基于Bayes概率边界域的粗集分类方法及其在高频数据中的应用

 作为一种近似处理的工具,粗集主要用于不确定情况下的决策分析,并且不需要任何事先的数据假定。但当前的主流粗集分类方法仍然需要先经过离散化的步骤,这就损失了数值型变量提供的高质量信息。本文对隶属函数重新加以概率定义,并提出了一种基于Bayes概率边界域的粗集分类技术,比较好的解决了当前粗集方法所面临的数值型属性分类的不适应、分类规则不完备等一系列问题。     

基于模糊C均值聚类法和粗糙集理论的评价方法研究

粗糙集理论为处理模糊、不完整、不确定性知识分析提供了一种新的分析理论,更具客观性,其不足之处在于决策表中的值必须是离散值.文章首先介绍了粗糙集理论及其基本概念;然后引入了基于模糊C均值聚类法的连续属性离散化方法,并结合二者提出了一种综合评价方法;最后以20家上市公司作为经验样本,对其财务状况做出了综合评价.     

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。     

MC下基于粗糙集的个性化需求挖掘模型

1粗糙集理论粗糙集理论通过知识或经验将研究对象进行分类,并提供了严格的数学理论方法;粗糙集通过定义不可分辨关系的族集来定义知识,使得知识有了清楚的数学意义。模糊集理论中对象的隶属度函数值不依赖于其他对象,一般是由专家直接给出,因此带有很强的主观意志;粗糙集理论中     

基于粗ART神经网络模型的客户购买行为模式方法

粗糙集理论以对测量所得的数据对象进行分类为基础,从中发现推理知识和数据的某些特点,该理论主要作用在于以不完全信息或知识去处理一些不分明现象的能力,或依据观察、度量得到的某些不精确的结果而进行数据分类.     

粗糙集决策规则置信度的改进定义

粗糙集(Rough Set)理论是一种研究不精确、不确定性知识的工具,由波兰科学家Z.Pawlak于1982年首先提出。粗糙集理论是离散数据推理的一种新方法,它不需任何辅助信息,仅依据数据本身提供的信息就能够在保留关键信息的前提下,对数据进行化简并求得知识的最小表达,从而建立起决策规则,发现给定数据集中隐含的知识。目前,粗糙集方法已经成为数据挖掘应用的主要技术。     

基于灰格运算的变精度粗集模型及规则获取

在包含区间值的灰色信息系统中获取知识以成为当前粗糙集理论研究的热点。本文针对基于灰格运算的灰色粗集模型中存在上近似集过于宽松而下近似集过于严格等不足,提出了一种新的变精度拓展灰色粗集模型。该模型可以看成是灰色粗集模型的一种泛化表现形式。同时,在灰色决策系统中使用新的灰色粗集模型讨论了确定和可能性规则的直接生成方法,并对其的有效性进行了实例分析。     

基于优势关系粗糙集的模糊综合评价的权重确定

文章应用优势关系粗糙集,根据属性的综合优势度计算属性重要度。将属性重要度归一化处理来确定权重的方法克服了传统确定权重的主观性,弥补了经典粗糙集方法确定权重不能很好表达偏好信息的缺点。最后以企业发展能力模糊综合评价的权重确定为例,说明应用优势关系粗糙集确定权重方法是可行的。     

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。     

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。     

基于粗糙集和灰色理论的供应商信用评价

信用评价是企业对供应商管理的重要因素。针对供应商信用评价问题,文章提出了一种基于粗糙集和灰色理论相合的评价方法。利用粗糙集对评价对象的属性进行简约,根据属性重要性原理确定指标的权重,再通过灰色理论对供应商信用进行综合评价。在评价过程中对评价指标体系进行了简约。避免了评价过程中权重确定的主观性。     

粗糙集理论的最新应用

粗糙集理论是一种较新的软计算方法,是分析和处理不完备信息的一种有效工具.结合最新文献分析了粗糙集理论的最新应用情况,并对粗糙集理论今后的研究方向进行了展望.     

基于粗集-层次分析法的薪酬要素权重的确定

文章对粗集理论进行了简单介绍,利用粗糙集理论和层次分析法各自优点,提出了基于基于粗集-层次分析法的薪酬要素权重确定的方法.该方法克服了传统薪酬要素权重确定方法的主观性,使得薪酬要素权重确定兼顾客观性和主观性.最后并通过实例进行了验证.     

一种基于DEA模型的粗集决策方法

将DEA方法引入粗集理论中,提出一种可解决“具有多个决策属性特征”的多投入、多产出问题的方法,建立一种基于DEA的粗集决策模型,并通过研究中国生产力水平的效率问题来验证模型的合理性和有效性,为人们进行科学的决策提供了一种新的思想和方法。     

偏序粗集模型在生态食物链监测中的应用

在经典粗糙集理论基础上,依据偏序关系性质,建立了偏序粗集模型,并以生态系统中的食物链为例,分析了因食物链隐患引起的生态系统失衡现象。模型方法有利于监测人类行为导致的农药污染,生物种数量波动等问题,有助于人们进一步定量地研究生态系统平衡和可持续发展策略。     

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.     

基于相容关系协调下群体意见集结方法

针对多属性群体决策问题中群体偏好一致性达成的问题,文章基于群体判断相容关系的专家意见协调机制,提出了一种新的专家赋权思路.首先定义群体意见的相容关系,专家在对每个方案的各属性的评价基础上进行相容归类;通过专家隶属的意见相容集,依据在各方案指标中的相容程度进行赋权,并对相容程度较低的专家意见进行修正.     

一种基于方案集缩减策略的交互式多属性决策方法

在现实中处理多属性决策问题时,很多决策方法因为只有部分权重信息而不能实现.这类多属性决策问题的方法局限性多,可选择方法少,有效性差.为了解决多属性决策问题中的信息不完善的决策问题,文章定义了综合属性的分配性,在优化的过程中删掉综合属性值被支配的方案,从而得到缩减的X的方案集.在方案缩略集的基础上,将在多目标决策领域问题处理中使用的交互式决策思想引入,用来处理多属性决策问题.该方法的引入可以解决只有部分权重信息的不确定多属性决策问题,并用实例验证了该方法的有效性.     

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.     

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。