基于产出滞后效应的新商科建设绩效评价研究

为主动适应新时代高校赋能高质量发展的新趋势,高校新商科建设在培养高质量、复合型商科类人才的基础上,通过对学科融合、培养模式、创新思维的探索,不断推进高校商科类教育教学与人才培养模式的深层次变革.本文在分析新产业、新业态背景下人才需求变化的基础上,从学科交叉融合度、教学方法手段创新度、培养主体多元化、学生创新发展能力四个维度选取绩效评价指标,通过引入基于粗糙集(Rough Set)的数据挖掘技术,科学确定新商科绩效评价指标权重,构建基于产出滞后效应的新商科绩效评价模型,为科学合理评价高校新商科建设绩效探索新路径.     

基于RS-SVM的移动旅游服务质量评价模型研究

针对移动旅游服务影响因素众多且非线性交互的问题,文章重点研究了移动旅游服务质量的评价模型和方法,为消费者科学选择移动旅游服务提供参考,为企业改善旅游服务质量提供建议.文章提出基于粗糙集(RS)改进的支持向量机(SVM)模型,首先采用RS方法对样本数据进行预处理,去除影响服务质量的冗余指标并确定关键评价指标,然后将关键指...     

基于NRS-SVM的商品住宅投资风险评价研究

针对目前风险评价中普遍存在的样本需求量大、评价主观性强、预测准确性低的问题,在国际上首次将邻域粗糙集与支持向量机相结合建立商品住宅投资风险评价模型。将邻域粗糙集与支持向量机结合使用,可以直接从样本本身出发,在小样本前提下分析各项商品住宅投资风险因素对总体投资风险影响权重,简化决策表,建立商品住宅投资风险预测模型。通过案例分析可知,治安环境风险与工艺革新风险对商品住宅投资总体风险无影响,且在仅有40个样本的条件下,商品住宅投资风险预测模型预测相对误差控制在3%以内。由此表明,邻域粗糙集与支持向量机相结合的方法可以较好地解决风险评价中普遍存在的问题,对风险因素具有较强的解释能力,对总体风险具有较好的预测效果。     

基于粗糙集属性约简的数据挖掘技术

粗糙集理论（Rough Set）是波兰学者Z.PAWLAK提出的一种新的软计算方法，它在处理含噪声、不完整、不精确的信息方面具有独特的能力，已成为数据挖掘技术的一个主要方法，在许多科学与工程领域中得到了广泛的应用。本文着重介绍粗糙集的基本思想，并以一个具体的属性约简算法和实例介绍了它在数据挖掘，特别是在数据浓缩和规则提取中的应用。     

基于粗糙集理论的决策树方法在贷款客户信用评估中的应用

决策树是数据挖掘中常用的分类技术,其生成的规则便于决策者理解和应用。然而面对较多的属性且含有冗余和噪声属性的记录集生成的决策树时,无法删除冗余属性,造成运算过程复杂。本文旨在通过应用粗糙集理论,将其与决策树方法进行结合,对属性进行约简,降低运算复杂度,并生成相对简化的规则形式,并将其应用到银行个人贷款客户信用评估之中。     

粗糙集理论在商业银行中的应用分析

目前，粗糙集理论已成功地应用于决策分析、模式识别和数据挖掘中，其最大特点是无需提供问题所需处理的数据集合之外的任何先验信息，可直接从给定问题的描述集合出发，达到了发掘知识、简化知识的目的，真正地实现了“让数据指导行动”的思想。     

基于信用消费行为的商业银行零售业务信用风险再评估

商业银行零售业务信用风险评估问题具有维度高、数据更新快等明显特征,在此条件下,利用统计分析、数据挖掘技术建立可靠的动态预警模型具有十分重要的意义。基于数据挖掘的思想,充分利用客户信用消费行为数据,以及粗糙集理论对决策表中条件属性进行约简,并构建基于变精度加权平均粗糙度和基尼指数的决策树算法,依照决策属性值进行客户违约还款预测。实验结果表明,改进后的基于粗糙集与决策树算法的信用卡消费信用风险动态预警模型在准确率、稳定性等方面往往优于基本统计模型及机器学习算法。     

旅游服务质量信息的挖掘分析

运用粗糙集方法对旅游服务质量信息进行分析。采用ROSETTA系统挖掘了旅游服务质量评价的一些关联规则,如旅游交通条件和导游服务水平是影响旅游服务质量的最重要因素;并根据游客对旅游服务质量的信息对游客进行聚类。分析表明,数据挖掘方法可以作为辅助旅游服务部门改进服务质量和进行决策的有力工具。     

约简应用于概念格构造研究

粗糙集与概念格都是有效的数据分析工具,它们被广泛应用于人工智能、知识发现等领域。粗糙集合模型和概念格模型之间有许多相似之处,在知识发现研究过程中将这两种模型有机地结合起来,具有重要的理论意义。示例分析表明利用粗糙集合理论对以形式背景形式描述的原始数据集进行约简,可以在一定程度上减小在其上构造的概念格规模。     

基于粗糙集理论的操作风险判别

操作风险的判别是研究操作风险的首要问题。本文使用基于粗糙集理论的知识表示和决策分析方法,通过定义粗隶属度,推导出对应的相似度,对操作风险进行判别。