基于粗糙集属性约简的循环经济指标体系构建

文章提出一种基于粗糙集属性约简算法的循环经济指标体系构建方法。利用粗糙集理论的属性约简算法进行指标初始筛选,运用主成分分析方法选择出最优指标体系集,并通过Bayes统计判别法验证其合理性,最终得到循环经济指标体系构建方法模型。选取甘肃省10个市州2012年的统计数据进行了实证研究。     

一种基于粗糙集属性约简的入侵检测算法

文章论述了一种基于粗糙集理论的入侵检测的算法,通过将粗糙集中的属性约简算法用于入侵检测数据的挖掘,建立了基于粗糙集的入侵检测系统模型,并对基于属性频度的约简算法进行了改进,提高了数据挖掘效率,有助于得到简洁高效的数据。     

一种基于粗糙集理论的多指标综合评价方法

文章对于不含决策属性的综合评价问题,提出了一种基于粗糙集的评价方法。该方法采用基于信息量的属性约简启发式算法,实现了评价指标的约简,从而优化了指标体系;并基于约简指标的重要度信息确定权重,消除了传统方法权值设置的主观性,提高了综合评价结果的可靠性。通过例子分析,验证了该算法的可行性和实用性。     

基于粗集-熵值法的高新技术企业自主创新能力评价

结合粗糙集属性约简算法及熵值法对高新技术企业自主创新能力进行综合评价。对××市高新技术企业进行的实例分析结果表明:粗糙集属性约简能有效剔除冗余指标,从而减少了后续计算量;熵值法能客观确定出指标权重,使综合评价结果更贴近现实。     

基于粗糙集理论的"两型社会"发展评价

文章提出了基于粗糙集模糊聚类法的"两型社会"发展评价模型.该模型结合原始数据,通过粗糙集的可辨识矩阵挖掘出各项指标的权重,并在属性重要度的基础上进行属性约简,约去冗余指标,提高了评价方法的科学性.同时,文章以长株潭城市群的生态环境指标为例进行了实证分析,结果表明,该模型能准确有效地对该区域生态环境做出评价,具有一定的实用性和有效性.     

基于粗糙集支持向量机的个人信用评估模型

文章改变了过去个人信用评估模型多使用统计方法或者主观分析方法精简数据集属性个数的做法,将粗糙集与支持向量机结合的粗糙集支持向量机方法引入个人信用评估实践。以包括1000个统计样本的德国信用数据作为个人信用评估模型的数据来源,应用粗糙集分析系统RSES进行数据预处理,运用遗传算法计算约简,得出以不同的缩减率得到的约简集;然后使用支持向量机分析工具LIBSVM逐步处理已经进行过属性约简的数据集,并在处理过程中应用了交叉验证和网格搜索技术。     

基于灰粗集属性知识简约算法的海运规则发现

海运市场运营规则能够帮助海运企业找到盈利增长点,针对海运市场营运规则难于被发现的问题,将灰色系统理论和粗糙集理论进行融合,针对知识约简中分辨函数范式转化过程中的逻辑推演难题,提出了一种基于灰色粗集融合属性的改进约简算法,选取2007年、2010年、2013年、2015年典型年份作为样本年份,应用灰色系统、粗糙集和基于灰粗集知识约简算法分别进行海运市场盈运规则发现实证分析,通过比较证明了该算法的时效性,同时发掘出了当前海运市场的船型、货品、航线、运价、运力间的营运管理规则。     

基于粗糙集指数加权的聚类算法

对数据集进行聚类分析的过程中,由于数据属性包含的个性信息有差异,导致数据属性在聚类过程中的作用会有差异。因此需要对属性进行加权,以减少包含共性较多的属性对聚类结果的影响。目前粗糙集加权研究仅用于属性值为少数离散值的情况。提出了基于粗糙集指数加权算法,对原始数据集进行预处理,并设计实验,验证了该算法能够有效提高聚类算法的正确率。     

Rough Set综合评价算法的优化及应用

粗集理论是由波兰数学家Z.Pawlak,在20世纪80年代初提出的一种处理模糊和不精确性问题的新型数学工具,粗集理论在处理有限元集合数据时,即不需要关于数据的任何附加信息,也无需预先给定某些特征或属性的数量描述,如统计学中的概率分布、模糊集理论中的隶属度或隶属函数等,通过对大量数据进行分析,根据论域中等价关系的依赖关系,剔除相容信息,抽取潜在有价值的规则知识.依据粗糙集理论的对象分类能力,以及粗糙集理论中的知识依赖性和属性重要性度量方法,可以得出一种完全数据驱动的综合评价方法,它克服了传统方法存在的主观性和片面性的问题,本文将属性的同分辨能力数引入到粗糙集评价,优化了评价算法.     

基于灰色关联度的属性约简方法

属性约简是粗集理论研究的核心内容之一,其主要思想是在保持分类能力不变的前提下,消除决策表中冗余的属性,推导出最少的属性集合和最小的决策规则.目前属性约简方法主要包括:①基于信息熵的启发式算法,该算法计算信息熵时的时间复杂度较高;②基于可辨别矩阵和逻辑运算的属性约简,这种方法能够得到全部约简结果,但计算过程中析取逻辑表达式很多,甚至是重复的,这导致化简时计算量很大,且对于大样本、高维数据的约简建立的可辨别矩阵具有较高的空间复杂度.本文结合灰色关联理论提出了一种新的属性约简方法,以灰色关联度作为属性重要性的测度,采用启发式算法,先计算出属性的核,然后依据属性的重要程度依次在核的基础上添加属性,直到所得的属性子集与原条件属性的分类能力相同为止,对于高维属性,可以采用优化搜索策略,寻找最佳的属性集.     

