基于信息熵供应链评价指标约简的研究

本文在分析供应链评价指标体系的基础上,采用信息熵的供应链评价指标体系约简方法,建立了基于熵的指标约简模型,并且对供应链评价指标进行了约简,约简掉了5个冗余的指标,证明了该方法的有效性。     

基于旅客类别的列车服务网络客流分配

针对列车服务网络客流分配模型复杂、求解困难的特点,采用旅客类别划分的简化策略,以旅客主体特性为分析参数,运用近邻传播算法对其进行聚类。在此基础上,构造列车开行方案形成的服务网络,提出不同类别旅客乘车方案弧段阻抗的计算方法,建立基于类别划分的旅客乘车方案概率选择模型,并设计相应的网络流量加载算法。以宝成线为实例,根据客流调查结果,进行旅客类别聚类划分与流量加载验证。研究结果表明:将铁路出行旅客划分为6个类别时,具有最好的聚类效果;在此基础上客流分配准确率在80%以上。基于旅客类别划分的流量分配方法能够得到准确的流量分配结果,从而为列车开行方案的调整提供合理依据。     

基于改进属性约简的粗核聚类算法

核聚类算法是一种能够处理样本间差异微弱的有效聚类算法.以粗糙集理论为基础,将基于属性重要度的属性约简算法应用到核聚类算法中,提出一种新的聚类改进算法,由此可以得到高准确率低复杂度的良好结果.该算法在使用核函数对样本优化前,首先用基于属性重要度的约简算法对样本属性进行处理,同时引入信息熵来改进约简算法,从而删除冗余属性得...     

基于模糊粗糙集理论的建筑业综合评价

根据模糊聚类和粗糙集理论的基本原理,利用模糊聚类的相似关系与粗糙集可辨识矩阵的特性,结合这两种方法的互补优势,研究了将之应用于建筑业综合评价的方法和步骤.通过模糊聚类法形成粗糙集下的决策信息系统,采用基于可辨识矩阵的启发式约简法对属性约简,计算出约简后各属性的权重.利用各属性的权重分别对各省市(或地区)的建筑业指标评价值加权求和从而得出各自的建筑业综合评价值,对其结果的客观性和实用性所进行的分析评价证明该方法有效.     

基于粗糙集理论的模糊C-means高维数据聚类算法

模糊C-means算法是一种重要的聚类分析算法,但是在数据维数较高的情况下,该算法计算量急剧上升从而导致其效率较低.针对这一问题,提出了一种基于粗糙集理论的模糊C-means高维数据聚类算法,该算法在传统模糊C-means算法的基础上引入了粗糙集属性约简的理念,通过对数据集属性的约简,提取出对分类影响较大的属性集而摒弃与分类无关的属性,进而在聚类过程中只计算属性约简结果集中的属性,从而减少聚类过程的工作量、提高聚类效率.理论分析和实验结果表明,该算法在处理高维数据时较高效.     

基于决策表的粗糙集属性约简算法改进及应用

针对决策属性集合中只存在两个决策集合的情况,为简化决策属性的表达和计算复杂度,提高约简效率,提出一种改进粗糙集决策表的属性约简算法。该算法以条件属性对决策属性的支持度为基础,采用新的约简规则,基于可分辨矩阵的启发式算法,根据属性重要度改进属性约简算法。以高新技术企业智力资本测量指标体系为例,得到了高新技术企业智力资本的最小约简集。结果表明,该约简算法能够得到一个完备的最小约简集,并能显著提高求解约简集的效率。     

基于顾客感知的铁路客运服务质量评价

从旅客需求的角度出发，针对旅客对铁路客运服务质量的感知是用模糊语言表示的情况，提出了一种基于模糊语言之间相似度的多属性分析方法。该方法通过集结顾客对铁路客运服务质量的感知评价，运用相似关系确定出各铁路客运公司分别与正理想和负理想客运公司的相似度，得出顾客对铁路客运服务质量的综合偏好，该偏好结构具有符合现实决策行为的偏序结构。通过实例分析表明：该方法科学、有效，可以指导铁路客运公司的策略制定。     

城市轨道交通快慢车停站方案优化

针对已有的快慢车停站方案优化模型复杂度过高,车站分级方法不合理的情况,应用灰色变权聚类模型对车站进行初步聚类形成决策属性,以各指标聚类结果作为条件属性,对车站分级影响因素进行属性约简,应用约简属性优势分析确定各条件属性、决策属性间的灰色相对关联度,并用灰色定权聚类模型对车站进行分级.通过设定一级车站快车必须停车,二级车站快车根据优化需要停车及三级车站快车不停车的原则,依据分级结果构建快慢车停站方案优化的0-1非线性规划模型,运用遗传退火算法求解模型.结果表明,该方法可剔除大量无效解,解空间大幅缩小,求解效率得到了较大提高,对于快速制定列车运营方案具有重要的意义.     

基于Skowron分明矩阵的有效属性约简算法

为降低基于Skowron分明矩阵属性约简算法的复杂度,提出了简化分明矩阵及其相应属性约简的定义,并证明了基于简化分明矩阵的属性约简与基于原分明矩阵的属性约简等价.在简化决策表的基础上,定义了一个函数,该函数能度量条件属性在简化分明矩阵中出现的频率,并给出了计算该函数的快速算法,其时间和空间复杂度均为O(|U/C|).用该函数设计了一个有效的基于原分明矩阵属性约简算法,算法的时间复杂度降为O(|C||U|)+O(|C|2|U/C|),空间复杂度降为O(|U|);并用实例证明了算法的有效性.     

