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VPRS的软件项目投标风险规避群决策研究

设计了一个基于变精度粗糙集的模型算法,用于调整软件项目投标风险群决策表中的分类误差,为了全面反映专家的个人能力和在群决策过程中的公正、认真程度,赋予每个专家相应的权重,计算投标项目和风险指标的综合风险当量,并讨论了相应的风险规避措施、风险规避力度排序和风险规避流程。     

基于云模型标度判断矩阵的改进层次分析法

针对传统的层次分析法判断矩阵中,使用整数数值表示要素两两重要性大小的方法不具有准确刻画判断的模糊性和随机性的缺点,提出了一种基于云模型标度的判断矩阵的改进的层次分析法.首先基于云模型来刻画要素重要性大小,使用群体判断综合集结的云模型作为判断矩阵值,然后基于云的数字运算中的乘法运算计算要素的相对权重,并进行指标的一致性检验;最后给出了改进后的层次分析方法在反向拍卖的投标评价中的应用.改进后的层次分析法充分考虑了判断矩阵的模糊性和随机性,使评价结果更加客观.     

基于变精度粗集神经网的企业失败风险预测研究

描述粗糙集、变精度粗糙集和神经网的相关概念和应用机理,在此基础上构建基于变精度粗糙集的强耦合粗集神经网络,即变精度粗集神经网模型,并以此作为预测中国上市企业失败风险的研究方法.借助信息熵和T检验等手段对财务指标和非财务指标进行筛选,建立企业失败风险预测评价指标体系.在时间跨度上,选择(t-3)年作为研究起点,避免人为夸大预测精度.将被特别处理(ST)的上市企业作为界定企业失败的标准,以160家ST企业和160家配对非ST企业作为测试样本,利用FUSINTER技术离散化相关数据,运用粗糙集、变精度粗糙集、粗糙集神经网和变精度粗集神经网等模型进行实证研究.分析结果表明,在由78家ST和78家非ST企业组成的检验样本中,变精度粗集神经网的预测准确率要高于其他模型,且所需训练时间更短,生成规则更少,训练的整体效果最为理想,由此可以认为该模型比较适用于对中国上市企业进行失败风险的预测研究.     

基于群体决策的水资源可持续利用评价的理想区间法

水资源可持续利用评价是可持续发展研究的核心技术,其实质是建立各评价指标与可持续利用等级之间的非线性关系,其中如何合理确定各评价指标的权重是目前研究的难点.提出了用加速遗传算法优化识别判断矩阵群体的Hadamard凸组合矩阵所对应的各评价指标的权重、并改进理想区间法的系统评价新方法(GD-IIM).GD-IIM直接由评价标准样本数据驱动,利用全部隶属度值信息计算可持续利用评价等级值,避免了应用最大隶属度原则进行判断所可能造成的失真,提高了评价精度.用GD-IIM评价黑龙江省14个区域水资源可持续利用的结果说明,GD-IIM直观简便、通用、精度高,可在实际系统评价中推广应用.     

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.     

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.     

基于战略转换的企业战略风险预警模型研究

将粗糙集理论与神经网络相结合,构建了基于战略转换的企业战略风险预警模型。该模型首先运用基于信息熵与MDV函数的模糊聚类算法进行连续属性离散化,然后采用粗糙集理论约简出重要指标体系,最后采用BP神经网络进行学习和训练,进而对检验样本的风险等级进行判断。实证分析表明：基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果;添加动量因子的改进BP算法提高了网络学习效率,且该预警模型对检验样本的总体预测精度较高,是一种有效和实用的战略风险预警工具。     

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。     

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.