基于Rough Set的经济效益综合评价

经济效益的综合评价对经济政策的制定具有重要意义,但目前诸多的综合评价方法在指标体系的选取和权重设置等方面具有较强的主观性。Rough Set理论是一种处理模糊和不确定知识的数学工具,文中根据Rough Set理论,在保持分类能力不变的前提下,对初选的指标进行约简,计算各指标的重要程度,从而确定评价指标体体系及其各自的权重,进而构造了经济效益的综合评价模型,消减了指标体系的规模,消除了权重设置的主观性,能更准确、科学地反映地区经济效益状况。最后对安徽省17个地市的工业经济效益进行了评价,验证了该方法的实用性、可行性。

Risk Analysis Technique on Inconsistent Interview Big Data Based on Rough Set Approach

Rough set theory is relativly new to area of soft computing to handle the uncertain big data efficiently. It also provides a powerful way to calculate the importance degree of vague and uncertain big data to help in decision making. Risk assessment is very important for safe and reliable investment. Risk management involves assessing the risk sources and designing strategies and procedures to mitigate those risks to an acceptable level. In this paper, we emphasize on classification of different types of risk factors and find a simple and effective way to calculate the risk exposure.. The study uses rough set method to classify and judge the safety attributes related to investment policy. The method which based on intelligent knowledge accusation provides an innovative way for risk analysis. From this approach, we are able to calculate the significance of each factor and relative risk exposure based on the original data without assigning the weight subjectively.

一种基于rough集的属性约简的改进算法

目前粗糙集属性约简基本上是通过差别矩阵先求出属性核,然后在属性核的基础上再求出属性约简。这种计算方法具有较高的复杂度。因此提出并分析了属性的加权平均重要性的属性约简算法,该算法可以确保得到决策表的一个约简,且不需要计算核,减少计算量,提高计算速度。以实例验证了算法的正确性。

一种基于粗糙熵的改进K-modes聚类算法

K-modes聚类算法被广泛应用于人工智能、数据挖掘等领域。传统的K-modes聚类算法有不错的聚类效果,但是存在迭代次数多、计算量大、容易受到冗余属性的干扰等问题,且仅采用简单的0-1匹配的方法来定义2个样本属性值之间的距离,没有充分考虑每个属性对聚类结果的影响。针对上述问题,该文将粗糙熵引入K-modes算法。首先利用粗糙集属性约简算法消除冗余属性,确定各属性的重要程度;然后利用粗糙熵确定每个属性的权重,从而定义新的类内距离。将该文所提算法与传统的K-modes聚类算法分别在4组公开数据集上进行对比试验。试验结果表明,该文所提算法聚类准确率比传统的K-modes聚类算法更高。

随机多属性子空间的ReliefF加权邻域粗糙集与属性约简

属性约简是一种重要的数据降维预处理方法,然而现有的属性约简方法大多没有考虑信息系统中属性权重的信息。ReliefF算法是一种实现简单且运算效率高的属性权重评估方法,提出一种随机多属性子空间的ReliefF加权邻域粗糙集和属性约简算法。该方法生成了多组具有相同大小随机子空间的属性集划分,并对每组划分的随机子空间利用ReliefF算法计算得到属性的局部权重,将所有组得到的属性局部权重求取平均值,得到了信息系统每个属性最终的全局权重;基于属性权重的结果,提出一种新的加权邻域粗糙集模型,并证明了相关理论和性质;在该模型的基础上通过加权邻域依赖度提出一种信息系统的属性约简算法。在公开数据集上的属性约简实验结果表明,所提出的属性约简算法比已有的同类型算法整体上具有更优的约简性能。

一种基于信息熵加权的属性约简算法

针对现有邻域粗糙集模型中存在属性权重都相同,无法保证关键属性在属性约简时能够被保留的问题,提出了一种基于信息熵加权的属性约简算法。首先,采用了类间熵、类内熵策略,以最大化类间熵最小化类内熵为原则给属性赋予权重;其次,构造了基于加权邻域关系的加权邻域粗糙集模型;最后,基于依赖关系评估属性子集的重要性,从而实现属性约简。在基于UCI数据集上与其他三种属性约简算法进行对比实验,结果表明,该算法能够有效去除冗余,提高分类精度。

