权重确定方法可以解决原有粗糙集权重确定方法无法解决的问题,从而提高了方法的普适性和可解释性。     

基于粗集理论的属性权重确定方法

通常属性权重的确定方法是根据决策者的先验知识来确定。本文根据粗集理论中属性重要度的判断方法,提出将决策者先验知识给定的权重同粗集理论确定的属性重要度结合起来最终确定属性权重,即基于粗集理论的属性权重确定,实现主观先验知识同客观情况的统一,从而得出更加理想的权重确定结果。     

模糊粗糙集中综合评价的属性约简和规则获取

传统的评价方法在进行评价之前没有进行属性约简,并且对新样本的评价过程过于复杂.鉴于此,运用(S,T)模糊粗糙集对综合评价中的属性约简和规则获取进行了研究,通过属性约简精简评价指标,通过规则获取来简化新样本的评价过程,为新样本的评价提供了一种全新的方法.最后以一个综合评价实例来演示如何进行属性约简和规则获取.     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。     

基于产品属性效用的市场细分方法与应用研究

以产品属性效用为细分变量是建立在因果关系变量而非描述性变量基础上的一种细分方法。通过结合2004年海南马自达新上市轿车的市场细分案例,在运用组合分析法获得产品属性效用数据的基础上,采用动态聚类法,以产品属性效用为细分变量进行了1次细分, 并以产品属性水平效用进行了2次细分,获得了不同属性以及属性水平的偏好群体。最后,对各个偏好群体的属性特征进行了描述。     

一种基于方差最大化的组合赋权评价方法及其应用

粗糙集权重确定方法利用属性重要度来确定属性的客观权重,这种方法克服了权重确定过分依赖专家经验知识的不足,但也忽略了各属性指标本身的重要性问题。本文将粗糙集权重确定方法与专家主观赋权的层次分析法相结合,基于方差最大化的原理提出了一种主客观组合赋权方法。粗糙集结合主观层次分析法的组合权重很好地将两者的优点有效结合,同时方差最大化原理也对传统组合权重确定方法进行了改进,使得权重的确定更加合理,更能有助于决策者做出决策。最后,用一个算例应用证明了该种组合赋权决策方法的可行性。     

A heuristic approximation algorithm of minimum dominating set based on rough set theory

The minimum dominating set of graph has been widely used in many fields, but its solution is NP-hard. The complexity and approximation accuracy of existing algorithms need to be improved. In this paper, we introduce rough set theory to solve the dominating set of undirected graph. First, the adjacency matrix of undirected graph is used to establish an induced decision table, and the minimum dominating set of undirected graph is equivalent to the minimum attribute reduction of its induced decision table. Second, based on rough set theory, the significance of attributes (i.e., vertices) based on the approximate quality is defined in induced decision table, and a heuristic approximation algorithm of minimum dominating set is designed by using the significance of attributes (i.e., vertices) as heuristic information. This algorithm uses forward and backward search mechanism, which not only ensures to find a minimal dominating set, but also improves the approximation accuracy of minimum dominating set. In addition, a cumulative strategy is used to calculate the positive region of induced decision table, which effectively reduces the computational complexity. Finally, the experimental results on public datasets show that our algorithm has obvious advantages in running time and approximation accuracy of the minimum dominating set.

     

多属性隐式变权决策分析方法

为克服多因素变权决策方法的内在缺陷,基于Belton 和Gear提出的B/G-AHP层次分析原理给出了一种隐含式的多属性变权决策建模思想,并运用该思想给出了一种多属性变权决策新方法。它相对于多因素变权决策方法具有三方面的比较优势。其一,依赖的变权偏好信息直接由决策者给出,因而能够克服决策分析者对决策结果的主观武断性影响,更好地反映决策者的真实偏好。其二,不会受到由因素的属性值转化为偏好值所额外引入的主观测度偏差的干扰。其三,对决策者主观判断可能存在的误差予以了旨在弱化其影响的优化控制。数值分析表明新方法拥有较好的变权能力,并且相对于已有方法能够给出更易为决策者所接受的评价结论,因而具有较好的应用有效性。     

