绿色消费对企业产品战略的引致机制分析

将企业产品作为"环境属性"和"功能属性"的组合,建立数理模型,推导了企业采用水平差异化、垂直差异化和专业化产品战略的理论条件,并对企业采用不同战略时的产品属性特征值进行比较。结果表明,企业产品战略选择是由细分市场相对规模、消费者环境支付意愿以及产品生产成本等因素决定;只有当企业选择水平差异化战略时,其产品属性特征值才符合社会最优效率标准,在垂直差异化和专业化战略下,都存在社会效率损失。     

基于SVM和粗糙集理论的董事会效率评价研究

本文构建了影响董事会效率的指标体系,并首次采用支持向量机方法(SVM)建立了董事会效率评价的五级分类模型,通过粗糙集理论的属性约简方法来确定最优的输入指标组合.实验结果表明,本文建立的董事会效率评价模型的判别精度要优于已有模型,而通过对惩罚矩阵的合理调整,模型的判别精度可以进一步提高.     

粗糙集在汽车企业竞争力评价体系中的应用

试图利用粗糙集理论在属性约简方面的强大功能，采用粗糙集方法对汽车企业竞争力评价指标体系进行筛选。     

基于属性的价值系数计算研究与应用

根据产品功能和价值的实质,论证了传统产品价值系数计算的片面性,提出了基于产品属性的价值系数计算方法。该方法包括七类属性的功能系数计算方法、根据产品属性与功能零部件相关度计算属性成本的方法和以目标成本为基础的成本系数计算方法,为企业进行产品价值提升决策提供一定的依据。     

企业投入要素和产品产量的优化组合研究

企业投入要素及产品产量优化组合决策是企业决策的重要组成部分。本文通过对企业产品的需求量和投入要素的最优组合分析,得出了投入要素的最优组合条件;并通过实例对建立产品产量的最优组合数学模型进行了探讨。     

基于粗糙集和模糊聚类方法的属性约简算法

在基于粗糙集的属性约简算法中引入模糊等价关系的一种新的度量方法,重新定义了高维数据中的属性重要度,提出了一个结合粗糙集和模糊聚类方法的属性约简算法,并通过实验得到了用户满意的属性约简结果。     

基于粗糙集的决策表最小化方法研究

本文介绍了粗糙集的基本理论,及基于粗糙集的知识获取理论模型,并运用这一模型对企业人才引进案例进行分析,通过决策表约简,剔除冗余属性、消除过剩规则,最后得出了属性约简的最小化结果以及决策规则。     

粗糙集属性约简算法综述

属性约简是粗糙集理论中最核心的问题。文章阐述了基于信息熵、可辨识矩阵、遗传算法、Johnson等粗糙集属性约简算法流程,指出了粗糙集属性约简算法的现有问题及发展趋势,促进粗糙集属性约简的研究进一步发展。     

一种基于变精度粗糙集模型的数据挖掘方法

通过分析Pawlak粗糙集模型在数据挖掘中应用的局限性,提出了一种基于变精度粗糙集模型的数据挖掘方法。在数据挖掘中采用变精度粗糙集方法对胶合板缺陷数据进行属性约简和规则提取,并将所得规则用于分类。结果表明:变精度粗糙集改进了Pawlak粗糙集的不足,具有更高的可靠性和鲁棒性。     

加权粗糙集算法的PDA图书馆最优选书策略

针对标准贝叶斯网络模型在PDA图书馆选书分析的应用中表现出误差较大的问题,本文提出了一种基于加权粗糙集优化贝叶斯网络的PDA选书模型,首先采用粗糙集的方式,重构属性集合,用新的属性集合代替原来的属性集合,然后采用属性序描述方法,这样得到的约简后的条件属性将按照对决策属性影响逐渐减小的顺序依次排列,为了减小此缺陷的影响,采用加权的方式对基于粗糙集的贝叶斯模型进行改进。仿真试验结果表明,基于加权粗糙集优化贝叶斯网络的PDA选书系统功能完善,并且通过实际选书案例证明其选书精确性较高。     

电子供应链环境的供应商绩效评价模型研究

总结了传统供应商评价方法的优势和缺陷,提出了一个能够适应电子供应链环境的供应商绩效评价模型。该模型利用平衡记分卡(BSC)思想建立评价结构,同时使用关键绩效指标(KPI)确定评价标准。选择粗糙集方法解决筛选各层次指标以及确定权重的问题,并且对供应商进行综合评价。最后,通过一个实际案例证实了该评价模型的实用性和有效性。     