面向食品安全评价的属性约简方法研究

针对现有食品安全评价指标约简方法计算效率低的问题, 提出一种新的属性约简方法〖CD2〗基于粗糙度的属性约简方法。该约简属性从空集开始, 引入粗糙度概念, 利用粗糙度P_B(X)作为条件属性的选择标准, 逐步地将粗糙度值最小的条件属性加入到约简集中, 得到新的论域, 并用递归的处理方法简化属性的搜索空间, 直到论域变为空集, 获得简化的属性集。实验证明了该方法的正确性和有效性。     

铁路旅客乘车方案多因素选择决策

铁路旅客在乘车方案选择行为上存在着较大的主观性和模糊性,为了客观给不同出行需求的旅客提供最优的乘车方案,从铁路旅客出行的方便性、总费用、总时间、出行拥挤度、偏好匹配度、时间满意度和舒适度7个方面进行考虑,构建了铁路旅客乘车方案选择行为的评价指标体系,运用聚类分析方法优化了评价指标体系,采用主客观组合赋权方法确定了铁路旅客乘车方案选择行为评价指标的权重分配,建立了基于灰色关联度分析的铁路旅客乘车方案灰色综合选择决策模型。最后通过实例分析铁路旅客乘车方案的优劣,验证了铁路旅客乘车方案选择行为评价指标体系与评价方法的合理性和可靠性。     

关于提高铁路客运服务质量的思考

随着科技不断发展,人们的生活水平不断提高,出行方式有了更多选择,各种旅客运输方式之间的竞争越来越大,铁路旅客运输面临的形势日益严峻,存在许多与现状不相适应的地方,总体竞争实力不强,特别是运输服务质量还不够高,广大旅客还不够满意。作为服务行业的旅客运输,服务质量是其生存和发展的根本,提高铁路客运服务质量十分重要。     

智能邮件过滤系统的设计与实现

介绍了一种基于粗糙集和聚类的智能邮件过滤算法，并且提出一种智能邮件过滤系统，该系统按其功能可以划分为知识库子系统、邮件导入子系统、关键词获取子系统和属性约简子系统等四个部分。重点介绍了采用基于粗糙集和聚类的智能邮件过滤算法的属性约简子系统的设计。     

基于修正差别矩阵的高效属性约简算法

为降低基于修正差别矩阵的属性约简算法的复杂度,给出了基于修正差别矩阵的简化差别矩阵,证明了基于该简化差别矩阵的属性约简定义与基于原修正差别矩阵的属性约简定义是等价的.在此基础上设计了一个基于简化差别矩阵的属性约简算法,其空间和时间复杂度分别被降为O(|C|(|U'pos||U/C|))和max{O(|C|2(|U'pos||U/C|)),O(|C||U|log|U|)}.实例说明:用新算法进行属性约简,不仅减少了计算量,而且减少了存储空间,因而是一种高效的属性约简算法.     

基于模糊聚类模型的葡萄酒分类

应用模糊聚类分析的思想和方法,综合考虑酿酒葡萄的各项理化指标,建立了葡萄酒分类的数学模型。一方面,通过对理化指标的相关性分析进行属性约简,刻画了理化指标之间的内在联系;另一方面,在属性约简的基础上对每个属性进行加权,经实验验证两方面均可以优化模糊聚类分析模型对葡萄酒质量的分类效果。     

基于模糊粗糙集的一种属性约简算法

将粗糙集理论与模糊集理论相结合,提出了一种基于模糊粗糙集的属性约简算法。该方法引入了模糊C均值聚类算法用以连续属性的模糊化;并通过聚类有效性分析来确定最佳分类数目;克服了目前属性模糊化方法需要人为规定划分类数,几乎不考虑信息系统的具体属性值等缺点。实例验证了此方法的有效性。     

铁路旅客满意度模糊测评方法研究

通过对部分铁路站、车客运服务质量及监督管理工作现状的实际调查,提出了区分旅客群体的思想及方法,采用AHP方法和专家调查法分析了各项指标的相互关系,通过建立综合模糊评价模型,确定服务指标的权重计算方法和铁路旅客满意度等级评判方法.     

基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

基于属性粒化聚类与回声状态网络的末制导雷达故障诊断

为了提高末制导雷达故障诊断的效率和精度,提出一种基于属性粒化聚类与回声状态网络(ESN)的故障诊断方法.定义一种基于属性值影响度的属性区分能力测量指标,并以此作为相似性度量依据,利用近邻传播(AP)聚类算法得到区分能力相当的若干属性粒,通过选取聚类中心属性来完成故障征兆属性的约简;在储备池构建中,采用Bienenstock-Cooper-Munro(BCM)规则进行连接权矩阵的预训练,在目标函数中添加L_(1/2)范数惩罚项,以提高ESN储备池对样本的动态适应性;同时,采用半阈值迭代法对模型进行求解,通过末制导雷达信号处理模块的故障诊断实例,验证了所提方法的有效性和优越性.结果表明:与BP神经网络和传统ESN模型相比,所提方法的稳定性及诊断准确率更高;将其与基于属性重要度和AP聚类的属性粒化约简算法相结合,能够进一步提高故障诊断的效率和精度,其仿真实验的训练时间仅为8.98s,诊断正确率可达95.2%.