任瑱[1]2003年在《粗糙集方法在管理决策中的研究与应用》文中指出为了帮助管理者从企业庞大的数据库中找到管理决策所需的数据，人们运用了多种知识发现技术，在这其中粗糙集方法是一种新兴的且很有发展前途的方法。文章介绍了粗糙集理论的基本特征和主要思想，给出粗糙集方法在知识推理中的实际应用模型，并应用这一模型对一个企业的销售数据库实例进行具体的分析，建立数据分析系统，通过计算最终得到管理所需的决策规则。由此说明如何运用粗糙集方法为企业的管理决策提供有价值的信息。文章共分四个部分： 第一部分对知识和决策做了一个总体的介绍，包括知识的多样性、知识发现技术目前的发展情况、管理决策的重要性和知识推理在决策中的作用。 第二部分介绍粗糙集理论的主要思想。包括理论的提出，一些基本的概念，数据的约简，知识表达系统，属性的约简，决策逻辑和决策规则最小化等。 第叁部分通过具体的企业销售数据库实例，介绍粗糙集方法在管理决策中的应用过程。包括数据的分类，KRS的建立，数据的约简和决策规则的生成。 第四部分介绍粗集方法在KDD中的应用的范围和这一理论今后的发展方向。包括对粗集方法的评价，它的优点和应用中的不足之处等。
熊国瑞[2]2017年在《基于BIM的建筑项目知识管理决策研究》文中提出随着网络化和智能化渗透到各行各业,传统建筑行业也在逐步应用信息化管理替代粗放型管理的转型过程中,其中BIM的引入为建筑企业的转型升级提供了有效途径。然而目前BIM在我国建筑企业的应用还不够广泛和深入,究其原因是BIM应用当前主要限定在技术层面,而建筑企业在发展过程中针对技术层面问题的解决方案已经相对成熟稳定。因此,将BIM与知识管理相结合,构建一套建筑项目的知识管理体系,一方面促进BIM在建筑企业的广泛应用,加快建筑企业的转型升级;另一方面挖掘和拓展BIM的价值和应用范围,不仅仅关注于技术层面,而且还涉及到项目管理的决策领域,从而为提升BIM在我国建筑行业的应用以及建筑企业的智能化管理奠定基础。论文在分析了BIM包含的信息和知识管理流程的基础上,针对建筑企业项目管理中可能涉及的决策问题,通过构建建筑项目的知识管理系统,给出了项目管理中决策方案获取的方法。根据BIM中的信息和BIM外的信息,构建了建筑项目知识管理的概念模型,该模型由信息资源库、知识库和规则库叁个模块构成,通过叁个模块之间的逻辑关系表达,达成了管理决策的目标;基于广联达BIM5D信息集成平台,构建了建筑企业的项目管理知识库,该知识库将不同项目中的同类知识和标准进行归纳,形成了各分类子知识库,为后续知识管理决策打下基础;运用变精度粗糙集方法,通过对知识库的分析,提出了条件属性在完全匹配、近似匹配、组合匹配和分步匹配等四种情况下,分别得到决策方案、近似决策方案、近似组合决策以及分步决策方案的方法,从而形成了决策规则库;应用18个建筑项目中的部分数据模拟了知识管理系统的构建过程,通过决策规则库获得了新项目的近似案例及总工期估计的决策结果,说明了该知识管理体系在项目管理决策中的可行性。
谈晓洁[3]2005年在《基于知识的交通拥堵疏导决策方法及系统研究》文中进行了进一步梳理如何应对城市现代化带来的交通拥堵问题,是交通管理者需要迫切解决的问题。本文以构筑智能化城市交通拥堵疏导决策支持系统为研究目的,着重应用数据驱动的决策支持方法,比较深入地研究了基于知识的城市交通拥堵疏导决策中的几个突出问题:1.从智能决策分析的角度,系统地分析了城市交通拥堵的各种用于决策的属性,特别是其时空分布及发展趋势特性,提出了一种实用的交通拥堵时空分布判别算法以及发展趋势分析解释机制;接着提出了拥堵特征描述模型,从影响因素和分类的角度,研究了拥挤疏导的对策问题;最后,阐述了本文将基于知识的系统应用于该领域的目的及作用,并进行了拥堵疏导决策知识类型及内容的深入剖析。