模糊综合分析法在信用评级中的应用研究

从模糊综合评价法的含义出发,列举了该方法具有考察指标变化非线性影响等特点,探讨了在运用模糊综合评级中遇到的两个重要问题——指标权重确定方法和指标隶属度的计算方法,列举和比较了可供选择的多种方法,说明了如何将模糊综合评价法运用到信用评级中,并且通过案例说明了模糊综合评价法的应用,选择上海市贷款企业信用等级评定标准中所选择的指标体系和采取的指标权重,对于某受评单位,运用指数衰减法建立了模糊评级矩阵,并进行了信用评级。通过模糊综合信用评级,可以有效地避免评级中的过于主观性,有力提高了信用评级的科学性和准确度。     

基于属性离散和特征度量的决策树构建算法

针对基于信息熵的决策树算法中存在多值属性偏向、连续属性处理不佳和时间复杂度较高等问题,提出一种基于离散比概念的决策树特征度量方法.首先采用K-means聚类算法对连续性数值属性进行离散化处理,其次利用属性在各个分类中的权重以及在整个条件属性中的权重比值,计算出该属性的离散比,避免了计算熵过程中复杂的对数运算,最后根据离...     

基于组合权重的交通网络路径选择方法

针对城市交通网络路径选择过程中路径属性权重确定方法不合理的问题,考虑属性的主观权重不能更好地反映路径的客观信息并承载了较多的主观随意性、客观权重则对驾驶员的主观偏好兼顾不够等因素,提出了一种基于组合权重决策的最优路径选择算法。基于信息熵理论、路径的旅行时间和费用等属性对路径进行评价,属性的权重用主观权重和客观权重相结合的方法确定,根据计算得到的各路径的综合属性值,对可能的路径方案进行排序,从而得到最优路径。利用算例说明了本文最优路径选择算法的正确性和合理性。算法兼顾了专家的知识和出行者的主观偏好,同时有效地利用了路径的客观信息,得到的最优路径更合理。     

房地产开发项目参建合作企业信用评价体系研究

本文针对目前房地产项目参建合作企业的信用缺失,从房地产企业角度提出建立企业信用评价体系,用于房地产参建各方信用评价,对规范建筑市场,促进各主体诚信经营具有一定的意义.本文构建了房地产项目参建合作企业信用评价体系.将信用评价指标分为履约能力和履约行为两大类,两大类指标体系下又细分为定量和定性指标,履约行为指标还根据各承包商或服务商的工作特点分别给出了各自的评价指标.提出了评级指标权重的确定方法,同时指出指标权重在实际应用当中可根据当时背景情况作相应调整.关于评分标准,对定性指标分为四级,定量指标采用百分制计分方法,给出了信用评价计算公式并参照国际通行评级标准划分企业信用等级.最后以工程实践中上海某知名监理公司相关信息资料进行了实例分析.     

武器评价加权和法的改进与应用

针对加权和法评价武器时指标权重的选取所造成的计算结果精度的不稳定性提出了改进建议,即用最优权重取代凭经验确定的主观权重.最优权重是在主、客观权重的基础上,通过构造数学规划模型的方式求得.主观权重求法不变,客观权重由灰理论法求得.算例与分析表明:改进后的加权和法能使评价结果精度提高5%以上,并能最大限度地消除单纯使用主观权重造成的评价结果精度的不稳定性.改善精度时,首次提出了用最优权重取代主观权重的思想.描述和分析了最优权重的思想、求解方法,以及对加权和法的改进思路.     

多属性决策中权重确定的主客观赋权法

研究了多属性决策中属性指标权重问题的确定，提出了一种主客观赋权法，该方法是通过一个数学规划模型自动求解属性的权重，使确定的权重同时反映主观程度和客观程度．     

基于熵权和灰色关联度的电力企业绩效评价

针对常用的绩效评价方法采用专家打分、德尔菲法等来确定指标权重导致绩效评价存在较强的主观性这一问题,本文提出采用熵权法和灰色关联度法相结合来对电力企业的经营绩效进行评价。本文将电力企业的经营绩效评价体系分为四个一级指标和十一个二级指标;采用熵权法确定指标的综合权重的大小,然后根据灰色关联度原理计算评价对象和参考序列的关联度,进而根据评价对象与参考序列关联度的大小来确定电力企业的经营绩效水平。     

决策信息数据为区间数的一种多属性群决策方法

为了解决属性值为区间数的多属性群决策问题,提出了一种以决策信息数据为区间数的多属性群决策方法.首先分析了评价专家权重的计算方法;然后采用区间数熵值法确定属性权重;最后在确定评价专家权重与属性权重后对每个方案的综合有效评价值和属性的正负有效综合理想属性值进行测度,以此求出每个方案的有效综合属性测度结果,并进行排序.采用实...     

双离合自动变速器车辆换挡品质模糊综合评价

双离合自动变速器车辆换挡品质评价过程中的主观评价方法常导致评价结果离散性大,且单纯的客观评价方法导致评价结果局限于数据而忽略主观知识指导,针对上述问题,从时间、纵向加速度和发动机转速3个维度确定了换挡品质评价指标,基于层次聚类方法和专家知识科学地建立了换挡品质评价体系;基于分配最优原则,结合德尔菲法与层次分析法获得换挡品质评价指标的主观权重,由变异系数法计算换挡品质评价指标的客观权重,再进行组合赋权得到综合权重计算模型. 提出基于数据差异性与模糊阈值的隶属度函数确定方法,建立换挡品质的模糊综合评价模型;试验验证了模糊综合评价模型与变异系数法在换挡品质评价上的有效性,并对比验证了模糊综合评价模型相对于单纯客观评价方法的有效性和准确性. 比较了模糊综合评价模型计算的换挡品质二级评价指标权重的大小,揭示了各指标对于换挡品质的重要程度,为改善整车的换挡品质提供了有效指导.     

