粗糙集在教学质量评价中的应用

粗糙集不依赖于数据集之外的附加信息,是处理含有噪声、不精确、不完整数据的有力工具,是一种新的数据挖掘技术。首先,本文介绍了粗糙集理论和决策表约简算法,然后采用粗糙集数据挖掘技术对多指标教学质量进行评价,挖掘出数据背后隐含的规则。     

粗糙集理论在创新方法知识库设计中的应用

本文首先介绍了粗糙集理论的基本知识。然后在创新方法分类、创新方法筛选等已有成果的基础上,以创新方法为对象,以粗糙集理论为理论基础,利用粗糙集属性约简算法等理论,根据用户对创新方法知识库的检索要求,删除创新方法知识库中冗余的知识,最终高效率的发现用户想要的结果。     

基于粗糙集方法在信用评估中的应用探析

信用评级是银行降低贷款风险的一个重要手段,但银行对客户的信用等级进行评估过程中面临的问题是怎样在繁杂的指标体系中筛选出重要指标.本文将粗糙集理论应用到客户信用评估中来解决该问题,实例证明该方法能够约简指标体系中一半以上的指标而且评估效果较好,从而提高了评估效率.     

粗糙集方法在优化石油企业可持续发展力评价指标体系中的应用

粗糙集是一种新型数学工具,能有效地处理模糊或不完整的信息,揭示数据的内在规律与隐含知识。本文以粗糙集理论为出发点,探讨了指标体系优化、信息系统建立、属性离散化及属性约简等相关问题。同时,以石油企业可持续发展力评价指标体系作为实证研究对象,优化了该评价指标体系,为石油企业可持续发展力评价指标体系的构建提供了一种新的方法。     

基于粗糙集和神经网络的数据挖掘应用

本论文就是根据电信行业需求,针对电信企业拥有大量详实而且丰富的数据,但是可用有效数据提取困难这一问题。首先利用粗糙集理论中的差别矩阵方法对电信客户数据进行属性约简,之后采用BP(Back Propagation)神经网络建立基于粗糙集和神经网络的数据挖掘模型,实现对电信业务系统的客户数据信息进行有效分析和高效提取,并通过matlab实现了仿真模拟。所建立的模型,减少神经网络的输入层个数、简化了运算次数、缩短了训练时间并提高数据预测的准确度。     

基于粗糙集的钢铁业上市公司财务状况评价

为准确评价钢铁业上市公司财务状况,文章构建了包含财务指标与非财务指标的多层级指标评价体系。运用粗糙集理论对指标体系进行约简,得到了核心评价指标,并获得其相应权重,进而对各公司财务状况进行综合评价。评价结果表明:第一,非财务指标对财务状况评价的影响力约占18%;第二,清晰反映了各公司财务状况所处水平,为管理者和投资者的决策提供了支持。     

基于粗糙集-神经网络技术的客户价值分类模型的研究

客户关系管理的核心内容之一是对客户价值的评价进而对客户进行分类。文章首先找出对客户价值分类有影响的一些因子,应用粗糙集-神经网络的模型,即利用神经网络与粗糙集理论的优势互补,采用粗糙集对数据进行预处理,然后选择神经网络作为评价方法,最后根据客户价值评价结果进行客户价值分类。     

基于粗糙集-神经网络的房地产企业财务状况评价体系研究

在对财务状况评价的机理和关键财务指标分析的基础上,提出了基于粗糙集的财务指标属性约简方法,设计了财务状况评价模型的构建流程和检验标准,建立了基于BP神经网络的财务状况评价模型。利用Matlab软件对146家房地产上市公司的2007-2012年财务数据进行了研究,结果表明,基于BP神经网络的财务状况评价模型可以对房地产公司的财务状况作出评价。在此基础上,结合财务危机成因提出了房地产企业防范财务危机的建议。     

基于粗糙集-BP神经网络的航空风险评价研究

民用航空是一个高风险的行业,航空系统风险评价具有重大的意义。文章旨在将数据挖掘技术中的粗糙集理论和神经网络相结合,以新的视角去解决航空风险评价问题。该方法主要利用粗糙集软件ROSETTA及MATLAB软件中的神经网络工具箱,实现了粗糙集对数据前置预处理,神经网络模拟评价,并通过实例验证可行。     

