基于战略转换的企业战略风险预警模型研究

将粗糙集理论与神经网络相结合,构建了基于战略转换的企业战略风险预警模型。该模型首先运用基于信息熵与MDV函数的模糊聚类算法进行连续属性离散化,然后采用粗糙集理论约简出重要指标体系,最后采用BP神经网络进行学习和训练,进而对检验样本的风险等级进行判断。实证分析表明：基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果;添加动量因子的改进BP算法提高了网络学习效率,且该预警模型对检验样本的总体预测精度较高,是一种有效和实用的战略风险预警工具。     

基于粗糙集和神经网络的供应商决策选择研究

本文提出了一种基于粗集理论与神经网络相结合的供应商优化选择新方法.首先利用粗集理论对供应商原始指标决策表进行一致性属性约简,然后借助神经网络强大的学习能力对决策表进行自学习,完成属性的不一致约简,最后再由粗糙集对其进行值约简,得到最终的供应商优化选择决策规则,并给出了相应的算法.最后通过实例说明该方法的有效可行性.     

粗糙集值约简算法研究与应用

本文介绍了数据挖掘和粗糙集的理论,并对粗糙集值约简算法做了研究。该算法通过对信息表条件属性的考察,比较去除该属性后的两条记录是否冲突,重复,实现了去除信息表中的冗余属性值,对信息表进行值约简的目的。在粗糙集值约简理论的基础上,本文以C++Builder6.0作为开发平台,通过对信息表测试,分析、验证,证明其结果是正确的,最后将该算法应用到医疗病人感染数据库中,实现了对医疗病人感染数据库表的值约简。     

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。     

基于可辨识矩阵的不完备模糊目标信息系统的属性约简

粗糙集理论是用来解决不确定性的新的数学工具,其中属性的约简是粗糙集理论中一个重要的研究课题.J.W.Guan等提出了信息系统下的矩阵算法.本文则是把这种算法推广到信息不完备并且目标是模糊的领域.通过容差关系的上近似集和下近似集重新设计了算法,最后用实例验证算法了算法的可行性.     

基于蚁群算法的成本敏感线性集成多分类器的客户流失研究

针对电信客户流失预测问题的复杂性,融合自组织神经网络良好的连续属性值离散化优势、粗糙集理论出色的属性约简功能和蚁群优化算法全局的随机搜索特点,在模型集成技术和成本敏感学习理论的基础上,提出了一种新的基于蚁群算法的成本敏感线性集成多分类器的电信客户流失预测模型。构建该集成模型可分为4个阶段:(1)连续属性值的离散处理:利用自组织神经网络对连续属性值进行非监督离散化处理;(2)原始属性集的约简处理:使用粗糙集理论按属性重要性原则对离散属性进行约简;(3)子分类器的建立:分别使用NaiveBayes、Logistic回归、多层感知器和决策树等4种差异性很大的分类技术在约简属性集上建立4个对应的客户流失预测子分类器;(4)子分类器的集成:基于成本敏感学习理论,构建了4种不同的线性集成模型,采用蚁群优化算法求解集成模型的最优线性组合权重系数。将该模型应用于某电信客户流失预测,其实验结果表明该集成方法是可行且有效的。     

基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究

针对电信客户流失问题的复杂性,融合粗糙集理论、神经网络和蜂群算法的优势,提出了一种新的客户流失预测模型——基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。首先利用自组织神经网络(SOM)对连续属性值进行非监督离散化处理;接着使用粗糙集方法(RS)对离散属性进行约简;然后分别使用BP神经网络、RBF神经网络、ELMAN神经网络和广义回归神经网络(GRNN)在约简属性集上建立4个子分类器;最后使用模型集成法对4个子分类器进行线性集成,并采用人工蜂群(ABC)算法优化线性组合的权重。将该模型应用于某电信客户流失,实验结果表明该集成方法是可行且有效的。     

一种基于VPRS的IT项目投标风险要素评价方法

变精度粗糙集模型允许有一定程度的错误分类率存在,利用这种特性可以有效消除投标风险信息系统中的数据噪声,提高风险要素评价的精度.结合层次分析法中判断矩阵方法提出一种基于变精度粗糙集的评价IT项目投标风险要素重要度的算法.首先,由专家对各要素风险程度打分,建立决策表;其次,利用变精度粗糙集属性依赖度求得属性间的相对重要性来构造判断矩阵;最后,确定各要素的综合重要度,并排序.     

