基于粗集的IT项目风险决策中知识推理方法

针对IT项目的风险管理与决策过程中存在大量不确定、不完全信息等特征,论文在传统决策方法的基础上,将智能决策支持系统(IDSS)引入到IT项目的风险管理中,提出了IT项目风险智能决策支持系统(ITIDSS)的基本构架。并借助粗糙集的原理与方法,通过实例分析,探讨了ITIDSS中关于知识表达、属性约简、规则挖掘等信息获取与知识推理的算法,尤其是引入了有效规则权重的概念与计算方法,从而对整个决策规则挖掘的算法进行了简化和改进。     

粗糙集AHP融合模型在IT项目风险分析中的应用

IT项目是高投入、高风险产业,为了在IT项目开发中获得高收益,有必要对IT项目风险进行分析。但是传统分析方法比较主观,难以对IT项目风险进行客观的分析。文章先引入粗糙集理论,利用可分辨矩阵约简算法对IT项目风险表进行属性约简,剔除其中不必要的属性,然后综合利用粗糙集理论和AHP方法来确定IT项目风险的权重,并通过实例验证该方法的可行性和合理性。     

粗糙集理论和信息熵的AHP改进方法

将粗糙集理论引入到AHP(analytic hierarchy process)方法中,提出一种基于粗糙集理论和信息熵的AHP判断矩阵构造方法。考虑到AHP方法主要是通过专家判断矩阵来获取属性权重,其决策结果具有一定的主观性和偏好性这一现象,利用粗糙集理论和信息熵方法来构造一种基于数据驱动的客观属性集成权重,并利用客观集成权重来修正已有AHP方法的主观判断矩阵,进而提出一种同时兼顾主观性和客观性的AHP权重获取方法。最后,利用大众点评美食推荐实际问题和数据,验证了所提出方法的有效性和可行性。     

基于粗糙集和贝叶斯理论的IT项目风险规则挖掘

针对IT项目的风险决策过程中存在大量不确定、不完全信息等特征,本文在传统粗糙集的基础上,将贝叶斯理论引入到IT项目的风险管理中,提出了规则支持度、置信因子、覆盖因子等获取的相关算法,构建了基于粗糙集与贝叶斯理论相结合的风险规则挖掘模型,并通过实例对该模型进行了详细分析。     

基于改进的粗糙集与AHP法的组合权重确定方法

为了更好地发挥主观赋权法与客观赋权法这两类评价方法的优势,但又要避免这两类评价方法各自的缺陷,达到两者优势互补、扬长避短的目的,利用层次分析法(AHP)来计算出主观权重,经过改进的粗糙集(RS)法来计算出客观权重,然后通过建立最优模型给出一种可以综合专家经验与客观数据的组合权重计算方法,进而可以确定出主观权重与客观权重相结合的最优组合权重.最后通过对一个实例的应用,表明了该方法是科学、有效的,可以使决策的准确性得到提高,具备实用性与推广价值.     

基于粗糙集与AHP结合的属性权重确定方法

属性权重的确定在决策分析中是很重要的一个环节,针对粗糙集理论客观属性权重确定方法和AHP方法主观属性权重确定方法的不足,将粗糙集与AHP方法进行有机结合,建立了属性权重最优化模型,并利用Matlab工具进行仿真,通过实例验证了最优化模型的有效性.     

基于改进贝叶斯粗糙集和证据理论的决策信息融合方法

针对决策信息信息表中新对象的分类问题,提出一种基于改进的贝叶斯粗糙集和证据理论的决策信息融合方法.对传统的贝叶斯粗糙集进行改进,扩展到多决策类,定义了支持度的概念以此反映确切分类的对象所占的百分比.利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本概率分配函数,并利用证据合成法则对多个证据进行合成,以此进行决策.将上述方法应用于设备故障的诊断问题中,通过方法的对比验证了该方法实践应用的有效性.     

基于AHP的群决策风险评估方法

运用层次分析法对一信息系统进行风险评估,以风验发生的概率、风险的影响、风险的不可控性作为层次模型中准则层的元素,采用群决策的方式确定风险因素相对于准则层各元素的层次单排序,专家的权重由其所构造的判断矩阵与其他矩阵之间的相似程度来确定,然后采用加权几何平均的算法将专家的判断聚合为一个共识度矩阵.     

