基于粗糙集条件信息熵的区域创新驱动能力评价研究——以河南省为例

创新驱动能力是实施创新驱动战略的关键，找出影响创新驱动能力的关键因素显得尤为重要。通过建立创新驱动能力评价指标体系，运用熵值法对各省市2015年创新驱动能力进行评价，在此评价结果的基础上，利用粗糙集条件信息熵方法找出影响区域创新驱动能力的关键因素，为提升区域创新能力提供决策参考。以河南省为例进行实证研究，分析找出制约河南省创新驱动能力的关键因素，为其进一步提升创新驱动能力提供决策参考。     

基于粗糙集理论和VIKOR的工作满意度影响因素分析

将多准则决策方法应用于工作满意度研究，构建了工作满意度影响因素分析模型。结合文献分析和员工访谈确定了重要性、满意度和可改善度三个评价维度，并采用五粒度评价语言；使用粗糙集理论将评价语言对应的具体数值转化为区间数；使用多准则妥协解排序法对工作满意度的影响因素进行排序。以集成电路产业中的某企业为案例进行分析，计算结果表明，股权因素为最需要优先改善的影响因素，符合企业现状，证明了方法的可行性。     

基于粗糙集BP神经网络的房产税基批量评估研究——以广州市为例

自2021年发布《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》以来，提出推进房产税立法，健全地方税体系，从法律层面保证房产税实施。房产税基批量评估作为一项繁难的系统工程，基础数据复杂多样，又需兼顾公平性与效率性。借助大数据和计算机智能能够很好地解决此问题，且评估结果科学准确。本文基于粗糙集理论与BP神经网络构建房产税基批量评估模型，识别并剔除7个对房产税基影响不大的冗余属性，筛选出20个显著特征变量，并通过广州市9 000套二手普通居民住宅交易样本数据进行验证，结果表明，RS-BPANN模型在房产税基批量评估中可以实现低成本、高效率、评估结果科学准确的要求，为研究我国房产税基批量评估提供了一定的思路。