基于灰色-粗糙集的高速铁路运营统计指标体系构建

当前我国高速铁路的运营统计指标体系有待完善,本文从旅客感知和高速铁路企业运营两个角度构建了高速铁路运营统计指标体系.首先,运用灰色关联分析进行灰色聚类,采用F-统计量确定最佳阈值,得到准确的信息数据;然后,运用粗糙集属性约简理论,采用动态聚类的方法进行指标约简,得到指标的客观权重,权重较高的指标即为核心指标;最后,根据...     

决策分析中属性约简的择优算法

粗糙集理论在决策分析中具有广泛的应用。基于优势关系的粗糙集理论只给出如何进行属性约简以得到决策规则的方法，本文则进一步研究了如何针对不同的属性约简如何进行选择。在优势关系的基础上引入格序的概念，利用序关系给出属性约简的贴近度，借此比较了不同约简下所得决策规则贴近于原知识库的程度，并通过一个具体例子加以说明。     

基于最优选择对象不变的软集合参数约简

在比较分析了粗糙集属性约简和软集合参数约简的基础上,提出了软集合中基于最优选择对象不变的参数约简方法.分别对软集合中只存在一个最优选择对象和存在多个具有相同选择值的最优选择对象的情况作了分析,给出了两种情况下软集合参数约简的具体算法和算例,并对相关结论进行了证明.通过软集合的参数约简,不仅能够有效地简化决策过程,在存在数据缺失的情况下,还能尽可能地利用有效信息资源.     

基于粒度矩阵的程度多粒度粗糙集粒度约简

多粒度是粗糙集理论中的一种有效的数据处理方法,粒度约简是获取信息系统简洁规则的前提。研究了程度乐(悲)观多粒度粗糙集粒度约简理论,改进了程度粗糙集的下近似定义,提出了程度多粒度粗糙集的粒度矩阵。基于粒度矩阵,研究了程度多粒度粗糙集下近似计算理论和粒度的必要性,提出程度乐观多粒度粗糙集核粒度的定义。针对程度乐(悲)观多粒度粗糙集,提出基于粒度矩阵的粒度约简方法。最后利用实例分析验证了所提粒度约简方法的正确性。     

基于粗糙集与遗传算法集成的企业短期贷款违约判别

建立了粗糙集和遗传算法集成的企业贷款违约判别模型.该模型首先利用FUSINTER方法离散化财务数据,并应用遗传算法约简评价指标,进而基于最小约简指标提取违约判别规则,最后对企业短期贷款检验样本进行违约判别.利用贷款企业数据库558家样本企业进行交叉验证技术的实证研究,结果表明,与多元判别分析、logistic、BP神经网络等违约判别模型相比,粗糙集和遗传算法集成的违约判别模型是一种更为有效和实用的信用风险评估工具.     

基于粗糙集和D-S证据理论的设备技术状态评估

针对设备技术状态评估中存在着不确定性,建立了基于粗糙集理论和D-S证据理论的设备技术状态评估模型,以提高评估的准确度,降低不确定性。首先利用粗糙集理论的知识约简功能来优化设备技术状态评估指标,其次采用D-S证据理论来组合优化过的指标,最后采用基于基本可信度分配的决策来获得设备的技术状态类别。以汽轮鼓风机为研究对象,详细描述了基于粗糙集理论和D-S证据理论的设备技术状态评估方法,并进行实例计算。实例表明采用粗糙集理论,优化了评估指标,减少了数据收集;采用D-S证据理论,进一步综合各指标,并能计算出评估结果可能存在的不确定性量。     

基于邻域粒化的小生境微粒群混合数据约简

混合决策系统中同时包含了符号型属性和数值型属性,经典粗糙集处理数值型属性时需要进行离散化,这样会造成信息的丢失。基于邻域粒化的思想,提出了小生境微粒群约简方法,分析了邻域距离函数的选择和大小对分类精度和约简属性数量的影响。邻域粒化的方法可以直接处理数值型属性,微粒群全局优化的特性可以有效的求解全部约简,小生境技术的采用避免了微粒群算法的早熟收敛。选取UCI数据集进行了仿真实验,结果表明该方法可以快速有效地求解混合决策系统的约简,而不影响系统的分类精度。     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

一种混合决策系统属性约简算法研究

针对基于模糊等价关系建立的粗糙集模型，指出了现有相对约简算法的不合理，重新定义了相对约简，并提出利用改进的二进制粒子群优化（PSO）算法来求混合决策系统的相对约简。改进的二进制PSO算法引入遗传算法的交叉算子，同时对于种群中适应度最低的粒子，用新产生的粒子代替。根据“相对约简中属性的数量越少，相对熵之差绝对值越小，适应度函数的值越大”的原则设计适应度函数。实验证明算法对混合决策系统能进行有效的约简。     

可变精度粗糙集模型区间约简

本文对可变精度粗糙集模型约简异常进行了深入研究,通过引入条件类包含度阈值的概念,描述了包含度与分类率的区间关系,分析了包含度区间的动态变化和正区域变化引起的约简异常,提出了消除异常的区间约简基本思想,并构造了区间约简算法,完善了可变精度粗糙集模型的约简.     