联合风险投资合作伙伴的选择

合作伙伴选择是联合风险投资成功的关键环节.文章分析了主导型风险投资公司选择联合投资合作伙伴的影响因素,将粗糙集理论应用于指标的约简,建立了合作伙伴选择的评价指标体系;运用神经网络法建立合作伙伴选择的评价模型,为联合风险投资选择最佳合作伙伴.将粗糙集理论作为神经网络系统的预处理器,从中挖掘出反应评价指标本质关系的重要属性与伙伴选择知识规则,通过指标的约简提高了神经网络的收敛速度与选择的准确率.最后,实例验证表明,该方法是正确有效的.     

基于BIC的粗糙集择优和属性约简

粗糙集优良性评估标准对粗糙集应用至关重要,目前常用的标准是误判率,在测试集中误判率小的粗糙集并不总是具有最高预测准确度。在引入BIC准则评价粗糙集优良性的基础上,给出基于BIC准则的粗糙集择优方法和基于BIC的粗糙集属性约简方法;利用粗糙集分类规则构建Logistic模型,将拟合Logistic模型的BIC值作为该粗糙集的BIC值,并用于粗糙集优良性评估;实际应用显示:基于BIC的粗糙集择优方法能够筛选出预测高准确度的粗糙集,当多个粗糙集的误判率差异小时,新方法更可能选出预测准确度高的粗糙集,信息熵和BIC组合的属性约简结果更好。     

基于属性约简的决策树构建

决策树是典型的分类方法.利用粗糙集的可辨识矩阵进行属性约简,去掉冗余属性,阈得到决策表的核属性.在构建决策树时,使用简化的决策表,从核属性集中选择当前节点,从而减少计算量,得到相对简洁的分类规则.     

成本预测系统中的自变量约简方法

文章针对成本预测系统中自变量众多且相互关系错综复杂的特点,提出用模糊粗糙集方法对成本预测系统中的自变量进行约简。在模糊粗糙集方法的框架下,给出了模糊等价关系、不可分辨关系和相对约简的定义,构建了基于模糊粗糙集的成本预测系统自变量约简模型。并且针对实际的成本预测系统一般是混合变量数据系统的情形,对广义差别矩阵的定义进行了改进,并以此设计了相应的启发式约简算法。实例分析结果表明,文中所提的方法较之传统的灰色关联系数法、主成分分析法和偏最小二乘回归法,自变量约简效果最佳,所提方法是科学和有效的。     

概率粗糙集模型在产品质量决策中的应用

文章以空气弹簧的生产过程为例,从质量成本的角度出发,在建立基于概率粗糙集的质量分析模型的基础上,分析了生产过程中工艺及环境参数对产品质量问题的影响,并通过属性约简和值约简,找出了影响成型质量的关键因素.在此基础上建立贝叶斯决策模型获得了质量成本的最佳值能,能保证质量成本费用发生的经济性和合理性,处理好质量成本与产品质量、生产计划、利润等方面的关系.     

基于粗糙集神经网络的财务危机预警方法

针对基于神经网络的财务危机预警方法训练时间长和网络结构复杂的缺点,提出了基于粗糙集神经网络的财务预警方法。将财务比率作为条件属性,将企业财务状况作为决策属性,构建财务危机预警决策系统。通过属性约简,得到最小属性集。将最小属性集中元素对应的财务比率作为神经网络的输入,用训练样本对神经网络进行训练,训练后的神经网络模型实现财务危机预警。测试结果表明,该方法训练速度快,且错误率低。     

运用粗糙集理论对我国粮食产量的预测

文章将粗糙集理论引入我国粮食产量预测;通过属性约简从诸多影响因素中提取关键因素,并对各因素重要程度进行排序,得到一致、完备的预测规则;通过实际应用验证了其可行性,证明粗糙集的利用能有效地避免人为因素的影响,可以得到更合理的预测结果。     

改进的模糊聚类方法在R&D资源分类中的应用

传统的FCM算法没有考虑不同属性对分类效果的影响和大小不同的问题,文章从特征贡献平衡原则和类间分离度最大原则两个方面考虑,得到样本各维属性有差异的权重系数,进而给出了带有权重的FCM算法,并将这一改进的模糊聚类方法应用到湖北省12个市、区R&D资源划分分析中,结果表明改进的模糊聚类分析方法在应用中可以取得更好的效果.     

基于区分矩阵的属性约简改进算法

根据定义计算区分矩阵时,会产生许多重复的元素,而这些重复元素对区分函数的计算没有作用.文章通过利用布尔代数的吸收律,提出了一种改进的算法,使得属性的约简得以简化.     

粗糙集条件信息熵权重确定方法的改进

权重确定是决策和评价的重要环节.文献[1]基于粗糙集条件信息熵的权重确定方法是为了避免冗余属性权重为0的情况,但是该方法得到的冗余属性的重要度却高于非冗余属性的重要度.通过对文献[1]粗糙集条件信息熵权重确定方法的分析,找出相矛盾的原因,并讨论了属性重要度优先级队列的构造,进而在此基础上提出了以粗糙集的代数理论为基础的粗糙集条件信息熵权重确定的改进方法.