基于Rough Set的综合评价方法研究

目前诸多的综合评价方法在权重设置和单因素评价矩阵确定等方面的局限性制约了人们对评价对象的科学认识。论文根据RoughSet理论,提出了基于RoughSet的综合评价方法,旨在消除权重设置的主观性,有效削减指标体系规模。文章最后通过实例,验证该方法的实用性、可行性。     

模糊综合评价法在高职高专院校教学评估中的应用

高职高专院校的教学水平评估是一项多因素、多指标的复杂过程．本文提出利用模糊数学的知识对评估指标进行多因素、多层次的综合性模糊评判,使得高职高专院校的教学水平评估果更加科学、客观和公正。     

综合集成法在高校教学质量评价中的应用

从复杂系统的角度,对高校教学质量评价问题进行科学、系统地分析,并提出将综合集成法应用于高校教学质量评价,以期建立更加全面、准确、客观的评价体系。     

聚类算法在学生综合评价中的应用

聚类分析是数据挖掘的一个重要研究方向,将聚类算法应用在高校学生综合素质评价中,借助聚类算法对学生进行合理分类,并在此基础上给出学生的综合素质排名,可以减少人为主观因素对评价结果的影响.     

协调探索和开发能力的改进灰狼优化算法

提出一种协调探索和开发能力的灰狼优化算法.利用佳点集方法初始化灰狼个体的位置,为全局搜索多样性奠定基础;为协调算法的全局探索和局部开发能力,给出一种基于正切三角函数描述的非线性动态变化控制参数;为加快算法的收敛速度,受粒子群优化算法个体记忆功能的启发,设计一种新的个体位置更新公式.10个标准函数的测试结果表明,改进灰狼优化(IGWO)算法能够有效地协调其对问题搜索空间的探索和开发能力.     

模糊综合评价法在连队安全管理评价中的应用

连队的安全稳定是确保部队安全稳定的基础,对连队安全管理能力进行评价可以查堵连队在安全管理方面存在的漏洞,进而确保连队的安全稳定。文章利用互补两两比较赋权法对连队安全管理工作各个因素的权重进行赋值,进而结合安全工作的特点,选择几何加权平均合成算子,运用模糊综合评价理论,对连队安全管理能力评价方法进行了初步探讨,对推动基层部队安全稳定工作具有重要的现实意义。     

随机森林算法在小麦育种辅助评价中的应用

为了提高育种领域选种的准确率同时缩短品种培育年限,利用改进的随机森林算法根据小麦育种历史数据构建评价模型. 在训练分类器之前,利用改进的SMOTE算法来改善训练样本集中的非平衡现象;在基分类器训练完成后,测试单个分类器的性能并剔除性能较差的基分类器,实现随机森林中基分类器的筛选. 实验结果表明,文中提出的算法在小麦种质评价方面取得了不错的效果,可以辅助育种工作者进行品种选育.     

教与学优化算法在梯级水库优化调度中的应用

针对梯级水库发电优化调度模型存在多约束,求解难度大,传统算法易陷入局部搜索,提出一种改进的教与学优化算法进行优化求解.通过具体案例进行测试验证,并和遗传算法与粒子群算法比较.结果表明,该算法具有求解速度快,求解精度高等优势.     

层次分析法和模糊综合评价法在中小学课堂教学评价中的应用

层次分析法旨在多层次复杂系统对比分析中找出达到总目标解决方案,它早已获得实际应用。而模糊综合评价法在解决难以量化的,没有明确边界的问题时常常具有令人信服的结果,本文将两种方法结合起来,在诸如入职教师课堂教学水平测试、教师教学比赛等复杂且难以准确量化,然而结果又必须提供量化成绩的情况时具有较为公正和说服力。     

基于HGA算法的Rough集理论在故障诊断中的应用

知识约简问题是粗集理论的一个核心问题,文章提出了一种基于混合遗传算法的相对约简算法,把模拟退火融入到遗传算法中形成混合遗传算法,提高了遗传算法的优化效率,并在此基础上寻求最小条件属性集及最小属性值约简,论文最后以某导弹测控系统配电分系统故障诊断为例,证明该算法是一种行之有效的约简算法,从而为导弹系统的故障诊断提供了一条新思路.     

