基于粗糙集理论的城市群物流业核心竞争力评价

采用粗糙集理论及算法,对影响城市群物流业核心竞争力的诸多要素经过两次筛选,确定合理的指标体系,经过指标权重计算,利用构建的评价模型,最终确定城市群核心竞争力的强弱,以此可以为城市群中有关城市提高物流业核心竞争力提供参考依据。通过案例计算验证了本方法的有效性和可行性。     

基于粗糙集和模糊灰关联聚类分析的供应商评价研究

供应商评价是选择好的供应商的前提条件。在分析现有的供应商评价方法的基础上,本文构建了供应商综合实力的评价指标体系,提出一种基于粗糙集和模糊灰关联聚类分析相结合的综合评价模型,使得评价的结果更为客观、科学、准确。最后用一个算例说明此种评价方法在供应商评价选择中的具体应用。     

基于相继故障的集群协同创新网络风险评价研究

在集群协同创新网络发展过程中,如何有效防范和管控由网络动态级联效应产生的网络风险,实现集群协同创新网络稳固发展是值得深入研究的议题。首先,从相继故障理论视角构建协同创新网络风险评价体系,然后,基于粗糙集理论确定属性权重方法,构建了集群协同创新网络风险评价模型,并通过大连高新技术园区软件产业集群协同创新网络案例对评价模型进行了分析与验证。     

基于粗糙集理论的公路工程建设项目风险管理体系初探

对公路工程项目风险管理方法作了介绍,建立了公路工程项目风险管理的组织机制、分析机制、风险评价指标体系,给出了基于粗糙集理论的公路工程项目风险评价模型,并提出了公路工程项目风险防范及控制措施。     

广西电网节能发电调度优化研究

随着电力体制改革的逐步深入,中国电力供需形势发生很大变化,为电力行业深化发电调度方式的改革奠定了基础。广西电网处于南方联网的枢纽位置,实施发电节能调度意义重大。粗糙集理论及其研究的基本思想是通过案例库的条件特征变量将案例库分类而形成概念,并通过生成的概念去研究目标特征,从而得到关联规则。将粗糙集模型应用到广西电网的发电节能调度优化研究过程中,为同行业提供了一种可借鉴的思路与方法。     

基于粗糙遗传BP网络的震害损失评估模型研究

当今社会各种城市自然灾害频繁出现,灾害强度日趋加重,时刻威胁着地球上生存的人类,尤其威胁着人口密集的城市,正是由于灾害带来的破坏性,城市自然灾害损失评估具有其重大的意义。论文的核心是将数据挖掘技术中的粗糙集理论、遗传算法和神经网络相结合,尝试解决震害损失评估问题。该方法主要利用粗糙集软件Rosetta,及Matlab软件中的神经网络和遗传算法工具箱,建立了粗糙集对数据前置预处理,遗传算法优化神经网络初始权值、阈值从而利用网络进行预测评估的模型,并通过实例验证其可行。     

基于RS-LSSVM制造业上市公司财务危机预警模型

针对制造业上市公司财务危机影响因素多、 各影响因素之间相互关联、 样本信息采集困难等问题, 本文结合财务危机理论构建了上市公司财务危机影响因素指标体系, 基于粗糙集理论融合最小二乘支持向量机方法, 提出了制造业上市公司财务危机预警模型, 预警了未来 ３ 年的财务危机情形, 对比了该模型与传统的最小二乘支持向量机的预测效果。 结果表明, 粗糙集融合最小二乘支持向量机能够有效提高预警效率, 反映各控制因素对上市公司财务危机的影响, 计算结果与样本值拟合精度较高, 满足实际应用要求。     

第四方共享物流解决方案综合评价分析方法——基于香农熵与变精度粗糙集

传统共享物流服务模式主要关注供应链局部环节物流设施设备的共用共享,所得出的往往是相对于供应链端到端视角的局部最优解。从全局优化角度寻找能够满足终端客户时效、经济、质量目标要求的共享物流解决方案,对实现供应链服务各参与方利益最大化具有重要价值。为避免先验知识与主观因素影响,确保共享物流解决方案选择的客观性,有效指导货主、收货人和物流服务提供商实现多赢,可从第四方物流视角出发,构建共享物流端到端多因素评价指标体系,进而基于变精度粗糙集、香农熵和遗传算法进行端到端共享物流解决方案综合评价分析。案例研究结果显示,在一级指标中,仓储运输资源整合共享能力、服务可靠性及一致性、国际化及智慧化水平的相对重要性程度更高;在二级指标中,跨主体物流系统集成能力、为客户提供增值服务的能力、可使用的仓储资源等相对重要性程度更高。为制定适合企业需要的共享物流解决方案,相关货主企业可利用上述综合评价模型和算法编制大数据分析软件,并结合不同物流服务提供商的时间序列数据和截面数据,对各潜在物流服务提供商综合能力进行评价,对有效决策规则进行筛选和挖掘。     

粗糙集理论在银行经营绩效评价中的应用

本文首先从赢利性水平、安全性水平、流动能力和后续发展能力四个方面建立商业银行经营绩效评价体系;其次根据粗糙集理论构建评价模型,将模型输出的客观权重与专家的主观评价值相结合,并将所得的综合评价值应用于商业银行经营绩效,取得了令人满意的结果,克服了以往各种定权法所存在的过于主观的弊端,使评价结果更具说服力.     

资产风险预警的神经网络技术实现

本文采用美元指数自1973年的日数据进行研究。首先,构造了一个衡量价格波动的函数,在此函数异常波动时,往往就预示看价格将要发生变动;然后,刮用基于遗传算法的神经网络构建资产价格异常波动预警系统。在神经网络的训练过程中,利用粗糙集时训练样本进行了约简,提高了训练效果。结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路。