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.     

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.     

基于满意属性选择的客户流失预测

针对已有属性选择方法较少考虑属性获取代价和属性集维数的自动确定问题,提出一种满意属性选择方法(SASM),将样本分类性能、属性集维数和属性提取复杂性等多种因素综合考虑.给出了属性满意度和属性集满意度定义,设计出满意度函数,导出满意属性集评价准则,详细描述了属性选择算法.对某电信公司客户流失预测的实证结果显示,SASM获得的命中率、覆盖率、准确率和提升系数高于属性相关性选择法、一致性选择法、实例选择法和对称不确定性选择法.证实了SASM的有效性和实用性.     

基于客户流失预测的特征选择

特征选择是数据预处理的一个重要手段,本文介绍了特征选择的几种常用方法：过滤法,封装法及这两种方法的混合,最后结合客户流失预测这个特定的问题提出适当的方法。     

浅议A餐馆的客户流失

本文通过了解A餐馆的优势及其客户流失的现实情况,分析了导致客户流失的内在因素,并提出相应的措施,进而给企业防止客户流失提供建议。     

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。     

基于综合业务的商业银行客户流失预警模型

随着我国国内银行的竞争加剧,商业银行客户流失现象越来越严重。而大量的统计数据表明,获取新客户的成本是维护现有客户的五倍。因此,从海量的客户交易记录中挖掘出对流失有影响的信息,从而建立有效地银行客户流失预警体系显得尤为必要了。本文结合我国商业银行业务现状,综合运用层次分析法和logistics回归分析方法,给出了基于综合业务考虑的商业银行客户流失预警模型。     

客户流失危机分析的决策树方法

叙述了客户流失的基本概念,分析客户流失危机产生的原因,指出了传统的客户流失危机分析方法存在的问题,在ID3算法的基础上,提出一种加权熵的概念,并对ID3算法进行改进,提出了一种基于决策树的客户流失危机分析方法,通过一个客户流失危机的分析实验对该模型进行了验证.实验结果表明该方法是可行的和有效的,为客户流失危机分析和预警提供了一种新的研究思路和分析方法.     

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.     

基于粗糙神经网络的客户消费分类模型研究

针对客户消费属性的多维、相关及不确定的特点,提出了基于粗糙神经网络(RS-NN)的客户消费分类模型.在揭示了客户消费分类问题的粗糙集特性基础上,设计出由预处理分类知识空间、建立消费分类模型、分类模型应用构成的研究框架,系统阐述了基于粗糙集的约简消费属性、提取分类规则、构建粗糙集神经网络初始拓扑结构、训练和检验网络模型等一系列关键技术,最后以某地区电信客户管理为建模示例.结果表明:RS-NN模型在模型结构、模型效率、分类预测精度方面均优于BP-NN算法,是一种有效和实用的客户分类新方法.     

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。     

一个Pawlak粗糙集冲突分析模型的改进

本文在Pawlak冲突系统模型基础上,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,冲突系统中各争端的约束条件和冲突系统的可行方案,得到一个新的基于粗糙集的冲突模型.同时给出一个求解冲突系统的可行方案的算法.最后,用实例说明了新模型的有效性.     

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。     

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.     

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。     

基于粗糙集理论的排污收费优化模型

基于粗糙集理论,建立了排污收费模型。通过评价因素的重要程度和约简因素,确定了模型中各污染源的排污浓度对各控制点污染物浓度的影响权重;考虑了管理者在征收排污税的同时参与了环境治理工作,使得各个控制点在符合污染物浓度控制要求的条件下,得出了理想的排污税,并达到了全社会总成本最低。     

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。