基于粗集理论的一种归纳学习算法

归纳学习是粗集理论的主要应用领域.本文基于粗糙集理论,针对相容决策表,提出一种新的归纳学习算法.与以往的方法相比,这种算法比较简单,能够全面地获取规则且没有冗余.此外,还讨论了不相容决策表的学习,给出了具有较高可信度的规则挖掘过程.     

一种基于Rough集的客户流失风险分析方法

为了对客户流失风险分析过程中的大量的冗余特征进行约简或压缩,本文利用粗集理论中的特征约简方法来研究客户流失风险分析,提出了一种基于粗集的客户流失风险的分析方法.通过一个客户流失风险的分析实例对该算法进行了检验,实验结果表明,在保证分类质量基本不变的情况下,该算法可以查找出对分类起主要作用的特征,从而达到了特征约简的目的,成功地将粗集理论应用到客户流失风险的分析和预警中,为客户流失风险的分析和预警提供了一条新的研究思路和方法.     

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。     

基于变精度粗集的判断矩阵构造方法

判断矩阵的一致性条件,是用AHP法进行排序的必要条件。由于专家的主观性,判断矩阵一般不能满足一致性条件。本文利用变精度粗集的依赖度因子,给出了一种判断矩阵的构造方法。这种方法充分利用排序方案因素的原始信息,又综合了多专家的判断。     

基于变精度粗集的战略石油储备规模决策方法

我国的战略石油储备(Strategic Petroleun Reserve,SPR)政策刚刚起步,对SPR规模进行决策,使其保持在合理范围,是SPR管理的重要内容.本文基于变精度粗集(variable precisioz rough set,VPRS)理论,提出了一种简单易行的SPR规模决策方法,通过设定一个变精度因子口,允许SPR决策信息系统中有一定的错误分类率,减少了数据噪声,提高了决策规则的鲁棒性.     

旅客航班选择模型研究：变精度粗集方法

文章以Logit模型为基础，运用变精度粗集（Variahle Precision Rough Set，VPRS）方法构建了旅客航班选择模型（Passenger Flight Choice Model，PFCM），该模型无需知道旅客航班选择数据集合以外的任何先验信息，在满足所要求精度下，即可求出旅客航班选择的真实因素及各因素权重，从而计算出某航线某时刻旅客航班选择的概率，为航空公司设计产品、改进营销提供可资借鉴的依据。     

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。     

基于粗集的IT项目风险因素多元组合权重研究与聚类分析

属性权重研究是IT项目风险分析的重要过程,在分析属性权重、研究同类方法的基础上,指出了通过传统方法以及粗集方法确定单个属性权重存在的一些问题,由此提出了基于粗集理论的属性组合权重的概念与计算方法,最后根据组合权重的相似系数矩阵,对风险因素进行聚类分析,为项目管理提供决策依据.     

一种基于粗糙集的权重确定方法

对粗糙集表征的属性重要度进行了深入研究,针对原有基于粗糙集理论的属性权重确立方法的不足,综合考察属性集中条件属性的整体重要度和系统中条件属性的个体重要度,提出了新的基于粗糙集理论的属性权重确定方法,提高了方法的普适性和可解释性.     

粗集的动态特性分析及应用

本文对粗集的动态特性进行了研究,为了比较确切的描述粗集的动态变化程度,本文引入了粗集的结构差离度、贴近度及复杂度等概念,给出了结构差离度和贴近度的性质,最后给出应用背景和实例。     

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。     

基于粗糙集的组合评价方法研究

为了解决多方法评价结论的非一致性问题,目前有不少学者提出了组合评价的思路.但现有的组合评价方法普遍隐含着与实际情况相悖的基本假设;所讨论的方法适用于所有评价问题,把所有的评价方法进行组合.针对上述问题本文试图基于粗糙集理论和信息熵概念,首先进行评分方法的筛选,然后再计算主要方法的重要程度,经过归一化处理后即得到各可组合方法的权重,进而得到组合评价的结论.最后用一个实例说明本研究实际应用上的有效性.     

基于粗糙集的决策方法及其在房地产预测中的应用

利用差别矩阵的差别元素的重要度的思想给出了信息系统属性的重要度,然后利用该重要度给出了信息系统中属性的权重,再由属性的权重给出了将信息系统转化成决策机构表的方法.在此基础上,利用正区域的大小作为属性选择标准,给出决策树的生成算法.将该算法运用到产品销售预测过程中,获取了一些较合理的简洁规则.     

杂合灰色聚类与变精度粗糙模糊集的概率决策方法及应用

在基于粗糙集理论或扩展粗糙集理论的不确定性决策中,仅由数据集无法获得决策表,同时由于决策属性呈现模糊性,以致于难以获取概率决策规则。针对这一类决策问题,基于灰色定权聚类与优势粗糙集变精度方法,本文构建了一种的杂合决策方法。该方法首先利用中心点三角白化权函数的灰色定权聚类方法将包含不同量纲指标的知识表示系统生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,生成概率决策规则,最后以区域关键技术的选择为例,表明该模型的可行性与实用性。     

一种新的基于粗糙集理论的冲突分析模型

在PAWLAK提出的冲突系统中,局中人对争端的态度只有3种:肯定、否定或中立。这样的冲突系统提供的信息过于抽象,很难从该模型中了解局中人产生冲突的原因,更无法找到大多数局中人一致同意的方案。经深入研究,认为现实生活中的某些冲突系统,其局中人应具有自己的方案,而整个冲突系统应有领域专家提供的方案。同时,各争端之间可能存在相互制约关系。根据这些特点,在PAWLAK冲突系统模型的基础上,引入每个局中人的信息系统和可行方案、领域专家为冲突系统提供的信息系统和可行方案,以及冲突系统中各争端的约束条件和冲突系统的可行方案,从而得到一个新的基于粗糙集的冲突模型。同时,给出了一个求冲突系统可行方案的算法,并以实例说明新模型能较好地刻画现实在生活的某些冲突系统。     

基于粗糙集属性重要度的岗位评价方法及其应用

提出一种基于粗糙集差别矩阵属性重要度的岗位评价方法,该方法充分考虑各个属性的重要程度,降低了打分的主观影响.从岗位的评价出发,根据评价体系赋值的属性重要度来确定岗位包含各种属性的权重,最后得出岗位的评价值,与传统方法采用的指标得分简单加权求和的方法相比,所提方法更具合理性.     

基于Vague集的模糊多目标决策新方法

提出了一种基于Vague集的模糊多目标决策新方法.首先通过确定单目标满意值的上、下界,定义单目标的Vague集真、假隶属函数,计算得到每个方案的单目标Vague值,然后通过加权计算单目标Vague值得到每个方案的多目标综合Vague值,最后利用记分函数对方案进行排序,从而选出最优方案.实例分析表明了该方法的可行性和有效性.     

基于变精度粗糙集的分层知识粒度

本文在研究变精度粗糙集模型中的近似、分类质量与知识粒度关系的基础上,提出了利用嵌套的等价关系集,可以构造基于不同置信阈值β、不同级别分类质量γ的分层知识粒度,并设计了相应的算法,最后以实例构造了分层知识粒度结构图。