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。     

一种基于粗糙集的企业供应商评价与选择新方法

给出了粗糙集中组合属性重要度确定单属性重要度的新定义,并应用于企业供应商评价与选择,新方法计算的指标权重结果避免了文献[10]中计算的指标权重为0的情况出现,同时新算法计算的各指标重要度之和避免了文献[11]算法各指标重要度之和过大现象,计算精度更高,评价结果更符合实际。     

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。     

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.     

基于粗糙集与主成分分析的属性约简的启发式算法研究

信息系统的属性约简反映了一个决策表的本质信息,为信息系统的数据挖掘奠定的基础。生成一个决策表的所有约简或计算出最佳(定义为属性数目最少)的约简都是NP难问题。目前已有的基于粗糙集的属性约简算法由于计算复杂较高,而不适用大规模数据。本文探讨了一种基于区分矩阵和主成分分析的算法,该算法利用属性在区分矩阵中频率及属性贡献率做为启发规则,寻找最小约简,并在海关通关风险评估系统中得到良好的应用。     

基于方案贴近度的不确定型多属性决策模型

针对属性权重不能完全确知的不确定型多属性决策问题,提出了衡量决策方案的一个新指标-方案贴近度,并给出了一种基于方案贴近度的决策模型。通过实例说明了该模型的合理性和可行性。     

基于粗糙集理论的城市购房决策

购房的决策问题是一个需要综合考虑多因素的决策问题。购房者在对不同楼盘进行筛选、比较的时候,除了可以直接对影响因素进行主观赋权之外,还可以充分利用历史数据,从客观上对影响决策的各因素进行合理、科学地分析。而粗糙集理论能有效地对历史数据进行处理,在客观上确定属性重要性。然后结合具体环境,构造各因素间的两两比较判断矩阵,得到主观权重,综合主客观权重最后得到综合权重,为购房决策提供依据。     

基于理想解和灰关联度的动态评价方法及其应用研究

为了对多个多属性（指标）待评价对象（方案）在多个时间点的发展状态和该时间段内的总体发展水平进行比较分析,根据理想解法和灰关联度法优缺点,提出基于理想解和灰关联度的动态评价方法。该方法基于三维数据,将欧氏距离和灰色关联度相结合,提出一种新贴近度,同时反映了位置关系和数据曲线的相似性差异,兼顾评价指标值差异程度和增长程度。最后将该方法应用于"十二五"期间省域循环经济生态效益评价,通过实例验证该方法实际应用上的有效性。     

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.     

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.     

一种基于粗集的实例分解归纳学习方法

粗集是知识约简的一种有效工具,但决策表的最小约简已被证明是NP难题.对于复杂的决策表,由于必要的条件属性数目可能较多,直接用粗分析比较困难.为此本文基于粗集理论,给出了一种决策表的分解方法.实例表明决策表的分解可以减少知识约简的难度.这对于大型的决策表,有潜在的应用价值.     

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。     

一种主客方交互式群体评价方法及其应用

传统的群体评价方法均不考虑被评价对象的参与,针对此缺陷提出了一种新的群体评价方法——主客方交互式群体评价方法。首先对主客方交互式评价的过程进行描述;然后给出交互过程中基于优先排序概率的单轮评价结果呈现方式;其次,给出群体评价的稳定性、满意性指标,以此探讨交互终止的条件;最后,定义了2个主客方交互加权算子,以此对各轮交互结果进行集结,得出最终的群体评价结论。