证券投资决策的二阶段动态分析法

根据多属性决策的基本理论 ,研究了证券投资决策问题 .首先 ,采用权重确定的主观赋权法 ,提出了股票投资决策的选股和选时二阶段动态分析法 .然后 ,给出了二阶段动态分析法的步骤 .最后 ,进行了实证分析.     

基于模糊粗糙集的多属性网上拍卖决策

电子商务的发展给了拍卖以勃勃生机,网上拍卖迅速成为一种非常活跃的商务模式。目前网上拍卖绝大多数只有一个价格属性。本文提出一种新的拍卖模型——多属性网上拍卖,其最核心的问题是如何决定胜出者,提出了一种模糊粗糙集的方法解决多属性决策问题。     

一类组合证券投资决策

本文讨论了投资者效用与投资者的组合投资决策，由于投资者对组合投资方案的选择是以效用最大化为准则，因此，我们首先考察了投资者效用的拟合和期望效用，然后讨论了在允许卖空和不允许卖空的条件下，投资者的最优投资决策方案。     

基于粗糙集的空军航材供应点的偏好选址

在分析空军航材供应点选址影响因素的基础上，提出了用粗糙集理论求解偏好选址问题的方法。考虑到选址是一个具有偏好信息的多属性决策问题，因此在粗糙集方法的使中，用一个两两较表代替原来的决策表，并通过优势属性集来推理决策规则，从而确定各方案排序。这为空军航材供应点的选址提供了一种更为科学、有效的方法。     

国际证券投资最大风险极小化的多目标决策模型

本文以国际证券平均实际本币收益率作为其预期收益的度量指标,以实际本币收益率与平均实际本币收益率的量大绝对偏差作为其投资风险的度量指标,建立国际证券组合最大投资风险极小化,预期本币收益率极大化的多目标线性规划投资决策模型。     

基于模糊集和粗糙集的武器系统作战能力评估

为了解决多属性决策中各属性权值常依赖主观确定的问题,提出了一种基于模糊集和连续粗糙集的武器系统作战能力评价模型。对连续系统样本值归一化后,采用模糊偏序模型对各样本进行排序,建立连续值决策信息表,解决了一般粗糙集需要有决策信息表的问题。进而基于粗糙集属性的广义重要度,计算各属性值的权重系数,避免了因属性值离散化对噪声的敏感而造成的不良后果。结合战斗机空战能力评估,验证了该方法对武器系统作战能力评估的可行性和有效性。     

证券投资决策的微分对策方法研究

在证券价格存在有界不确定性的假设下,研究了基于最差情况的最优证券投资决策问题。首先建立了证券投资决策的微分对策模型,然后,证明了该微分对策模型存在唯一的值函数,最后,根据微分对策理论得出了值函数所满足的偏微分方程。     

基于遗传算法的粗糙集知识约简方法

提出一种基于遗传算法的知识相对约简算法。通过在知识表达系统中引入决策属性支持度的概念，来描述由条件属性所提供的知识对整体决策的支持程度，并通过决策属性支持度定义条件属性对决策属性的相对重要性，以此作为启发式信息求出相对核，并将相对核加入遗传算法的初始种群中以加快算法的收敛。同时。在适应值函数中引入惩罚函数，可以保证所求约简既舍较少的属性又有较强的支持度，能够获得最佳的搜索效果。该算法通过实例分析，证明是求解知识约简问题的快速有效方法。     

基于可变精度粗糙集的多决策表分析方法

针对可能存在分类误差缺失信息的群体分类决策问题,提出了一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。该方法通过控制决策者的分类误差率,群体分类一致率及反对率,将多个决策表中符合条件的信息汇集,形成群体分类模式表,然后根据每种分类模式在不同分类误差率和群体一致率下得到支持和反对的频数,得到群体分类模式集合的下近似,即群体分类偏好。给出了应用该方法的具体步骤,算例验证了该方法的有效性。     

基于粗集理论的工作分析

工作分析是企业人力资源管理工作的基石.论文基于粗集理论,建立一种科学的工作分析方法,从而对工作的任职条件属性进行约简,并对任职决策规则进行提取,最后并通过实例验证.     

基于变精度粗糙集理论的知识约简方法

基于变精度粗糙集理论与包含度理论,引入了不协调目标信息系统的上、下分布约简的概念,并讨论了它们之间的关系.上(下)分布约简是保持每个决策类的上(下)近似不变的最小属性集,由约简系统产生的命题规则与由原系统产生的命题规则是相容的,即约简不会改变由对象所产生的规则的决策结果.通过对这两种知识约简的等价刻画,得到了上、下分布知识约简的判定定理和可辨识属性矩阵,从而提供了不协调目标信息系统知识约简的新方法.     

基于优势粗糙集的建设项目过程评价

针对建设项目过程评价中的评价指标通常包含偏好信息,将优势粗糙集方法应用于建设项目后评价的过程评价中,以便探讨一种科学、规范的后评价方法,从包含偏好信息的决策表中导出偏好决策模型.研究结果表明,建立起的偏好模型接近于决策者的自然推理,较易理解,获取的偏好决策规则可为建设项目后评价中的过程评价提供决策建议.     

一种基于粗糙集聚类的数据约简算法

针对企业资源优化问题，首先采用了聚类分析的方法对原始数据进行约简，并且去除可疑信息，从而使得数据具有一致性，然后应用粗糙集理论将数据进行定性化分析和约简。通过系统聚类和粗糙集两种方法进行数据约简，使数据得到横向和纵向两个方向上的约简。算法应用于企业资源配置优化处理，取得了良好的效益。     

粗糙集理论在我国税收预测中的应用

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.税收预测模型算例说明了本文方法的有效性.     

基于Rough集理论和神经网络的武器系统参数费用模型

建立武器参数费用模型 ,首先要挑选特征参数 ,这里采用知识约简方法选择武器的特征参数 ;利用神经网络理论建立了参数费用模型 ,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值得到体现 .通过实例对神经网络法与线性回归法所得的结果进行了比较 ,结果表明 ,神经网络法比线性回归法精确.     

结合粗集理论的动态属性约简研究

针对动态建立数据库的需要和粗集约简存在的问题 ,在粗集理论的基础上提出了一种动态约简算法 .在数据库变化时 ,该算法不象静态粗集约简方法需重新寻找属性约简 ,而是利用新增的对象对原有的约简关系进行修正 ,大大节省了计算量 ,提高了搜索效率 ;同时在算法中还引入了信息熵准则以克服粗集约简准则对数据噪声的敏感性和不能表达属性间概率因果关系的缺点 .通过一个病因诊断问题的实例表明 ,该算法利用较小的信息表就找到了与静态粗集约简一致的属性约简集 ,并按照因果关系的大小 (不确定性大小 )对结果集合作了排序 ,同时计算量分析表明该算法比静态粗集约简极大地节省了计算量 ,提高了搜索效率 .