基于BIC的粗糙集择优和属性约简

粗糙集优良性评估标准对粗糙集应用至关重要,目前常用的标准是误判率,在测试集中误判率小的粗糙集并不总是具有最高预测准确度。在引入BIC准则评价粗糙集优良性的基础上,给出基于BIC准则的粗糙集择优方法和基于BIC的粗糙集属性约简方法;利用粗糙集分类规则构建Logistic模型,将拟合Logistic模型的BIC值作为该粗糙集的BIC值,并用于粗糙集优良性评估;实际应用显示:基于BIC的粗糙集择优方法能够筛选出预测高准确度的粗糙集,当多个粗糙集的误判率差异小时,新方法更可能选出预测准确度高的粗糙集,信息熵和BIC组合的属性约简结果更好。     

灰色系统与BP神经网络组合模型及其应用

影响财政收入的因素有很多,各因素之间信息重叠的现象较严重,文章通过逐步回归选择了影响财政收入的几个显著因素.又鉴于灰色系统对小样本数据预测的优良特性,对每个选定的影响因素建立灰色预测GM(1,1)模型,得到各因素2015年、2016年的预测值.运用BP神经网络模型对1995-2014年数据进行训练,将灰色预测得到的预测值代入训练好的网络中,预测出2015年、2016年的安徽省的财政收入.     

一种基于RS-LSSVM的经济景气指数预测模型

为了消除经济景气指数系统中指标冗余及非线性预测困难等问题,文章利用粗糙集约简原理及支持向量机非线性预测特性,提出一种粗糙集与最小二乘支持向量机混合预测模型RS-LSSVM.模型运用粗糙集约简样本数据空间的维数,加快LSSVM的训练速度和模型的精度,又能弥补粗糙集方法在实际应用过程中噪声敏感问题.最后通过我国工业企业景气指数实证分析及与BP神经网络预测相比较,验证了该预测模型的有效性.     

基于粗糙集-CPN网络的客户价值预测

利用人工神经网络与粗糙集理论的优势互补,将粗糙集用于优化客户价值的指标结构,CPN神经网络用于预测,提出并建立一种粗糙集与CPN神经网络相结合的客户价值预测模型,并依此模型进行了实例验证。     

联合风险投资合作伙伴的选择

合作伙伴选择是联合风险投资成功的关键环节.文章分析了主导型风险投资公司选择联合投资合作伙伴的影响因素,将粗糙集理论应用于指标的约简,建立了合作伙伴选择的评价指标体系;运用神经网络法建立合作伙伴选择的评价模型,为联合风险投资选择最佳合作伙伴.将粗糙集理论作为神经网络系统的预处理器,从中挖掘出反应评价指标本质关系的重要属性与伙伴选择知识规则,通过指标的约简提高了神经网络的收敛速度与选择的准确率.最后,实例验证表明,该方法是正确有效的.     

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     

广州市十二五时期劳动力供给总量预测及分析

文章依据劳动人口统计学的有关方法,对广州市劳动力供给总量进行具体预测。预测的步骤为：首先是根据同批人分要素预测方法,预测得到未来各年的劳动适龄人口规模;其次是在劳动适龄人口预测的基础上,再根据参与率的变化和影响因素,给出可能的劳动参与率后,得到最终的劳动供给总量的预测。并根据预测结果进行了问题分析及提出对策建议。     

广州市“十二五”时期劳动力供给总量预测及分析

依据劳动人口统计学的有关方法,对广州市劳动力供给总量进行具体预测。预测的步骤为:首先是根据同批人分要素预测方法,预测得到未来各年的劳动适龄人口规模;其次是在劳动适龄人口预测的基础上,再根据参与率的变化和影响因素,给出可能的劳动参与率后,得到最终的劳动供给总量的预测。并根据预测结果进行了问题分析及提出对策建议。     

Census X12季节调整下的黑龙江零售品销售总额的预测研究

文章在对季节调整方法进行理论总结的基础上,采取Census X12季节调整办法对黑龙江零售品销售总额序列(2003～2008)进行剥离,得到长期趋势TC和季节因素S,并计算出季节因素的影响系数—季节指数;对长期趋势TC序列进行时间序列回归预测季节调整后的2009年1～12月值,再运用季节指数得到2009年1～12月的总序列预测结果;运用配对检验预测得到的2009年1～7月份数据与实际观测值在95%显著性水平下不存在显著差异。     

