变精度优势粗糙集属性约简择优算法

以从多个粗糙集属性约简中选择最优的约简为目的,分析了作为度量工具的现有条件信息熵在应用过程中的缺陷.借鉴变精度粗糙集理论的思想,在对阈值参数进行二次选择的基础上,提出一种新的条件信息熵.基于新的条件信息熵设计了一种变精度优势粗糙集属性约简的择优算法,克服了现有条件信息熵的不足.理论分析和实践结果均表明了所设计算法的有效性.     

粗糙集在教学质量评价中的应用

粗糙集不依赖于数据集之外的附加信息,是处理含有噪声、不精确、不完整数据的有力工具,是一种新的数据挖掘技术.首先,本文介绍了粗糙集理论和决策表约简算法,然后采用粗糙集数据挖掘技术对多指标教学质量进行评价,挖掘出数据背后隐含的规则.     

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β-δ0粗糙集模型的属性约简算法

本文针对经典粗糙集模型存在的对噪音数据敏感等缺陷,提出了基于隶属度和特征距离的β-δ0拓展模型,该模型不仅能够处理含有噪音的不完全、不精确信息系统,其结果也能反映大量数据所满足的统计规律;针对β-δ0拓展模型,提出了一种基于属性上下文敏感度的启发式属性约简算法.     

一种基于粗糙集理论的规则获取算法

获取规则是数据挖掘中的一项重要技术 ,根据粗糙集理论及决策值归纳函数的概念 ,可以把不相容的决策系统转化为相容的决策系统 ,并提出规则参数的合并方法 .在此基础上 ,利用决策矩阵和决策函数 ,提出了一种在决策系统中获取规则的算法 .同传统的算法相比 ,该算法得出的规则集没有信息丢失的现象发生 .最后以例子作了说明 .     

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.     

基于粗糙集的研究性学习的评价

本文利用粗糙集理论来构建研究性学习评价系统,在研究了研究性学习评价的粗糙集描述问题的基础上,给出了研究性学习评价的粗糙集属性决策规则和界定方法,建立了粗糙集约简算法。最后通过实例验证了该方法应用于研究性学习评价的有效性。     

模糊粗糙集中综合评价的属性约简和规则获取

传统的评价方法在进行评价之前没有进行属性约简,并且对新样本的评价过程过于复杂.鉴于此,运用(S,T)模糊粗糙集对综合评价中的属性约简和规则获取进行了研究,通过属性约简精简评价指标,通过规则获取来简化新样本的评价过程,为新样本的评价提供了一种全新的方法.最后以一个综合评价实例来演示如何进行属性约简和规则获取.     

粗糙集理论及其发展

粗糙集理论以其出色的处理模糊和不确定知识的能力,在数据挖掘领域占据了越来越重要的地位。文章首先描述了粗糙集理论的核心思想,接着介绍了粗糙集理论在不完备信息系统领域的扩充,最后论述了粗糙集理论的应用发展以及未来的研究方向。     

一种基于粗糙集的小型电子商务挖掘模型

已有的数据挖掘模型大多是针对大型商务网站设计的,成本高,技术复杂,难于实现。本文针对为数众多的小型电子商务网站,将粗糙集与数据挖掘结合起来,建立了一个切实可行的参考模型,该模型能够有效地、自主地挖掘电子商务网站的运营状况和潜在的经济规律,从而为小型电子商务运营者提供决策参考。     

基于可变精度粗糙集的新兴技术企业信用风险识别

针对新兴技术企业信用风险评估的必要性和现有评估方法仅局限于财务指标且指标之间高度相关的缺点,借鉴了可变精度粗糙集（VPRS）模型具有噪声数据的强适应能力和强抗干扰能力的优点,提出了一类基于VPRS的新兴技术企业信用风险识别方法,并用已上市的部分新兴技术企业对其进行实证检验,检验结果表明了该方法具有较好的识别能力。该方法首先运用VPRS理论的最新研究成果,并借助于粗糙集分析软件ROSETYA,对由训练样本组成的数据关系表进行数据补缺、离散化及属性的β约简等处理,从而导出识别规则,形成识别规则库;然后集成二叉树构建一类新兴技术企业信用风险识别方法;最后用测试样本对方法的识别精度进行检验。     

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.     

风险偏好与属性约简在决策问题中的应用研究

将决策者风险偏好与属性约简算法应用到具有大量属性的决策问题,提出先对决策者分类再进行决策的策略． 根据决策者的风险偏好特征将其分为风险规避型、风险中立型、风险偏好型,针对不同类型的决策者分别采取相应的算法,提取有效属性并利用有效属性进行决策; 针对不同风险偏好的决策者,提出相应的风险偏好预期规则; 提出基于优势关系辨析矩阵的属性赋权算法及基于属性值优势度矩阵的进行信息融合与排序算法; 最后通过属性值为实数与区间数的两个实际案例表明该算法的科学合理性．     

粗糙集理论在创新方法知识库设计中的应用

本文首先介绍了粗糙集理论的基本知识。然后在创新方法分类、创新方法筛选等已有成果的基础上,以创新方法为对象,以粗糙集理论为理论基础,利用粗糙集属性约简算法等理论,根据用户对创新方法知识库的检索要求,删除创新方法知识库中冗余的知识,最终高效率的发现用户想要的结果。     

基于信息粒度的属性约简改进算法在企业竞争力指标体系构建中的应用

依据信息粒度理论，提出一种对数据属性进行约简的改进算法，对该算法进行分析，并将其应用于企业竞争力指标体系的构建，精炼了评价指标，提高了评价的可操作性和科学性。     

模糊规则插值法在约简模糊系统中的应用

本文讨论模糊规则插值法及其在简化模糊决策系统中的应用.在稀疏模糊规则库中,可以利用模糊规则插值法实现模糊推理.而利用模糊插值法进行模糊规则库的约简,则是在规则库中发现一些规则,它们能由其它规则通过插值机制近似表示,这些规则是冗余的规则,可以从规则中去除.     

基于粗糙集理论的财务危机预警研究

本文针对财务危机预警中财务比率数量较多时计算量较大的问题,提出了基于粗糙集理论的财务危机预警模型,将财务比率分别作为条件属性,将企业所处的状态作为决策属性,从而构成一个财务预警决策系统.通过对决策表的属性约简和规则约简,得到决策系统的最小决策规则,从而实现财务危机预警.测试结果表明,该方法的预警结果正确、有效.     

奇异值分解在重构模糊决策系统规则库中的应用

利用SVD技术重构PSG模糊规则库,降低规则的数量。根据矩阵奇异值的性质,适当取舍模糊规则库后件矩阵Ω的奇异值,得到Ω的近似表示Ω,利用Ω重新构建规则库,新规则库的输入变量域的维数比原规则库的维数小,从而有效地降低了模糊规则数。仿真结果证明了该方法是有效的。     

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.