基于可辨识矩阵的不完备模糊目标信息系统的属性约简

粗糙集理论是用来解决不确定性的新的数学工具,其中属性的约简是粗糙集理论中一个重要的研究课题.J.W.Guan等提出了信息系统下的矩阵算法.本文则是把这种算法推广到信息不完备并且目标是模糊的领域.通过容差关系的上近似集和下近似集重新设计了算法,最后用实例验证算法了算法的可行性.     

粗糙集在教学质量评价中的应用

粗糙集不依赖于数据集之外的附加信息,是处理含有噪声、不精确、不完整数据的有力工具,是一种新的数据挖掘技术.首先,本文介绍了粗糙集理论和决策表约简算法,然后采用粗糙集数据挖掘技术对多指标教学质量进行评价,挖掘出数据背后隐含的规则.     

基于粗糙集理论的项目评价方法研究

项目评价是项目管理中非常重要的一个环节,传统的评价方法或者带有太多的专家经验(主观的先验信息),或者对海量且含有噪音的数据缺乏有效的处理方法,从而导致对项目的评价在客观性和准确性方面存在不尽人意。粗糙集理论是波兰数学家Z.Pawlak在1982年提出的一种处理不完整数据、不精确知识的方法,现已在众多领域得到应用[6]。本文利用粗糙集理论的方法来对项目进行评价,不依靠主观推断,完全由数据驱动推理的机理来获得客观真实的结论。最后通过例子说明了该方法的有效性。     

基于粗糙集理论的专有技术价值评估模型研究

应用粗糙集理论对专有技术价值评估指标体系进行了约简并给出了相关算法,在此基础上构建了基于粗糙集理论的专有技术价值评估模型.     

粗糙集理论在创新方法知识库设计中的应用

本文首先介绍了粗糙集理论的基本知识。然后在创新方法分类、创新方法筛选等已有成果的基础上,以创新方法为对象,以粗糙集理论为理论基础,利用粗糙集属性约简算法等理论,根据用户对创新方法知识库的检索要求,删除创新方法知识库中冗余的知识,最终高效率的发现用户想要的结果。     

基于粗糙集的研究性学习的评价

本文利用粗糙集理论来构建研究性学习评价系统,在研究了研究性学习评价的粗糙集描述问题的基础上,给出了研究性学习评价的粗糙集属性决策规则和界定方法,建立了粗糙集约简算法。最后通过实例验证了该方法应用于研究性学习评价的有效性。     

财务报表保险招标风险评价

财务报表保险招标风险评价是一个复杂的决策过程,存在很多不确定性因素,其关键在于对注册会计师审计独立性风险的评价.本文提出的审计独立性风险评价模型将粗糙集理论首次引入审计领域,可以解决招标信息系统中存在的不精确信息分类问题,以期为该制度在现实环境中的有效运作提供有力的技术支撑.     

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.     

基于模糊粗糙集的广义L-模糊粗糙近似算子

粗糙集是Pawlak于1982年首先提出,其理论用于数据库中信息处理和预测。1990年Dubois和Prade对粗糙集进行了模糊化推广。Wu et al.(2003)和Mi et al.(2004)对在两个论域的范畴下的模糊粗糙集进行了探索。本文着重介绍了三种建立在格L上的两个论域上的广义模糊粗糙集模型。根据集合间的L-模糊关系(Goguen,1967),定义了一系列的L-模糊粗糙集并且研究了他们的性质。其中基于表现定理的广义L-模糊粗糙集还给出了其框架结构。     

变精度优势粗糙集属性约简择优算法

以从多个粗糙集属性约简中选择最优的约简为目的,分析了作为度量工具的现有条件信息熵在应用过程中的缺陷.借鉴变精度粗糙集理论的思想,在对阈值参数进行二次选择的基础上,提出一种新的条件信息熵.基于新的条件信息熵设计了一种变精度优势粗糙集属性约简的择优算法,克服了现有条件信息熵的不足.理论分析和实践结果均表明了所设计算法的有效性.     

