基于粗神经网络的企业人力资源危机预警研究

通过粗糙集对冗余的指标进行约简,构建一套企业人力资源危机预警指标体系,运用粗糙集与RBF径向基神经网络相结合的方法,对企业人力资源危机进行预警;最后通过实例验证了该方法的可行性和有效性.     

基于粗集规则编码的神经网络控制器设计

利用通过粗糙集产生的控制规则对神经子网络进行编码,用遗传算法独立进化每一个子网络,把进化后的子网络用改进的遗传算法通过适当连接形成最后的神经网络。利用该神经网络进行在线控制,并和PID控制效果相比较,证明了其有效性。     

基于邻域粗糙集神经网络的审计意见预测模型研究

审计意见类型及其预测结果受到企业各利益相关方的高度关注.同时选用财务指标和非财务指标为变量,构建了基于邻域粗糙集神经网络的审计意见预测模型.将领域粗糙集作为BP神经网络的前置系统,在保持分类能力不变的前提下进行指标约简,提取关键指标,再将约简的指标体系作为神经网络模型的输入变量.以2013-2015年沪深A股176家公司数据作为研究样本,采用三种模型进行审计意见预测对比分析,结果表明:本模型预测准确率达到97.06％,与单纯利用神经网络建模或单纯利用财务指标建模的预测效果相比具有更好的预测效果.     

粗糙集—遗传优化神经网络构建与企业财务危机预警研究

基于双重混合神经网络技术的财务危机预警研究是未来财务危机预警理论的重要内容,比如粗糙集与遗传算法双重数据挖掘技术做为基于神经网络的财务危机预警系统的前置装置,优化后模型能有效降低模型训练时间和提高系统的预测精度。     

基于粗糙集和RBF神经网络的分类模型研究

分类是数据挖掘中一个重要的研究领域。针对原始决策表中往往存在大量冗余信息,从而影响决策分类综合性能这一问题,提出了一种基于粗糙集和RBF神经网络的分类模型。该模型在保持训练样本分类质量的情况下,运用属性约简方法对决策表进行约简,得到维数较小的训练样本空间。通过这样确定RBF神经网络输入层变量,优化了网络结构。实例结果表明了该方法的有效性和实用性。     

粗糙集-神经网络在构建企业供应链合作伙伴选择中的应用

如何选择供应链合作伙伴是整个供应链构建的关键所在,现代的供应链管理要求对供应链合作伙伴进行快速准确的评价。针对这个问题,运用粗糙集对影响因素进行约简,实现评价指标体系的重新构建,并在此基础上通过BP神经网络实现对供应链合作伙伴的评价,通过实例分析,取得了较好的效果。     

程度与精度的逻辑差粗糙集模型

基于程度与精度的逻辑差需求,提出了程度与精度的逻辑差粗糙集模型,并定义了粗糙集区域概念。通过变精度近似与程度近似的转化公式,得到了粗糙集区域的基本结构,提出了计算粗糙集区域的常规算法和结构算法,进行了算法分析与比较,探索并得到了模型在决策表中的应用方向。通过该模型拓展了程度粗糙集模型和经典粗糙集模型。     

粗糙人工神经网络在税收预警系统中的应用研究

由于人工神经网络存在一定的问题 ,税收预警系统可以利用粗糙集理论构建一个信息系统 ,借助遗传算法对信息系统进行压缩和约简 ,从而构建一个BP神经网络 ,实践表明 ,这会取得较好的效果。     

制造业上市公司财务危机预警模型研究

运用传统财务指标作为参照标准计算制造业上市公司财务预警,预警结果会出现失真,针对这一不足,把EVA（经济增加值）的概念应用到财务预警计算过程,结合粗糙集的分类决策方法和BP神经网络的反向传播、训练的分析方法,提出一种新的财务危机预警模型,通过部分制造业上市公司财务数据的模拟实验,实验得出的预警信息更加真实、可靠。     

基于RST和SVM的入侵检测系统

结合粗糙集理论和支持向量机的特点,构建了基于粗糙集理论和支持向量机的知识简化系统,针对入侵检测系统进行了研究分析,建立了基于粗糙集理论和支持向量机的入侵检测系统,最后通过仿真实验比较,其结果表明该系统有效改进了以往的入侵检测系统的。     

粗糙集-神经网络集成的WSN节点故障诊断

提出一种粗糙集?神经网络集成的无线传感器网络(WSN)节点故障诊断新方法。根据无线传感器网络的应用环境和故障特征得到诊断决策表,利用改进的粗糙集中的归纳属性约简算法对诊断决策表进行属性约简,用Hamming网络建立一套故障分类的方法。仿真实验结果显示,该诊断算法在进行WSN节点故障诊断时,诊断准确性高,通信代价小,能耗低,鲁棒性高。     

PCNN与粗集理论用于多聚焦图像融合

现有技术不能保证获取图像时,对图像每个位置都具有同样的聚焦效果,这样便产生了多聚焦图像的融合问题,它包括如何进行多聚焦图像像素分类及采取何种融合决策。该文结合脉冲耦合神经网络(PCNN)模型和粗集理论,对该问题进行尝试性研究,提出了一种新的多聚焦图像融合算法。首先计算原始图像的清晰度,将清晰度矩阵送入PCNN进行处理,然后根据粗集理论对原图像像素进行分类处理,最后生成融合图像。仿真结果表明,该算法在一定程度上优于其他传统算法。且具有较好的抗噪性能。     

基于LVQ神经网络模型的企业财务危机预警

LVQ神经网络模型具有很好的模式识别特性，选取148家A股上市公司作为研究样本，构建基于LVQ神经网络的财务危机预警模型，经过训练测试后，该模型具有良好的分类功能。结果表明，利用LVQ网络进行模式识别是合适的。所构建的预警模型能够有效地预测企业的财务危机。     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。     

基于互信息的无线传感器网络节点故障自诊断

故障自诊断和故障监控能提高WSN的可维护性和可靠性,延长WSN节点的使用寿命。该文提出一种无线传感器网络(wireless sensor network,WSN)节点故障自诊断的新方法。首先,可从粗糙集理论中基于互信息的属性约简算法获得故障诊断决策的约简,进而建立一套以属性匹配为核心思想的WSN节点故障自诊断技术,对WSN节点的各个模块分别进行具体的故障诊断和定位。仿真实验表明,该方法在WSN节点中实现故障自诊断时,通信代价小,能耗低,诊断的误判率低。     

粗集神经网络系统及其应用

讨论了粗集神经网络系统及其在心电图自动识别中的应用。根据识别需要,从MIT心电图数据库获取心电图特征参数,根据粗集理论对属性进行优化,并用BP神经网络进行学习。运用这些特征参数和训练好的BP神经网络对心电图进行分类,识别准确率达到90%。     

研究生教育信息化风险评价

在对研究生教育信息化的风险因素进行深入分析的基础上,构建了研究生教育信息化风险评价指标体系.依据评价指标模糊性的特点,将模糊数学与神经网络结合,建立了基于模糊神经网络的风险评价模型.选取12所高校作为实例说明了模糊神经网络评价模型在研究生教育信息化风险评价中的适用性.研究结果表明,该模型具有很好的适用性,网络训练完善后,可广泛应用于研究生教育信息化风险的评价.