基于优势粗糙集的属性选择与集成分类方法设计

粗糙集理论是一种处理不确定信息的有效工具,利用其可在无任何先验信息下获取属性约简子集。本文采用优势粗糙集理论中的排列互信息和最大相关最小冗余相融合技术进行属性子集选取,在每个属性子集上对五种决策树进行训练并作为基础分类器,并按照投票机制融合个体分类器的输出得到最终决策结果。在实际数据集上的实验表明,基于排列互信息和最大相关最小冗余方法得到属性子集能够反映数据本质信息,使得分类算法有较好的准确率。同时,与单个决策树的分类结果相比,融合决策树具有较好的分类效果。     

BP神经网络在项目投资风险分析中的应用

影响项目投资经济效益评价指标的参数很多,这些参数均具有一定的不确定性.由于各参数的不确定性,其项目投资经济效益评价指标值也是不确定的,因此,对投资项目所做的经济效益评价结论必将带有风险.在经济评价工作中,应当对这种风险作出合理的量化分析和估算,以了解项目的风险承受能力,并尽可能采取措施回避风险.本文共搜集了10个相似投资项目,根据BP神经网络工作原理筛选确定了6个影响和制约项目投资因素的指标作为神经网络的输入变量,并提出了基于BP神经网络的项目投资风险分析模型;其中7个投资项目作为训练样本,2个作为检测实例,最后一个进行敏感性分析.经过测算,其精度完全可以满足实际项目投资风险分析的需要.因此,神经网络在这方面有很好的应用前景.     

构建基于粗糙集和BP神经网络的信用风险预警模型

本文首先建立了评价企业信用的指标体系,然后在此基础上构造了基于粗糙集和BP神经网络的企业信用风险预警模型。粗糙集用于约简指标体系中的冗余指标,BP神经网络用来构建预测企业信用的分类预警模型。最后,笔者通过实例验证了此模型的可行性和有效性。     

基于粗糙集理论的企业持续竞争优势研究

本文从理论和实证的角度对长三角地区78家制造业企业的持续竞争优势进行了综合评价研究。首先运用粗糙集属性约简算法进行初始指标筛选,采用粗糙集理论得到各个评价指标的评价权重,然后构建了基于灰色关联分析的评价模型并进行了实证分析。结论证明了粗糙集属性约简算法在制造业企业持续竞争优势评价指标体系构建中的可行性,也表明这两种方法相结合将提高企业持续竞争优势综合评价的准确性。     

可变精度粗糙集在上市公司财务预警中的运用

可变精度粗糙集VPRS是标准粗糙集RS的一种推广.文章借鉴了VPRS模型具有噪声数据的强适应能力和强抗干扰能力的优点.提出了一类基于VPRS的信息产业上市公司财务预警方法,并用部分信息产业上市公司对其进行实证检验.检验结果表明:该方法具有较好的识别能力,对信息产业上市公司财务危机的预测准确率达到89.7％,具有良好的应用前景.     

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.     

基于粗糙集与分类回归树的“病例组合”分类研究

论文根据粗糙集和决策树技术两种理论的互补性,研究一种新的“病例组合”分类模型：将粗糙集与分类回归树相结合的“病例组合”分类模型。该模型既具有粗糙集的一些优点：通过属性约简,可以成功地剔除知识库中的冗余属性,发现知识中隐藏的关联和规则,帮助人们做出正确简洁的决策;又具有决策树的分类精度高,有良好的学习能力和简单的树形结构。     

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。     

基于粗糙集和组合神经网络的武器系统效能评估方法

针对武器系统效能评估中存在指标信息不确定和指标间关系不明确的问题,运用粗糙集和组合神经网络模型进行研究,提出了基于粗糙集的效能评估指标集约简方法,并构建了基于组合神经网络的效能评估模型,研究结果表明,基于粗糙集和组合神经网络的武器系统效能评估是可行、有效的,对全面而科学评价武器系统效能具有积极指导作用和较强实用性。     

基于实证的IT能力与风险研究

本文构建了IT能力对项目实施风险的影响模型,以此为基础提出了3个研究假设,通过构建SEM结构方程模型,验证了这3个假设。结果发现：需求方IT基础设施及整体IT应用水平,对IT项目实施风险的影响均未得到证实,而需求方企业员工的IT技术能力：对IT项目实施风险的影响得到了证实。