基于RS的不完全信息IT项目风险决策算法研究

传统项目风险管理往往是根据管理者的经验来做出决策的，并且大多是采用定性分析方法，适用对象仅为完全信息。本文针对IT项目风险管理过程中存在的众多不完全信息，将粗糙集理论引入到风险决策中，对不完全信息的知识表达系统中潜在的规则进行了有效的挖掘，提出了基于粗糙集的不完全信息风险决策的一种算法，并通过实例分析，从定量的角度为风险决策提供依据。     

粗糙集值约简算法研究与应用

本文介绍了数据挖掘和粗糙集的理论,并对粗糙集值约简算法做了研究。该算法通过对信息表条件属性的考察,比较去除该属性后的两条记录是否冲突,重复,实现了去除信息表中的冗余属性值,对信息表进行值约简的目的。在粗糙集值约简理论的基础上,本文以C++Builder6.0作为开发平台,通过对信息表测试,分析、验证,证明其结果是正确的,最后将该算法应用到医疗病人感染数据库中,实现了对医疗病人感染数据库表的值约简。     

基于Rough Sets理论的证据获取与合成方法

证据理论是处理不确定性问题的有力工具,它处理的证据来源于专家.专家的知识经验是有限的,获取较困难,且可能存在一定的主观性.针对上述问题,提出了一种基于粗糙集理论的证据获取的新方法,并对证据合成和应用进行了研究.首先研究了大型决策表分解问题.利用粗糙集理论分析条件属性间的依赖关系,对条件属性集进行聚类,形成多个条件属性集相对独立的子决策表;其次对各子决策表进行分析,利用粗糙集的分类思想和隶属度概念,计算证据的基本可信度分配;最后文章对证据的合成及其在决策分析中的应用进行了研究,提出了相应的解决方法.     

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。     

一种基于粗糙集和灰聚类理论的IT项目评标决策模型

本文根据IT项目招标的特点，提出基于粗糙集和灰聚类理论的IT项目评标模型，利用粗糙集理论确定指标权重，结合专家对指标的评价，克服了当前评标方法中存在的主观性大等不足，能够较好反映投标商的整体实力，提高了决策效率和公正性。     

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。     

基于模糊聚类和粗糙集提取我国经济增长的模糊规则

提出了一种基于模糊软分类和粗糙集理论来提取模糊规则的一种算法.该算法分为3个步骤①通过模糊软分类对样本进行模糊划分,得到隶属度矩阵;②运用粗糙集理论和得到的隶属度矩阵生成初始决策表;③简化决策表,提取规则.最后运用该算法提取我国经济增长的模糊规则.     

基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究

针对电信客户流失问题的复杂性,融合粗糙集理论、神经网络和蜂群算法的优势,提出了一种新的客户流失预测模型——基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。首先利用自组织神经网络(SOM)对连续属性值进行非监督离散化处理;接着使用粗糙集方法(RS)对离散属性进行约简;然后分别使用BP神经网络、RBF神经网络、ELMAN神经网络和广义回归神经网络(GRNN)在约简属性集上建立4个子分类器;最后使用模型集成法对4个子分类器进行线性集成,并采用人工蜂群(ABC)算法优化线性组合的权重。将该模型应用于某电信客户流失,实验结果表明该集成方法是可行且有效的。     

基于粗糙集与未确知模型的供应商风险评估方法研究

供应商是制造商材料的来源,供应商风险的发生可能导致原来井然有序的供应链无法正常运转,因此,供应商风险的预警与评估在供应链风险管理中占据着举足轻重的地位。本文提出一种基于粗糙集和未确知测度理论的供应商风险评估方法,该方法首先运用粗糙集理论对繁杂的供应商风险指标体系进行精简,并确定指标权重,然后运用未确知测度模型对供应商风险进行评估,从而使评估结果更加客观。最后在实证研究中以某汽车制造商企业供应商风险评估体系为例,阐明了该评估方法的科学有效性以及评估结果的合理性。     

基于粗糙集和神经网络的供应商决策选择研究

本文提出了一种基于粗集理论与神经网络相结合的供应商优化选择新方法.首先利用粗集理论对供应商原始指标决策表进行一致性属性约简,然后借助神经网络强大的学习能力对决策表进行自学习,完成属性的不一致约简,最后再由粗糙集对其进行值约简,得到最终的供应商优化选择决策规则,并给出了相应的算法.最后通过实例说明该方法的有效可行性.