基于模糊邻域系的α-粗糙集及其应用

本文引入了基于模糊邻域系的α-粗糙集模型,研究了其基本性质,建立了其约简理论,并借助于α-粗糙集给出了模糊邻域系粗糙集的分解定理,从而建立了其与邻域系粗糙集的联系。     

局部加权邻域多粒度粗糙集

为处理粒度质量不均衡型数据,加权多粒度粗糙集及加权平均多粒度决策粗糙集被先后提出,其拓宽了多粒度粗糙集的应用范围。然而,随着数据规模剧增,传统模型已无法满足实际需求。利用矩阵算法计算近似算子有利于提高计算效率,但其空间复杂度相对较高。为此,本文提出局部加权邻域多粒度粗糙集模型,将局部粗糙集模型与矩阵理论相结合以降低矩阵算法的时间和空间复杂度。首先,给出局部加权邻域多粒度粗糙集模型的定义和性质;随后,设计出计算近似算子的矩阵算法。最后,通过实验在6个UCI数据集中验证局部算法比全局算法具有更高的时间效率。     

模糊粗糙集的模糊邻域算子刻画

在模糊集合的公理化定义及其直积的基础上，提出基本模糊点的模糊邻域算子概念。用模糊邻域算子来定义模糊集的上近似和下近似。可以用模糊集的上、下近似来刻画模糊关系的自反性、对称性和传递性等性质。在模糊粗糙集的模糊邻域算子定义下，模糊粗糙集与粗糙模糊集可以统一起来。     

基于邻域粗糙集的网络入侵分类诊断组合模型研究

网络入侵诊断直接影响网络正常运行和安全.针对入侵类型复杂,现有分类诊断模型精度有限的问题,提出一种基于邻域粗糙集的网络入侵分类诊断优化模型.首先,运用邻域粗糙集对网络入侵数据进行条件属性的约简,确定关键属性,然后将其作为训练输入构建相关向量机分类诊断模型,并同时运用遗传算法进行超参数优化,提高模型诊断精度和速度.通过KDDCup99数据集对优化模型性能进行检验,结果表明,组合预测方法精确度高于支持向量机、相关向量机和BP神经网络.组合模型诊断精度高、速度快,具有优异的综合性能.     

混合信息系统的邻域多粒度决策粗糙集及应用

为进一步有效处理混合型数据,在混合信息系统中引入邻域多粒度决策粗糙集;鉴于欧氏距离只考虑到数据之间的绝对距离,因此在模型中以卡方距离作为替代;在给定邻域半径之下,提出了混合信息系统的邻域多粒度决策粗糙集模型,对其相关性质进行了证明;实例分析结果表明,该模型具有更好的分类能力,并可通过调整相关参数使模型具有一定的容错性。     

基于k-means和邻域粗糙集的航空客户价值分类研究

对客户价值进行分类, 识别重要价值客户, 对航空公司获利至关重要。本文提出了基于k-means和邻域粗糙集的航空客户价值分类模型。首先, 从客户的当前价值和潜在价值双视角出发, 建立了航空客户综合价值评价指标体系; 之后, 采用基于Elbow的k-means方法对航空客户进行聚类, 采用邻域粗糙集方法对决策系统进行指标约简, 根据约简后的决策系统完成客户价值初筛。评估前先使用SMOTE方法消除数据的不平衡性, 而后采用网格搜索组合分类器的方法对航空客户价值分类的效果进行评估和检验。最后, 根据评估结果对航空客户价值细分。文末, 对国内某航空公司的62988条真实客户记录进行了实证分析和验证, 其中, 潜在VIP客户群的分类准确率达到了92%, 从而为航空客户价值分类提供了一种新思路。     

基于粗糙集理论的智能数据分析模型

粗糙集理论作为一种智能数据分析和数据挖掘的新的数学工具,其主要优点在于它不需要任何关于被处理数据的先验或额外知识.提出了一种基于粗糙集理论的智能数据分析模型,从目标数据集出发,通过数据预处理、数据分类和规则获取,实现对原始数据集的智能分析,并通过实例测试验证了该模型的有效性.     

基于矩阵的可变粒度变精度邻域粗糙集近似集更新方法

邻域粗糙集可以同时处理名义与数值属性,多粒度粗糙集提供多个粒度视角下的目标概念近似,变精度粗糙集使得近似集计算不再局限于完全包含。本文首先提出了一种同时具有以上三种粗糙集模型长处并且粒度可变的变精度多粒度邻域粗糙集模型,并设计基于矩阵的近似集计算与更新方法：首先提出静态计算近似集的矩阵算法,继而考虑在邻域粒变小时,基于静态计算算法对近似集进行更新,提出一种邻域粒变小时近似集更新的矩阵算法,最后通过UCI公开数据集实验验证了计算与更新算法的有效性。     

基于粗糙集与层次分析法的组合预测方法

本文在改进的属性约简启发式算法 ,即应用加权平均的属性重要度对属性进行约简的基础上 ,将粗糙集理论和层次分析相结合 ,给出了一种全新的组合预测方法 .     

基于黄金关系的粗糙集模型及其应用

粗糙集的核心概念是基于等价关系的上、下近似集.给出了基于黄金关系的粗糙集模型,并研究了该模型的实际应用.     