基于属性重要度的产品定制程度测量模型及定制策略

定制程度的高低反映了制造商对顾客个性化需求响应的程度。运用组合分析法建立基于效用的顾客属性定制偏好测量模型和基于属性重要度的产品定制程度测量模型;以笔记本电脑装配定制为研究对象,运用K-means聚类将样本分成5个不同的属性偏好群体,测量个体与5个属性偏好群体满意度,比较分析多样化生产方式与定制化生产方式下顾客满意度的差异,建立不同偏好群体定制程度与顾客满意度之间的回归模型。研究表明,按照定制属性重要度从大到小依次进行定制生产比细分市场的多样化生产能更有效地提高顾客满意度。     

基于粗糙集理论的格序选择方法

在粗糙集理论中,为了识别由偏好属性导致的不相容性,已提出基于优势关系的粗糙集理论,然而这一理论在实际应用中往往导致多个决策规则的出现,如何辨别由偏好多属性决策表中获取的多个决策规则从而选取最优方案,尚未见到有关的研究文献。本文针对这一问题,利用格序理论,给出属性约简的贴近度,比较不同约简所得决策规则贴近于原知识库的程度,从而得到一种选择最优决策方案的方法。     

基于粗糙集的不一致信息系统规则获取方法

本文提出了一种基于粗糙集的既能学习决策性分类规则也能学习非决策性分类规则的方法,目的是获得更一般、更可靠的分类规则,并设计了相应的算法。算法的基本思想是允许用户在学习分类过程中指定三个参数:最小的支持度、分类规则必须满足的一致度、覆盖度,据此推导出满足参数要求的规则。最后将该方法应用于一个算例中,提取了满足给定参数阈值的规则。该方法在处理噪音数据及大型数据库分析等方面具有较强功能。     

基于共识模型和ORESTE的扩展概率语言多属性群决策方法

扩展概率语言词集作为一种更具通用性的语言信息表示模型,能够更加充分地描述原始评价信息,提高语言多属性决策的科学性。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出一种基于共识模型和ORESTE方法的多属性群决策方法。首先,给出了扩展概率语言词集的概念以及相关理论。其次,考虑到群决策过程中专家群体因知识背景以及素质能力的不同从而给出不同的评价信息导致群体意见不一致的情况,提出了扩展概率语言环境下的共识模型。再次,鉴于多数情况下备选方案间不存在单一排序顺序,本文对经典的ORESTE方法进行改进,提出扩展概率语言ORESTE方法。基于本文提出的扩展概率语言共识模型和扩展概率语言ORESTE方法,提出了扩展概率语言多属性群决策方法。最后,为了验证本文提出方法的有效性和合理性,采用共享单车设计方案评价算例进行分析,并通过与其他方法的对比分析说明本文提出方法的优越性。     

融合内容分析和关联分析的短生命周期体验品需求特征模式挖掘方法研究

挖掘特定产品的需求模式无法从整体掌握该类产品的市场特征；短生命周期体验品因缺乏历史销售数据，并且销售总量波动性极大，尤其需要从整体掌握销售总量与产品属性间关系的需求特征规律，但又难以挖掘，亟待提出适用于该类产品的需求特征模式挖掘方法。基于按销售总量分区后各区的需求特征的规律性，提出了一种按销售总量分区、以已有产品介绍集和销售总量为源信息、适用于新产品开发前使用、融合内容分析和关联分析的短生命周期体验品需求特征模式挖掘方法。该方法包括基于内容分析法的产品属性挖掘方法和基于关联分析的产品属性关系模式挖掘方法。前者可以得到较全面的产品属性；后者能够构建不同销售总量区间内产品集的属性关系模式，得到各区间的产品属性关系网，获得高销售总量区间具备，但中、低区间不具备的属性关系模式，从而获得需求特征模式。通过不断更新产品介绍集和销售总量并迭代挖掘，该方法能够动态挖掘需求特征模式。最后利用2013至2016年国产犯罪和爱情类电影数据验证了该方法的可行性，并得到了这两类电影的产品属性及近年的需求特征模式，可用于指导这两类电影的创作。     