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.     

A Study to Improve the Method of Ascertaining Attribute Weight Based on Rough Sets Theory

There are some shortages to ascertain attribute weight based on rough set in current studies. In this paper, attrib- ute importance represented by rough set is studied deeply. Aiming at the existing problems, algebra presentation of rough sets is proved to be more comprehensive than its information presentation, then a new method of ascertaining attribute weigh is put forward based on rough set conditional entropy. Finally, it is shown that the new method is more reasonable than the old one by an example.     

A heuristic approximation algorithm of minimum dominating set based on rough set theory

The minimum dominating set of graph has been widely used in many fields, but its solution is NP-hard. The complexity and approximation accuracy of existing algorithms need to be improved. In this paper, we introduce rough set theory to solve the dominating set of undirected graph. First, the adjacency matrix of undirected graph is used to establish an induced decision table, and the minimum dominating set of undirected graph is equivalent to the minimum attribute reduction of its induced decision table. Second, based on rough set theory, the significance of attributes (i.e., vertices) based on the approximate quality is defined in induced decision table, and a heuristic approximation algorithm of minimum dominating set is designed by using the significance of attributes (i.e., vertices) as heuristic information. This algorithm uses forward and backward search mechanism, which not only ensures to find a minimal dominating set, but also improves the approximation accuracy of minimum dominating set. In addition, a cumulative strategy is used to calculate the positive region of induced decision table, which effectively reduces the computational complexity. Finally, the experimental results on public datasets show that our algorithm has obvious advantages in running time and approximation accuracy of the minimum dominating set.

     

动态信息系统中一种基于条件熵的核属性计算方法

针对动态信息系统中新增和退出对象集的情况,在信息观下提出了一种基于条件熵的核属性计算方法。先分别讨论仅有对象集进入、仅有对象集退出以及以上两种情形同时存在下条件熵的变化机制。由条件熵变化机制,通过构造支持度矩阵和增量矩阵方式将新增或者退出的对象集一并参与比较计算,快速求得条件熵,进而获得核属性。最后,由实例分析验证该方法的有效性。     

一种基于方差最大化的组合赋权评价方法及其应用

粗糙集权重确定方法利用属性重要度来确定属性的客观权重,这种方法克服了权重确定过分依赖专家经验知识的不足,但也忽略了各属性指标本身的重要性问题。本文将粗糙集权重确定方法与专家主观赋权的层次分析法相结合,基于方差最大化的原理提出了一种主客观组合赋权方法。粗糙集结合主观层次分析法的组合权重很好地将两者的优点有效结合,同时方差最大化原理也对传统组合权重确定方法进行了改进,使得权重的确定更加合理,更能有助于决策者做出决策。最后,用一个算例应用证明了该种组合赋权决策方法的可行性。     

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。     

Signal Orderings Based on Dispersion and the Supply of Private Information in Auctions

This paper provides a novel approach to ordering signals based on the property that more informative signals lead to greater variability of conditional expectations. We define two nested information criteria (supermodular precision and integral precision) by combining this approach with two variability orders (dispersive and convex orders). We relate precision criteria with orderings based on the value of information to a decision maker. We then use precision to study the incentives of an auctioneer to supply private information. Using integral precision, we obtain two results: (i) a more precise signal yields a more efficient allocation; (ii) the auctioneer provides less than the efficient level of information. Supermodular precision allows us to extend the previous analysis to the case in which supplying information is costly and to obtain an additional finding; (iii) there is a complementarity between information and competition, so that both the socially efficient and the auctioneer's optimal choice of precision increase with the number of bidders.