基于GASA和粗糙集的BT项目投资方融资方案选择研究

构建一套适用于"建设-移交"(BT)项目投资方的融资方案指标评审体系,探讨设计一种基于粗糙集理论的融资方案选择方法。通过遗传模拟退火方法对数据进行离散化处理,利用粗糙集和条件信息熵的方法计算指标评审体系中属性的权重,将求得权重代入传统的灰色关联分析评价法中计算加权灰色关联度,同时改良了灰色关联分析法的准确性,实现遗传模拟退火、粗糙集、灰色关联分析等理论的良好耦合。     

A weighted ML-KNN based on discernibility of attributes to heterogeneous sample pairs

As a well-known multi-label classification method, the performance of ML-KNN may be affected by the uncertainty knowledge from samples. The rough set theory acts as an effective tool for data uncertainty analysis, which can identify the samples easy to cause misclassification in the learning process. In this paper, a hybrid framework by fusing rough sets with ML-KNN for multi-label learning is proposed, whose main idea is to depict easy misclassified samples by rough sets and to measure the discernibility of attributes for such samples. First, a rough set model titled NRFD_RS based on neighborhood relations and fuzzy decisions is proposed for multi-label data to find the heterogeneous sample pairs generated from the boundary regions of each label. Then, the weight of an attribute is defined by evaluating its discernibility to those heterogeneous sample pairs. Finally, a weighted HEOM distance is reconstructed and utilized to ML-KNN. Comprehensive experimental results with fourteen public multi-label data sets, including ten regular-scale and four larger-scale data sets, verify the effectiveness of the proposed framework relative to several state-of-the-art multi-label classification methods.     

基于粗糙集和DEA方法的低碳经济评价模型

将粗糙集理论和DEA方法引入到低碳经济评价中,建立基于DEA模型的低碳经济投入—产出指标体系。选取投入产出指标作为条件属性,选取DEA效率评价指标作为决策属性,通过粗糙集理论对投入产出属性进行约简,得到低碳经济DEA模型的关键属性,并进行规则挖掘。利用我国30个地区的低碳经济数据对模型的合理性和有效性进行验证。     

基于因子分析和主成分分析的粗集决策方法

考虑到实际经济管理信息系统中属性的冗余性和决策属性难以获得的困难,将粗集理论引入到因子分析和主成分分析中,首先利用因子分析对指标进行降维,然后利用主成分分析计算综合评价值来构造信息系统的决策属性,进而提出一种基于因子分析和主成分分析的粗集决策方法,并通过粗集理论来获取系统中的有用信息。最终,实证分析验证了本方法的有效性和合理性。     

基于粗集证据理论的多属性决策方法研究

将粗集和证据理论相结合应用到多属性决策评价中，证据理论应用中会存在“焦元”爆炸问题，我们采用基于粗集特征属性约简的办法在保证分类质量不变的情况下，一方面削减了证据之间的相关性．尽可能采用少的属性对决策问题进行评价，防止发生“焦元”爆炸；另一方面能够从决策表蕴含的信息中得出各属性的权重，避免专家赋权的主观性。以配送中心选址问题为例证明了此方法是可行的、有效的。     

基于主从决策表的自助行李托运流程控制算法

针对航空运输中旅客行李在自助托运系统中的检测和传输控制问题,提出了一种基于有限状态机和粗糙集相结合的流程控制方法。首先根据托运行李的各个阶段进行行李状态的划分,以检测传感器作为转换条件,传输动作作为转换动作,建立系统的有限状态机模型。而后将状态和转换条件作为条件属性,动作作为决策属性,生成系统控制决策表。最后,基于粗糙集方法将决策表分解并约简得到精简子决策表,从而简化了行李的检测和传输的控制复杂度。实验验证了该算法在自助行李托运系统中的实时性和有效性。     

基于粗糙集理论的工程项目投标报价风险分析方法研究

针对工程项目投标过程中的风险因素分析,基于粗糙集理论给出了投标报价风险分析的知识表达系统,并运用粗糙集理论和方法对投标报价风险决策表的属性和属性值进行约简,得出投标报价风险决策的最小决策表,使决策者对工程项目的投标报价风险决策能进行有效的分析,产生合理的决策方案,提高中标概率。     

基于分层线性模型的质量管理实践对新产品开发的影响研究

在现有研究的基础上,借助相关理论,构建质量管理与新产品开发的关系模型,并进行验证,提出将人的因素融入新产品开发的质量管理中,从认知和员工行为的视角,研究和实施新产品开发的质量管理,对完善质量管理的相关研究具有理论价值。     

基于相容粗糙集的BP神经网络湿地覆被信息提取——以双台子河口湿地为例

BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。