基于粗糙集-逼近理想解排序的辐射源威胁排序方法

将辐射源威胁评估作为多属性决策问题,提出逼近理想解排序(TOPSIS)法与粗糙集(RS)理论相结合的算法,构建一套完备的辐射源威胁等级排序模型,解决在没有先验信息条件下实时定量衡量辐射源威胁程度。针对TOPSIS方法中构造标准化决策矩阵时数据赋权的主观局限,运用粗糙集理论计算评价指标与评判结果的粗糙依赖度,确定评价指标权重,规避主观赋权的片面性。仿真结果与原始数据相符,证明所提方法的有效性,进一步量化威胁程度,有助于更精细准确排序。该方法具有工程实用价值,可以运用于辐射源威胁评估。

优势决策信息系统规则获取方法及应用

鉴于已有优势决策信息系统规则获取方法存在不足,如得到规则较少、规则正确率不高等,定义优势决策辨识集和辨识矩阵,给出优势决策信息系统的属性约简方法;引入基于优势关系的粗糙集方法将对象进行优劣排序,并结合决策属性剔除不合理对象,将不协调优势决策信息系统转化为协调优势决策信息系统;提出协调优势决策信息系统的规则获取方法,该方法符合自然推理过程,直观性强,在充分挖掘系统蕴含信息的基础上,保证了规则的正确性;将该规则获取方法应用于雷达对抗目标威胁评估简单可行,并为解决属性含有"偏好信息"的决策问题提供了新的思路。

直觉模糊粗糙集理论在电网灾害评估中的应用

该文从应对突发事件和灾害造成电网大停电事故的角度,分析自然灾害对电网的影响因素。在此基础上针对电网灾害中影响因素的模糊性、不确定性,建立了应用于电网灾害的评价指标体系。采用基于直觉模糊粗糙集的方法对电网灾害做出及时准确的评估,确定灾害级别,并随着事态的发展调整更新,从而为应急决策提供科学依据。该文利用属性约简,降低灾害属性的冗余度;利用值约简,提取评价规则。以对辽宁省雪灾的评价为例,验证了该评价指标及评价方法的有效性与实用性,并实现了可视化灾害评估系统的设计与开发。该研究对提高电力系统应对自然灾害的应急响应和抗风险能力具有重要意义。

基于模糊粗糙集与改进聚类的神经网络风速预测

提高风电功率预测精度是保障风电场和电力系统安全稳定运行的有效手段。神经网络方法已在风电功率预测中得到了广泛应用,并取得了不错的效果,而网络的输入变量与训练样本对其预测性能有着重要影响。基于此,提出一种基于模糊粗糙集与改进聚类的神经网络风速预测方法。采用模糊粗糙集对影响风电场风速的多种因素进行了属性约简,得到优化了的模型输入及各属性对风速的重要性;采用基于属性重要性的加权欧氏距离对传统聚类进行改进,建立了各聚类预测模型,并提取相似性较高的数据作为训练样本训练各类预测模型,对训练样本实现了优选;根据当前属性值选择匹配的模型对风速进行预测。以华北地区某风电场实际数据为例进行了实验,结果表明该方法能在较少的模型输入下有效地提高预测精度。

土地评价指标体系研究

研究目的:解决土地评价指标体系构建中存在的指标结构不合理和指标冗余等问题。研究方法:以兰州市七里河区农村居民点整理潜力评价作实证研究,引进粗糙集理论的属性约简原理筛选指标,并与相关性检验保留指标对比。研究结果:(1)通过属性约简保留的属性核为人均农村居民点面积(X_1)、人均空闲居民点建设用地面积(X_4)、人均GDP(X_6)、城镇化率(X_9)和民众支持程度(X_(10))5个指标;(2)通过相关性检验,除保留了全部属性约简保留的指标外,还保留了人均未利用地面积(X_5)这一指标;(3)属性约简能识别不相关指标,保留的指标包含于相关性检验保留的指标,表明属性约简保留的指标精简、有效。研究结论:通过属性约简原理筛选指标,为土地评价提供了一种新的手段和途径。

基于粗糙集的指标体系优化及评价方法研究

粗糙集方法能客观、有效地对有限指标数据进行挖掘,通过属性约简剔除冗余指标,并根据属性重要度生成指标权重,系统地探讨了利用粗糙集进行指标体系优化和综合评价的全过程思路及方法,并通过同行评议专家科技信用评价实例,验证了方法的实用性.