基于证据推理和广义Shapley值的扩展概率语言多属性群决策方法

扩展概率语言词集通过语言变量概率分布的调整能够转化为多种语言信息表示模型,是语言变量、不确定语言信息、扩展犹豫模糊语言词集、分布语言评估信息、概率语言词集等的一般化,具有较强的通用性和实用性,是处理不确定性信息的重要工具。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出基于证据推理和广义Shapley值的多属性群决策方法。首先,提出扩展概率语言词集的定义和相关基础理论。其次,将广义Shapley值和证据推理相结合用于专家信息融合,并将广义Shapley值和TODIM方法相结合用于备选方案排序。再次,提出基于灰色关联法的权重确定模型来处理专家/属性权重部分未知的情况。最后,以绿色供应商选择为例进行分析,通过对比分析验证所提方法的有效性和优越性。     

基于流程图及过程代数的流程表达方法

提出一种新的用于BPR 的业务流程表达方法. 首先用基于活动属性的流程图来描述业 务流程; 再利用图论的矩阵分析方法描述流程图; 然后结合过程代数的方法, 由流程图的矩阵 推导出一个能全面反映流程情况的代数表达式——过程代数式; 最后通过对过程代数式的分 析, 提出流程的评价指标.     

一种新的混合型多属性决策方法及在供应商选择中的应用

研究了一种属性权重未知的混合型多属性决策模型.为了简化计算,把区间数和模糊数转化成精确数得到规范的决策矩阵.基于属性的熵,建立了具有柔性的客观权重模型,把客观权重和主观权重线性合成为综合权重.给出了客观权重和综合权重合理性的判定定理.最后的案例说明该法是可行、有效的.     

面向不确定多属性决策问题的范例检索算法研究

将不确定多属性决策问题转化为不确定性多属性范例的检索问题,利用范例推理方法获取最相似范例作对目标决策问题的近似解,通过范例修正缩短该近似解与目标决策问题解之间的差距直至完全一致.文章系统地提出了适合于不确定多属性问题检索要求的范例检索算法(RA-UMDM),重点研究了范例聚类、用基于梯形模糊集和改进的欧氏距离检索算法分别解决范例中模糊概念属性、区间特征属性的相似度计算问题.将该方法应用于两家医院临床辅助诊断决策过程求得了较为准确的解,并且基于范例库对RA-UMDM法的有效性、准确度、效率等进行了实验,结果表明该方法能够满足不确定多属性决策问题的检索要求,检索速度较快、质量高.     

基于SVM求解不均衡数据集分类的主观权重约束方法

支持向量机(SVM)的二类分问题中针对不平衡数据集可以通过减少样本信息的不对称性和改进算法来解决。本文针对中小企业中有财务风险与无财务风险样本的不平衡性问题,使用一种带有主观权重约束条件的支持向量机新模型对样本进行分类。实验表明新模型确实提高了财务风险企业即少类样本的识别性能,是一种类别不均衡学习(class imbalance learning)的新方法。     

时序多属性决策的广义等级偏好优序法

实际中很多复杂的多属性决策问题往往需要考虑多个时间序列的决策信息,针对这类时序多属性决策问题,本文在优序法的基础上,定义了广义优序数的概念。同时提出基于理想时间权向量的方法来解决时序多属性决策中时间权重的确定问题,进而在此基础上提出时序多属性决策的广义等级偏好优序法。最后,利用文献中的数据,用本文的方法对某集团的四个铜矿企业的综合效益进行了评价,其结果表明了本文方法的可行性和有效性。本文为解决时序多属性决策问题提供了一种新的方法和思路。