基于直觉模糊-VIKOR理论的深基坑支护方案优化方法及应用

针对深基坑支护方案的主观评价指标定量化和不确定性问题,在深基坑支护方案评价指标体系建立的基础上,结合直觉模糊集理论和VIKOR理论,提出了基于直觉模糊-VIKOR理论的深基坑支护方案优化方法。该方法利用集值统计理论量化主观评价指标,采用直觉模糊集理论计算指标属性权重和专家权重,通过加权平均获取指标权重,利用VIKOR理论计算各方案的综合评价值,从而获得最优方案。将所建方法应用于扬子科创中心深基坑工程支护方案优化,获得了该深基坑工程的最优支护方案为逆作法下的地下连续墙+梁板支撑结构,为设计与施工提供了参考依据。     

基于数据挖掘技术的建筑企业信用评价

针对传统方法的不足，分析了应用数据挖掘技术的建筑企业信用评价方法．采用Logistic，决策树和神经网络算法，从250个建筑企业组成的学习样本中挖掘信用好或差的分类规则，从而建立了3个相应的信用评价模型．将所建立的模型用于评价检验样本中的46个建筑企业，采用混淆矩阵比较了各模型的评价表现．结果显示，Logistic，决策树和神经网络模型的评价准确率分别为87．0％，82．6％和82．6％，一致性结果的准确率达到91．7％，并且各模型在稳定性、敏感度等方面具有不同特点。研究表明，数据挖掘技术是一种有效而准确的建筑企业信用评价方法，此外，不同特点的数据挖掘模型为建筑业的信用评价提供了多种选择。     

基于决策树方法的信用卡信誉检测

介绍了决策树分类方法,建立了基于决策树方法的信用卡信誉检测模型,并用该模型进行了信用卡信誉检测实验.结果表明,基于决策树的信誉检测方法可为银行信用卡风险管理提供有效信息,规避可能出现的坏账风险.     

基于决策树技术的企业信用风险评估

在科学把握决策树与信用风险管理理论的基础上,对现有信用风险评估模型和方法进行了分析评价,针对信用评估结果不确定的情况,在企业信用风险评估中引入决策树分析方法,建立了基于决策树技术的企业信用风险评估模型,使信用风险评估工作更科学、可靠,更直观,以便更科学地筛选赊销对象。     

基于决策树与模糊神经网络的双机协调控制设计

在两个巨型操作装备夹持一个工件水平操作时,需要对其协调控制,以防止对工件的损伤。本文将协调控制过程整体设计为决策和执行两层,首先用适应于过程辨识的模糊神经网络为决策树提供对象模型,然后设计了分类结果为模糊隶属度的针对时间有序的决策树,为双机提供上层协调策略,并为单机控制器提供了输入,最后由模糊神经网络控制器根据决策树的分类决策执行单机控制,从而完成整个双机的协调控制过程。通过双操作机仿真及双液压缸实验与被动柔顺及PID控制进行了对比,均证明了该方法更优越。     

基于数据挖掘的信用分类技术

以提高信用等级评价的质量为目的，介绍了数据挖掘技术的基本过程.以企业贷款的信用分类为研究背景，具体研究了业务理解、数据理解、数据准备、建模、评估和发布的实现环节.在建模过程中，采用决策树为分析模型，对经典的C4.5算法进行了改进.将改进算法运用在企业贷款的信用分类中，并将其效果与经典的C4.5算法的结果进行比较，结果表明该算法对于企业信用分类这样的复杂系统，在准确度与决策树结构上具有一定程度上的改善，能够提高信用等级评价质量.     

基于粗糙集的决策树优化算法

在粗糙集理论的基础上提出了一种新的决策树算法,把粗糙集中的近似分类精度及决策规则的确定性因子应用于决策树的构造,在算法形成的过程中提出抑制因子,对决策树进行修剪,避免了先生成决策树再修剪的繁琐步骤,且在每次划分时对条件属性值和决策属性值进行匹配考察,避免不必要的计算,进一步提高了算法速度．     

基于决策树的交通拥挤状态预测

随着交通需求量的增加,城市道路拥挤现象越来越严重,所造成的直接或间接的经济损失是难以估量的.若能可靠地预测出即将形成的交通拥挤状态,并采取及时、有效的交通管理措施,可以避免交通拥堵的产生或减轻其严重程度.城市智能交通信息平台积累了大量的交通数据,各交通数据往往存在某些内在的联系.分析影响交通拥挤状态的环境因素,利用数据挖掘中的决策树方法对大量已有历史交通数据进行挖掘可以确立交通拥挤发生模式,从而利用发生模式与当前数据来预测交通流拥挤状态.决策树擅长处理非数值数据,而且计算速度快,对交通拥挤状态预测具有较强的适用性.     

结合贝叶斯推理技术的改进决策树研究

决策树是当前预测、决策和数据挖掘中常用的方法之一。通过对决策树的生成过程进行分析,针对现有方法中决策树过度生长带来的弊端,提出了一种结合贝叶斯推理技术思想的决策树的改进方法,并给出了该方法中数据的存储结构和决策树的生成过程。该方法利用数据挖掘所产生的规则对决策树每个分支节点的分裂条件进行判断,一方面能限制决策树生长,另一方面又能帮助选择最优线路,从而使决策效率明显提高。     

一种改进的PEP决策树剪枝算法

剪枝过程是决策树分类学习中的重要环节,能够简化决策树并提高决策树的泛化能力,避免对训练数据集的过适应。在PEP算法的基础上,本文提出了一种改进的决策树剪枝算法IPEP,实验结果表明,该算法剪枝效果较PEP算法更好。