基于邻域粗糙集属性约简的对偶约束式LS-SVM财务困境预测模型研究

为了提高财务困境预测的正确率,改善模型预测的效果,将邻域粗糙集和遗传算法应用于对偶约束式最小二乘支持向量机,提出了一种基于邻域粗糙集属性约简的对偶约束式最小二乘支持向量机预测模型.同时,给出了这一改进模型的实现步骤.实证结果表明,通过邻域粗糙集指标预处理和遗传算法参数优化后,不但提高了模型预测的正确率,还降低了模型运行的时间,证实了该模型应用于财务困境预测是有效的.     

基于粗糙集理论的相关关系预测方法研究

本基于粗糙集理论给出了对象与规则可信度的概念，提出了一种经济系统中相关关系预测法。利用信息熵的概念，评价因素的重要程度和约简因素，由此提取基本相关规则。在对象与规则之间的可信度基础上，建立了预测模型。与传统的回归预测法比较，这个方法不需要进行相关性判断、模型识别和检验，它直接从数据出发，在不损失信息的条件下约简冗余因素，寻找经济指标与影响因素之间的相关关系，能同时处理定性、定量因素以及不确定因素。算例计算说明了所提方法的有效性。     

基于粗糙集的IPD项目参与方选择指标体系研究

根据IPD模式的特点综合考虑参与方个体信息及参与方之间的协同信息,结合专家访谈和调研数据,构建基于协同信息的IPD模式下工程项目参与方选择指标体系,利用粗糙集属性约简原理剔除冗余或重复指标并确定各指标权重,最终获得包括个体指标和协同指标2个指标维度在内的11个一级指标和25个二级指标的项目参与方选择关键指标体系,为IPD项目参与方选择提供了有效的参考依据.     

基于粗糙集的患者满意度评价模型及其实证分析

在文献阅读及实地调研的基础上,本文提出了患者满意度的定义,建立了影响患者满意度的指标体系,介绍了粗糙集的相关概念及利用粗糙集进行评价的步骤,提出了新的约简方法,构建了基于粗糙集的患者满意度评价模型并进行了实证分析,得出了影响患者满意度的关键指标,并计算了关键指标权重,对江西省十个医院进行了综合评价值的计算.     

基于模糊邻域相对依赖互信息的特征选择方法

模糊粗糙集作为处理不确定性信息的有效工具,已广泛应用于特征选择中。然而当数据分布密度差别较大时,传统模糊粗糙近似不能有效度量样本的隶属度,且大多特征评价函数仅从代数或信息单一视角构造。针对以上问题,提出了一种基于模糊邻域相对依赖互信息的特征选择方法。首先,为克服传统模糊粗糙近似对数据分布敏感的缺陷,引入相对距离计算模糊相似关系,同时考虑模糊邻域粒度结构,提出了模糊邻域相对依赖度,从代数观度量数据的不确定性。然后,基于相对粒度结构提出了模糊邻域相对互信息,并与模糊邻域相对依赖度结合构造出一种新的特征评价函数——模糊邻域相对依赖互信息,将代数观和信息观结合进行特征评价。最后,设计了一种基于模糊邻域相对依赖互信息的特征选择算法(FNRDI)。通过与其他算法在9个公共数据集上进行实验对比分析,结果表明所提算法可有效消除冗余特征且提高数据的分类精度。     

基于组合模型的我国能源需求预测

在信息不完备条件下如何有效预测能源消费总量以把握宏观经济发展趋势,是制定能源规划的基础内容.伴随我国成为全球经济增长重要引擎,能源消费量越来越大,能源安全问题也备受关注.选用灰色系统模型、三次指数平滑模型和BP神经网络模型三种预测模型,应用Shapley值权重分配法确定各预测模型的权重,从而构建组合预测模型并对我国能源消费进行组合预测.在保持过去发展规律基本不变的条件下,2014年能源需求总量为383,718.16万吨标准煤,到2020年将达462,089.33万吨标准煤.2013-2020年能源需求总量年均增长率为3.38%.     

基于模糊化邻域系的粗糙近似算子(Ⅰ)

模糊化邻域系源自模糊化拓扑空间.以模糊化邻域系为工具,定义了一对粗糙近似算子,研究了其基本性质.证明了这对算子涵盖一些常见粗糙近似算子作为其特殊情形,从而扩大了粗糙集理论的研究范围.此外,还研究了由串行的、反身的、一元的和传递的模糊化邻域系生成的粗糙近似算子.     

基于DEA方法和粗糙集的政府效率评估模型

政府效率影响政府的执政能力。评价政府效率必须考虑投入和产出之间的关系。本文首先利用DEA方法建立投入一产出多指标模型评价政府工作的相对有效性，并对评价结果进行离散化处理；然后运用粗糙集方法对离散后的数据进行分析，得出每个待评对象的综合评分。两种方法的有机结合，使得建立的政府效率评价模型既能充分反映政府效率投入一产出的特点，又能有效避免人为因素对模型的影响，以得到更合理的评估结果。     

可变精度模糊粗糙集模型及其性质

首先介绍了A.M.Rolka等定义的可变精度模糊粗糙集模型,在此基础上证明了其满足的8个性质.     

基于覆盖的模糊粗糙集模型

讨论基于覆盖理论的模糊粗糙集模型。给出了模糊集的粗糙上、下近似算子,讨论了算子的基本性质,证明了覆盖粗糙集模型下所有模糊集的下近似构成一个模糊拓扑,并得到了覆盖模糊粗糙集模型的公理化描述。