基于F-VIKOR的质量改善部件优先级确定

针对汽车企业质量改善过程部件优先级确定问题,提出考虑顾客抱怨的多属性决策方法。利用基于粗糙集的属性约简技术构建评价指标体系,以梯形模糊数表征质量改善过程小组的决策信息,提出改进模糊多准则妥协解排序方法;引入信息熵获取指标权重,通过计算综合效用值函数得出质量改善过程部件优先权排序。通过实例与文献中决策方法的对比分析可知,第一优先改善部件的决策结果高度一致,优于企业现行决策方法;当效用权重变化时最佳选择方案呈现高鲁棒性。

食品安全评价指标设定方法研究

食品安全评价是食品安全监管的一项重要内容,而食品安全评价指标的选定与精简又是食品安全评价工作的重点和难点。针对这一问题,本文采用粗糙集理论,利用可分辨矩阵和正域概念提出了一种精简食品安全评价指标的新方法。该方法在保持原食品安全信息系统分类能力的前提下,通过属性约简方法发现数据中蕴涵的知识模式,精简食品安全评价指标,构建简约明了的食品安全评价体系。实验表明本算法是有效可行的。

家庭用电能效状态模糊综合评估

针对家庭用户用电行为特征及家用电器的使用时间段特性,提出了基于智能用电环境下的家庭用电能效状态模糊综合评估方法。首先建立家庭用电指标体系,然后利用粗糙集属性约简法对指标体系进行筛选优化,最后建立基于递阶综合评价方法的能效评估模型。该模型分为基于特征值法和G1群组法相结合的一级指标评估、基于熵权法的二级指标评估以及最终的综合评估三个层次。经实例验证,该方法能较好地检测和评估家庭能耗情况,有效提高居民用电效率。

基于粗糙集属性约简的评估模型在电力通信网风险评估中的应用及实现

电力通信传输网的安全性直接关系到电力系统的稳定运行。针对风险评估系统指标体系繁杂、评估一次需要时间比较长的问题展开研究,构建了增加属性约简功能的风险评估模型。在初始指标体系的基础上,运用基于重要度的粗糙集属性约简算法得到精简指标体系,然后根据网络节点风险计算流程及模型计算出风险评估结果。实验验证了改进模型能有效地缩短系统评估时间,最后设计实现了电力通信网风险点分析与控制系统。

粗糙集指标简约的装配设计方案模糊评价

为了合理、快速地评价装配设计方案,确保装配实施方案的优良性,提出一种装配设计方案模糊评价方法。首先,在文献调研的基础上提出装配设计方案评价指标体系;然后,通过粗糙集理论利用专家知识对评价指标进行简约,删除冗余指标,保留必要指标,并定义指标的量化方法,并对各评价指标的重要性进行分析,计算出综合评价指标的模糊权重;最后,根据必要评价指标的属性值及相关权重,使用逼近于理想值的方法实现对可行装配设计方案的综合评价,并通过与模糊层次分析法、模糊综合评价法的评价结果对比证明了本方法的正确性。以某企业产品的传动系统装配设计方案评价过程为例验证了该方法的有效性。结果表明,该模糊评价方法对装配设计方案评价结果合理,优选出的方案具有较高的精度和效率。

基于粗糙集的可拓评判权值确定

为了避免传统的权值确定方法所带来的主观性影响,将粗糙集理论引入可拓权重系数的求解过程中,使权系数问题转化为属性重要度评价问题。通过建立决策表并进行知识约简,确定相应的评价指标,利用各评价指标的重要度计算出相应的权值。这种方法可以更好地避免主观因素对权值的影响,使权值更具有客观性。通过实际工程应用,将粗糙集理论确定的权值与关联函数求得的权值进行对比,证明了基于粗糙集的可拓权值是合理可靠的。

基于粗糙集和改进遗传算法优化BP神经网络的算法研究

针对BP神经网络结构由于特征维数增多变得复杂,以及网络易陷入局部极值点,提出了粗糙集和改进遗传算法结合共同优化神经网络的方法。首先利用粗糙集对样本空间进行属性约简,降低特征维数,进而简化BP神经网络的结构;然后训练过程中先用改进的遗传算法全局搜索网络的权值和阀值,再使用BP算法局部搜索细化,避免网络过早收敛。试验分析证明优化后BP神经网络比传统BP网络的预测精度得到了极大提高,泛化能力得到了增强,说明了该方法的可行性、有效性。

基于粗糙集和D-S证据理论的系统安全评估

针对传统安全管理系统不能及时反映整个系统安全状态的问题,提出基于粗糙集和D-S证据理论的系统安全评估方法。利用粗糙集理论的属性约简和属性值约简对评估指标进行优化,获得最简规则。根据决策表中的属性重要性确定证据在粗糙D-S理论合成公式中的权值,以决策表为依据获取基本概率分配,建立系统安全评估模型。实验结果表明,该方法能优化评估指标,获取最简规则,提高安全评估的可靠性。