基于加权代价的决策粗糙集模型

经典决策粗糙集模型仅仅依据单个代价矩阵进行风险决策,没有考虑到风险代价的多样性和复杂性。为了弥补现有模型的不足,首先,从加权投票机制的角度引入基于多重代价融合的风险分析方法 ,提出一种基于加权代价的决策粗糙集方法。然后,研究基于加权代价的决策粗糙集 模型与其他模型的性质和关系,分析它们之间的度量和代价关系 。最后,通过UCI数据集验证该方法的有效性和鲁棒性。     

基于粗糙集的层次分析及其应用

在实际择优决策过程中,层次分析法被广泛使用,而在不完备复杂信息系统中粗糙集理论被大量使用,对系统进行约简。本文在层次分析方法的基础上,通过粗糙集理论对层次分析模型中矩阵的维数进行了降维,有效地改善复杂大系统的处理复杂度,提升了计算机利用层次分析法解决实际择优问题的效率。实例证明了该方法的可行性和有效性。     

基于战略对应的IT项目组合选择模型

把信息技术项目当作组合来管理可以通过平衡风险和收益来促进企业目标和IT应用的结合,但由于决策信息的不确定性和IT项目目标与企业战略的难以对应,企业面临IT项目组合选择的挑战。构建基于战略对应的IT项目组合选择模型,其中模糊集和模糊层次分析法用来刻画不确定信息和评估IT项目风险、成本及收益,关键成功因素法用来提高IT项目与企业战略的对应,并建立模糊0－1整数规划。利用定性可能性理论把模糊组合选择模型转化为一般可求解的整数规划形式,最后用一个案例说明模型的用法。     

基于变精度粗糙集与变权综合的多属性决策

针对多属性决策,提出一种基于变精度粗糙集的多属性决策方法,提出基于属性依赖度和信息度来确定属性重要性,并且与变权综合结合,从而得到属性的权重。通过实例说明该方法是有效的。     

模糊决策在农村劳动力转移安置中的应用

成都平原富余劳动力转移安置涉及因素较多,并且具有强烈的模糊性,因此有必要提炼出主要的影响因子。在分析成都平原农村富余劳动力转移安置的特点和存在的问题的基础上,提出了基于模糊理论的农村劳动力评判模型。该模型对成都平原富余农村劳动力进行了单因素评判和综合评判,并通过实例运算证明了模型的实用性。     

基于粗糙集的PPP项目风险分担方案选择研究

为保证PPP项目的成功实施,公共部门和私营部门必须合理地分担风险。构建了一套适用于PPP项目的风险分担方案选择指标评审体系,设计了一种基于GASA和粗糙集理论的风险分担方案选择方法。引入GASA法解决数据离散化后对决策规则支持度低,影响决策准确性的问题。利用基于粗糙集和条件信息熵理论的方法计算权重,提高了适用性和可靠性,改良了GRA法的准确性。将求得权重和约简后数据代入GRA公式,选取适度值最高者为最优方案。     

基于层次分析法和信息熵的多准则指标选取

在新装备测试指标选取过程中,由于列装时间短,测试样本少,测试条件不足,通常选取工作无据可依。通过分析层次分析法、Dijkstra法、粗糙集法的优缺点,提出一种基于层次分析法、群组G1法和信息熵理论的指标多准则选取方法,将指标按几个基本准则两两比较获得原始数据,用群组G1法通过专家评判和信息熵法分析原始数据来确定评价准则的权值,最后对原始数据进行加权来对指标进行权重判断。文章结尾给出一个实际算例。方法依赖于两两比较数据,具有一定客观性,且无需进行样本测试,简化了指标选取工作。     

基于AHP和模糊综合评判的信息安全风险评估

从信息安全风险评估的原理和研究现状入手,提出了基于层次分析法（AHP）和模糊综合评判的信息安全风险评估的方法,解决了风险评估中定性指标定量评估的难点。最后给出实例,证明该方法能有效地应用于信息安全风险评估。     

基于粗糙集分类一致性的规则挖掘算法研究 ——以IT外包中知识转移风险为例

随着IT外包服务业务的不断增长,IT外包服务中知识转移所导致的风险问题也愈加突出,如何规避IT外包中的风险问题也显得尤为重要。从知识分类的角度出发,利用粗糙集理论,对IT外包中的知识转移风险规则挖掘算法进行了分析与探讨,结合具体案例予以实证,以期为IT外包企业风险控制做出贡献。     

基于粗糙集决策网络的故障诊断规则提取方法

针对故障诊断信息的不一致性,提出一种基于粗糙集决策网络的故障规则提取方法。将故障诊断决策系统通过分辨矩阵和分辨函数进行属性约简后,构造出一个不同简化层次的决策网络。将属性约简集作为网络初始节点,根据网络节点得到决策规则集;同时,为了有效滤除噪声,在置信度的基础上引入了规则覆盖度的概念,对提取的规则进一步评价,最终提取有效的诊断规则。旋转机械故障实例验证了该方法的有效性。     

基于AHP的耦合任务集资源分配权重确定方法

针对耦合任务集中因资源分配不合理而造成资源利用不充分的问题,引入定性与定量相结合的指标权重确定方法——层次分析法（AHP）,建立关于资源分配的层次结构模型,构造资源分配矩阵,并通过分析任务间的耦合对资源分配矩阵中权重比的影响得出解决权重比不一致的方法,从而确定各资源的权重分配系数,使得各任务得到较为合理的资源配置。以某机械产品的开发过程为例,说明了该方法的可行性。