粗糙核k-means聚类算法

通过研究核聚类算法,以及粗糙集,提出了一个新的用于聚类分析的粗糙核聚类方法。通过mercer核映射把输入空间中的样本映射到Hilbert空间,使样本空间中没有显现的特征在特征空间中突现出来,在这种样本差异加大的基础上,结合粗糙集的思想,把样本分别划到相应聚类中心的上、下近似中,上、下近似中的样本按照一定的比例来共同决定新的聚类中心。这样不但聚类精度大大提高,而且算法收敛速度也较快。仿真实验的结果表明该算法的可行性和有效性。     

杂合灰色聚类与变精度粗糙模糊集的概率决策方法

在基于粗糙集理论或扩展粗糙集理论的不确定性管理决策中,仅由数据集无法获得决策表,同时决策属性呈现模糊性,以至于无法获取概率决策规则。鉴于此,本文构建了灰色定权聚类与粗糙集变精度的杂合模型,首先运用基于中心点三角白化权函数的灰色定权聚类方法对包含不同量纲指标的知识表示系统进行处理,生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,获取概率决策规则。最后以区域关键技术选择为例,表明该模型的可行性与实用性。     

Five-Category Evaluation of Commercial Bank's Loan by the Integration of Rough Sets and Neural Network

This article proposes a hybrid intelligent system that predicts five-category risk grades by feeding past financial performance data into rough set approach and neural network. The attributes are reduced with no information loss through rough set approach, and then this reduced information is used to develop classification rules and train Elman neural network. For the experiment, the financial data of 896 firms are selected to predict risk grades. The effectiveness of our methodology is experimentally verified by comparing traditional logistic model with our hybrid approach.     

基于多维特征参数的装备状态评估方法

针对利用多维状态特征参数进行状态评估时存在的信息冗余和赋权难度大的问题,运用自组织特征映射网络（self-organizing feature map, SOM）的无监督聚类能力,对状态特征参数进行离散化处理;利用粗糙集属性约简算法剔除冗余特征参数;采用变尺度混沌优化算法对特征参数的权重进行优化。案例分析表明,该方法解决了状态评估多维参数权重的优化问题,提高了状态评估的准确性。     

能源化工循环经济中类Cobb-Douglas生产函数简化及资源优化分配

为了使能源化工循环经济工业园区在一定资源使用量下的产出最大,需要对园区内企业间进行原料资源的优化配置. 分析了能源化工企业产出和各个生产要素的关系,以Cobb-Douglas生产函数为基础,构建描述循环经济中的能源化工企业生产特点的类Cobb-Douglas生产函数;为方便求解,通过进一步假设和简化得到能源化工企业产出与原料使用量的线性关系,从而将原料优化配置问题简化成可计算的线性规划问题. 为不使优化后利润率低的企业分配不到资源,人为设置优化后的利润不低于原规划固定成本一定比例,称为利润下限,并以陕北锦界工业园区为例求解,在无利润下限的约束下,优化后的园区利润提高了76.0%;有利润下限的约束,优化后的园区利润提高了26.8%. 将该资源优化方法应用于正在规划的循环经济园区,可得到园区产出（或利润）最大,且每个企业的利润率最高;对于已建设好的园区,由于企业生产规模不能改变,求解只可以得到园区产出（或利润）最大的结果,该方法可为正在建设或已建成的循环经济工业园区中企业间资源分配优化或企业规模优化提供借鉴.     

基于粗糙集-神经网络的城市产业生命周期识别

以城市经济为背景,提出了基于粗糙集-RBF神经网络的城市产业生命周期识别方法.首先运用基于MDV函数与信息熵的模糊聚类算法进行连续属性离散化处理,然后采用粗糙集理论约简出重要指标体系,最后将训练样本输入RBF神经网络进行学习和训练,并对检验样本的产业生命周期阶段进行判断.对大连市669组样本产业的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且与通常采用的模糊评价法相比,该方法对检验样本预测精度更高,是一种有效和实用的城市产业生命周期识别工具.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

面向企业最优生产计划的线性规划广义逆优化模型

将依据互补最优性条件探讨面向企业最优生产计划的线性规划,如何通过调整其产品成本系数、资源消耗系数和资源拥有量等参数,使某些非可行解成为最优解的广义逆优化问题的数学模型.该问题具有重要应用价值:可以解决采用常规求解方法或启发式算法制定企业最优生产计划时,对资源约束进行刚性处理所导致的经常因生产能力不足使企业不能及时响应市场需求的问题,使企业的整体优化和具体业务流程再造相协调.     

水泥窑协同处置生活垃圾的燃烧特性分析优化

针对传统方法难以分析掺烧生活垃圾后的水泥窑复杂燃烧特性的问题,引入数据挖掘技术,以国内某水泥厂为对象,采集相关参数数据,使用稳定性选择算法分析各参数对煤耗与NO_x排量的影响系数,通过随机森林算法建立煤耗与NO_x排量的数学模型,结合K-means聚类算法得出关键优化参数及其最优值。结果表明,该方法能够建立精确的煤耗与NO_x排量模型,挖掘出节能减排的关键优化参数及其最优目标值。通过改善关键优化参数至最优值,能够大大降低煤耗与NO_x排量,可指导水泥厂优化窑内燃烧特性。     

一种T-S型粗糙模糊控制器的设计与仿真

提出了一种新型的粗糙模糊控制器的设计方法,该方法将粗糙逻辑与模糊推理结合起来,利用粗糙集寻求输入输出空间的最小规则集,通过对粗糙规则输出控制信息的补充,建立起T-S型粗糙模糊控制系统。此方法能有效地从输入输出数据中获取控制规则,同时能够解决规则数目随系统变量呈指数增长的“规则爆炸”问题。对变杆长倒立摆控制的仿真结果表明,该方法能够以较少的规则实现高精度、非线性控制。