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。     

基于模糊分类计算的投资风险评估数学模型

针对传统风险估计模型,由于需采用学习算法调整模型参数,物理含义不明确,形势复杂,无法有效实现投资风险评估,提出一种基于模糊分类计算的投资风险评估数学模型,分析了模糊分类算法的一般形式及约束条件,通过拉格朗日乘法建立最小化的目标函数,获取最优解的必要条件。对决策表中通过条件属性获取的决策表进行过滤,删除简化决策表中的冗余样本,获取决策规则。分析了模糊推理过程。形成初步的风险分担方案,获取与之对应的收益,通过实际风险收益和最佳风险收益的偏离程度反映项目的风险程度,确定各指标权重,对风险综合指标值进行计算,给出投资风险分级评价标准。仿真实验结果表明,所提模型具有很高的可行性和可靠性。     

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。     

不完备数值型决策表的邻域粗糙集属性约简算法

邻域粗糙集理论是粒计算的重要内容之一。现有的邻域粗糙集属性约简是在完备数据表上进行,不能处理含有属性值缺失的情况。为此,本文提出了一个不完备数值型决策表的邻域粗糙集属性约简算法。我们通过定义对象间的不一致相似度,来处理缺失属性值间的邻域距离。根据下近似集的变化程度,定义了一个属性重要度,并以此为启发信息设计属性约简算法。通过实验,说明了该算法对不完备数值型决策表进行邻域粗糙集属性约简是可行的。     

基于相似矩阵的连续域决策表属性约简算法

把模糊集和粗糙集结合起来,对连续域决策表属性约简算法进行了研究.首先,使用三角隶属度函数将连续属性值转化为模糊值;然后定义了两模糊对象间的相似度、模糊对象的相似类以及连续属性在对象集上划分所形成的相似类集组成的特征向量;给出了连续型属性的数字特征向量,并以此为基础建立了连续属性间的相似矩阵;最后,提出了一个新的属性约简算法,并用实例进行了验证.     

粗糙集理论在变压器故障诊断专家系统中的应用研究

在传统的变压器故障诊断专家系统的基础上，为解决专家系统较难获取完备知识的瓶颈问题，提出了一种基于粗糙集理论的故障诊断专家系统。该系统从历史故障数据所形成的决策表出发，运用粗糙集理论进行约简，构建专家系统知识库模型。通过计算诊断规则粗糙度，确定诊断规则的置信程度。利用推理机和故障事例库，实现对知识库的动态维护。     

基于邻域粗糙集和神经网络的财务预警研究

利用邻域粗糙集对属性进行约简,得到由财务指标和非财务指标构成的预警指标体系。将其作为神经网络的输入变量对我国上市公司财务状况进行预测。实证研究表明,模型能有效剔除冗余信息,避免传统粗糙集模型因数值离散化带来的信息丢失。在大大缩短训练时间的同时,模型的预测精度达91.7%,高于同等条件下神经网络模型、Logistic模型。     

基于粗糙集的决策树旅游景点信用评估模型的设计与实现

旅游景点信用评估是一种典型的分类问题,本文概述了粗糙集和决策树的理论,基于这两种理论,提出了一个基于数据挖掘粗糙集理论与决策树分类技术相结合的信用评估方法来建立旅行景点的信用评估模型,利用粗糙集的知识约简的概念,对样本数据进行预处理,去除冗余属性对分类模型的影响,然后用决策树方法建立分类模型。最后通过Pawlak重要度的属性约简算法和ID3决策树算法实现了该模型。     

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。