粗糙集在大同房地产市场分析中的应用

粗糙集理论具有很强的定性分析能力,能够有效地表达不确定的或不精确的知识,善于从数据中获取知识,并能利用不确定、不完整的经验知识进行推理。利用粗糙集理论,以房地产信息为实例,通过粗糙集的属性约简和规则提取方法,得到更多房地产信息中潜在的规律,为购房者提供更多的参考。     

邻域系统粗糙集和覆盖粗糙集

邻域系统粗糙集和覆盖粗糙集是经典粗糙集的两种重要扩展。通过分别比较各模型中下(上)近似集之间的包含关系和近似精度之间的大小关系,深入探讨邻域系统粗糙集和6种覆盖粗糙集模型之间的关系,得出了邻域系统粗糙集和6种覆盖粗糙集模型的下(或上)近似集之间的关系是明确的,其要么是可以比较的,要么是不可以比较的,证明了可比较的具有包含甚至等价关系,不可比较的通过反例进行了佐证。对不同扩展粗糙集的对比研究加深了对这些模型的理解,同时也为宏观上学习和认识粗糙集提供了帮助。     

一种基于Rough集理论的多属性综合评价方法

目前诸多的综合测评方法在权重设置等方面的局限性制约了人们对评价对象的科学认识,本文根据Rough 集理论,提出了基于Rough 集的综合评价方法,旨在消除权重设置的主观性,实现完全数据驱动,不需要人为设置权重.通过大学生综合测评实例,验证该方法的实用性、可行性.     

基于SQL的粗糙集属性约简方法

建立粗糙集模型和SQL语言之间的关系,给出信息系统中基于SQL语言的属性集区分能力、对象集的上下近似、属性重要性、核、约简等概念,提出基于属性集区分能力的完备属性约简算法。实验结果表明了该算法的有效性,为粗糙集理论更广泛地应用于具体的实践提供了一种方法。     

基于粗集理论的知识含量度量研究

知识库中知识含量度量是知识处理领域中的基础问题．现有的度量方式都是采用相对度量或信息熵的方式,度量结果具有相对性,并且不易体现知识本质在于分类的特性．根据知识库在结构上的差异程度,将知识库的相似性关系定义为等价、等构、等势3种关系．在这3种关系的基础上,提出了用于度量知识库中知识含量的测度所需要遵循的4条准则．并基于此4条准则对基于信息熵的度量Hent的正确性进行了证明,最后还提出了一种基于分类的度量方式Hdis．以上工作进一步深入描述了知识的本质及其度量方式的内涵,有助于人们在此基础上构造新的知识处理算法．     

监督机制多粒度决策粗糙集模型及应用

为弥补多粒度决策粗糙集刻画不确定性知识能力的不足,鉴于监督学习能够考虑对象现有或预测的类别标签信息,在多粒度决策粗糙集中引入类内阈值和类间阈值的概念,提出了基于监督机制的多粒度决策粗糙集,给出模型的下、上近似,并对相关性质和结论进行证明。以工地项目建设的实例验证了模型的有效性与可靠性。实验结果表明,通过调整类内阈值和类间阈值,可进一步提高原模型的容错和分类能力。     

基于粗糙集和相似度量的CBR检索方法

检索是CBR中的关键技术,直接影响到范例推理的效率和质量,该文提出先用粗糙集理论去除冗余的范例决策表中的特征属性,再用相似度量理论来实现相似范例检索,这种检索方法检索效率高。同时给出了该方法在天气情况预测上的实例,验证了其有效性和准确性。     

基于粗隶属函数的粗糙集模型的推广

通过粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系。把粗隶属函数视为论域上的一个特殊模糊集,用它的!-截集和强"-截集的概念,将经典粗糙集模型进行推广,提出基于等价关系的隶属度粗糙集模型,验证一些有用的性质,并证明该模型比Pawlak粗糙集模型具有更好的精度。最后将基于等价关系的隶属度粗糙集模型拓展到基于一般二元关系的广义隶属度粗糙集模型,并给出其相应的性质。     

基于模糊数风险最小化的拓展决策粗糙集模型

决策粗糙集模型中损失函数一般是基于单值的。考虑到实际决策问题中损失函数的不确定特征,为了处理一般的情形,引入模糊数来表示损失函数。从模糊数学的角度出发,通过一系列模糊运算得出决策阈值α、β的模糊分布,并据此给出决策规则。同时,对比区间决策粗糙集模型,给出获得更紧凑的阈值α、β上、下确界的方法。最后,通过一个石油投资的例子来阐明该模型的应用过程。     

基于粗糙集与改进KNN算法的文本分类方法的研究

KNN算法是文本自动分类领域中的一种常用算法,对于低维度的文本分类,其分类准确率较高。然而在处理大量高维度文本时,传统KNN算法由于需处理大量训练样本导致样本相似度的计算量增加,降低了分类效率。为解决相关问题,本文首先利用粗糙集对高维文本信息进行属性约简,删除冗余属性,而后用改进的基于簇的KNN算法进行文本分类。通过仿真实验,证明该方法能够提高文本的分类精度和准确率。