基于属性约简与AHP法的卷烟消费市场综合评价研究

本文运用模型对贵州省卷烟消费市场进行综合评价研究。首先运用粗糙集属性约简算法进行初始指标筛选,继而运用层次分析法构建评价指标体系,获取各指标权重并计算综合评价值,得出贵州省卷烟消费市场的地区差异划分。该应用实例表明两种方法相结合将提高综合评价的准确性。     

海外石油工程项目风险评价

海外石油工程项目风险因素多且复杂,为实现海外石油工程风险的有效评价,以海外石油工程项目为研究对象,利用粗糙集理论约简风险因素,并采用突变理论构建海外石油工程项目风险评价模型,然后将该方法应用于中石油的P海外石油工程项目风险评价。结果表明,P项目风险等级为严重风险。基于粗糙集理论和突变理论的海外石油工程项目风险评价方法切实可行,符合海外石油工程项目风险评价工作实际,能够为海外石油工程项目风险评价提供新思路。     

基于粗糙集理论的合同不完备性评价研究

建设工程施工合同的不完备性已成为一种常态,不同合同文本的不完备性程度也不尽相同。如何衡量工程合同的不完备性水平,实现对其有效性补偿是当前研究的重点之一。以07标准施工招标文件为研究基础,通过对调查问卷数据的分析整理,利用粗糙集理论信息量属性约简启发式算法,对合同不完备性评价指标进行约简优化。同时,根据评价指标的权重,确定评价合同不完备性的主要指标是条款不完备程度,为合同不完备性的度量提供了坚实的理论基础。     

项目管理成熟度模型中关键过程域的优化方法研究

关键过程域是项目管理成熟度模型中的重要概念,也是提升企业项目管理水平的关键突破点。针对用数理统计方法选取关键过程域的不足,结合粗糙集理论方法对比进行了优化,实践证明这种统计方法与粗糙集相结合的方法使结果更加有效。     

基于粗糙集的CBR系统案例检索策略

针对案例推理系统中案例检索的效率和质量问题,提出一种新的案例检索策略。采 用粗糙集进行案例属性约简,完成案例库优化,并计算反映专家经验的属性权重,结合相似 度计算和人工神经网络进行不同情况下的案例检索。运用UCI数据集进行了仿真对比,将其 用于数字数据网故障诊断系统中,结果表明所提出的策略在不同数据集下均具有较高的检索 效率,更加适用于实际CBR系统。     

数据挖掘技术在防止银行卡欺诈中的应用

近年来,随着经济全球化和金融一体化的深入,各个银行经营的业务也多样化,这就极大地增加了银行卡的使用频率,同时也增大了客户面临银行卡欺诈的风险性,于是各种各样的欺诈手段层出不穷。除了对出现的各种类型的欺诈采取防范措施外,还可以通过数据挖掘技术来防止银行卡欺诈,本文主要采用的是数据挖掘中的分类技术来分析银行卡欺诈模式并预防银行卡欺诈行为的发生。     

基于粗糙集和BP神经网络的供应商选择研究

构建了绿色供应链下的供应商选择评价指标体系,并根据粗糙集和BP神经网络的理论和方法,建立了基于粗糙集和BP神经网络的供应商评价选择模型。结合一个供应商选择实例,结果表明,运用这一混合评价模型来选择供应商,既提高了训练数据表达的清晰度,同时还能避免其他方法人为计取权值和相关系数的主观影响和不确定性,选择的结果比较客观、科学。     

基于粗糙集和多元回归分析的江西铁路物流需求预测

铁路货物运输是交通运输中最重要的方式之一,在国民经济发展中扮演着重要的角色,而提前对货运量进行准确的预计,对于铁路部门安排运力和做好发展规划具有一定的指导意义。本文将铁路物流货运周转量作为指标,对江西省铁路物流需求进行预测:首先采用粗糙集方法,对影响铁路货运周转量的因素进行属性约简,发现重要因素,然后通过多元回归分析货运周转量和重要因素之间的关系。研究表明:社会消费品零售总额、第一产业产值、进出口总额对铁路货运周转量影响最大,江西未来5年的铁路货运周转量将达到5.8%的增长率,在制定江西省物流规划时应予以考虑。     

基于优化BP神经网络模型的上市公司财务危机预警

利用粗糙集的约简技术对上市公司的预警指标进行约简,降低神经网络的复杂性和提高网络预测速度及精度,采用遗传算法作为神经网络模型的前置装置,对网络输入端的初始值和阀值进行最优化,缩短网络训练时间,提高了网络的预测精度。实证研究显示,优化模型的财务危机预测精度高于传统BP神经网络模型的预测精度。     

基于粗糙集和BP神经网络的供应商选择研究

构建了绿色供应链下的供应商选择评价指标体系,并根据粗糙集和BP神经网络的理论和方法,建立了基于粗糙集和BP神经网络的供应商评价选择模型.结合一个供应商选择实例,结果表明,运用这一混合评价模型来选择供应商,既提高了训练数据表达的清晰度,同时还能避免其他方法人为计取权值和相关系数的主观影响和不确定性,选择的结果比较客观、科学.