成本预测系统中的自变量约简方法

文章针对成本预测系统中自变量众多且相互关系错综复杂的特点,提出用模糊粗糙集方法对成本预测系统中的自变量进行约简。在模糊粗糙集方法的框架下,给出了模糊等价关系、不可分辨关系和相对约简的定义,构建了基于模糊粗糙集的成本预测系统自变量约简模型。并且针对实际的成本预测系统一般是混合变量数据系统的情形,对广义差别矩阵的定义进行了改进,并以此设计了相应的启发式约简算法。实例分析结果表明,文中所提的方法较之传统的灰色关联系数法、主成分分析法和偏最小二乘回归法,自变量约简效果最佳,所提方法是科学和有效的。     

基于模糊数和粗糙集的建设项目风险评估

针对受多种不确定性因素综合作用的建设项目风险评估问题,通过相关文献分析,建立了更为全面的风险评估准则体系;基于主观客观相结合的思想,提出了一种确定风险评价指标组合权重的方法,采用三角模糊数处理模糊性信息,并将其与粗糙集理论相融合,构建了建设项目风险评估的三角模糊数和粗糙集(TFN-RST)模型,提高了风险评估的准确性。     

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.     

一种基于粗糙集属性约简的入侵检测算法

文章论述了一种基于粗糙集理论的入侵检测的算法,通过将粗糙集中的属性约简算法用于入侵检测数据的挖掘,建立了基于粗糙集的入侵检测系统模型,并对基于属性频度的约简算法进行了改进,提高了数据挖掘效率,有助于得到简洁高效的数据。     

天然气消费量自组织数据挖掘预测研究

文章通过分析天然气长期消费的影响因素及变化特点,认为天然气消费量和影响因素时间序列均存在一个或多个相似期;运用自组织数据挖掘的相似体合成预测方法构建天然气消费量预测模型,并通过北京地区天然气消费量预测进行模型精度检验,结果验证运用自组织数据挖掘的相似体合成方法进行天然气消费预测是科学可行的。     

一种旅游需求多因素动态粗的预测模型

对旅游业来说,需求是其赖以存在和发展的关键因素.根据游客人数的多少,旅游接待地可相应确定旅游接待服务设施规模,因此对旅游需求进行预测是很重要而且是十分必要的.本文基于粗糙集理论,提出了一种旅游需求多因素动态粗预测模型.     

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。     

基于灰色理论的西安土地利用预测研究

研究土地利用的变化并做好预测,有利于了解土地变化的原因及发展趋势,有利于调整土地利用结构,使土地利用更趋于合理。依据1998—2006年西安土地利用的变化数据,基于灰色关联度模型分析西安土地利用变化的主要影响因素,计算得到人口因素、固定资产投资是影响土地利用结构的主要因素,并在此基础上运用灰色系统预测理论对2009—2011年土地利用进行了预测,得到耕地林地将不断减少、建设用地将迅速增加的结论。     

不完备信息系统下量化容差关系的改进

0引言1982年,波兰科学家Pawlak首次提出粗糙集的概念,粗糙集理论和方法是一种数据分析与推理的有效工具。经过20余年的发展,粗糙集理论在人工智能、数据挖掘、机器学习、医疗诊断、航空航天等众多领域得到广泛关注和应用犤1犦。Pawlak最初提出的基于不可分辩关系的粗糙集理论只     

基于灰系统主成分的话题趋势预测模型

话题趋势预测影响因素众多,为了降低因影响因素多带来的计算复杂度,文章中利用主成分分析将多个可能相关的变量化为几个互不相关的主成分变量,并对这些不相关的变量运用GM(1,1)模型分别进行预测,并将预测之值代入GM(1,N)预测模型中,从而得到灰系统主成分话题预测模型,有效降低了热门话题预测的复杂度,最后实证了方法的可行性。     

基于粗糙集的组合预测方法在粮食产量预测中的应用

粮食产量是国民经济发展一项重要指标,对粮食产量的预测,目前多采用组合预测的方法.在组合预测中单一预测模型的选择和组合系数的确定是两个至关重要的问题,本文基于粗糙集理论构建了一种新的组合预测模型,这种方法计算简单,无需建立数学模型,完全通过数据驱动.算例显示这种方法不但明显优于传统的最优组合预测方法,还优于先进的神经网络组合模型,在实际的粮食产量预测问题中有着广泛的应用前景.