2.提出了数据仓库在城市交通拥堵疏导决策支持系统中的应用及理论框架。探讨了基于数据仓库的城市交通拥堵疏导决策数据管理方法,按主题组织数据,以星型模型建模,提供有效的数据抽取和集成功能,经过加工的数据是面向决策的,从而为进行智能化决策提供了一个集成的公用数据平台。在此基础上,交通拥堵管理决策人员不仅能够有效整合多种异构数据源,获得对整个交通拥堵状态信息的集成视图,而且还为进一步数据挖掘提供了数据基础。3.提出将粗糙集理论及方法应用于城市交通拥堵疏导决策分析中的知识获取问题。针对决策过程中的某些不确定性问题,着重研究了城市交通道路监测数据与交通拥堵程度之间的依赖关系,建立了进行交通状态模式识别的知识模型,给出了基于案例推理的交通报警处理系统中案例特征项权值确定算法,说明粗糙集是一种交通管理研究的理想动态工具。这一方面是对粗糙集应用领域的扩展,另一方面,也有效地解决了基于知识的城市交通拥堵疏导决策支持系统中知识获取的瓶颈问题。4.提出利用数据仓库、范例推理和知识获取的理论及方法加以辅助决策分析,构建了基于知识的城市交通拥堵疏导决策支持系统体系结构。这种应用方案通过扩展传统的定量决策模型为知识决策模型,综合利用定性推理和定量计算的长处,一方面较好地解决了传统四库结构的决策支持系统中的数据基础和知识获取问题,降低了分析模型和算法的设计复杂性,使系统具有清晰的结构和较强的知识处理、更新能力;另一方面由于交通拥堵管理在实践中积累了丰富的经验,存在着大量的实际案例,所以范例推理很好利用了这一实际情况,避免了知识增加时知识库的完整性和一致性问题。
刘超[4]2007年在《粗糙集理论及其在不确定性决策中的应用研究》文中认为粗糙集理论是一种处理不确定知识的有力工具,在各领域已得到了广泛应用。本课题的研究工作,主要围绕着粗糙集理论的概念以及粗糙集在实际中应用的要点展开,涵盖了粗糙集理论的基本观点和特点、粗糙集理论进行实际应用的一般模型、粗糙集理论的主要算法、粗糙集属性约简的主要方案、粗糙集常用软件、粗糙集在企业合作伙伴选择中的应用等内容,形成了较为完善的粗糙集应用理论和技术方案。从管理决策方法的发展回顾入手,为不确定性管理决策和粗糙集理论的结合做好必要的理论准备。论述了粗糙集理论的基本观点和特点,对粗糙集的理论的研究进展和应用情况作了归纳和总结。讨论了基于粗糙集解决不确定决策问题的可行性和必要性。探讨了基于粗糙集的知识约简的方法。提出了粗糙集在实际应用中的流程。在中国企业海外并购的实际案例中以企业合作伙伴的选择为切入点,在企业选择合作伙伴的各项指标的重要性判断中应用粗糙集理论,构建出相应的决策表,应用前面介绍的决策表属性和属性值的约简算法对该决策表进行简化,从而得出隐藏在纷繁数字背后的重要结论,从而大大提高了企业在进行不确定性管理决策的效率,也验证了粗糙集在解决不确定决策问题中的有效性。最后对全文进行了总结并指出了下一步的研究方向。
梁西燕[5]2008年在《基于粗糙集理论的农业决策支持系统研究》文中进行了进一步梳理粗糙集理论是一种新兴的处理不精确、不确定与不完全数据的数学工具。决策支持系统强大的辅助决策以及粗糙集理论强大的信息处理功能已日益显露出来并为人们所关注。本文从农业领域的数据特性展开研究和讨论,提出基于粗糙集理论的农业决策支持系统模型。本文讨论了决策支持系统以及粗糙集理论的发展状况、特点,提出了基于粗糙集理论的农业决策支持系统的实施方案。该方案从决策支持系统知识获取的决策表入手,通过利用粗糙集理论对决策表进行化简,为决策支持系统提供辅助决策所用的规则表。对属性约简算法进行了重点研究,在已知的研究成果中,Skowron提出的可辨识矩阵为求取最佳约简提供了很好的思路,该方法将信息表中所有有关属性信息都浓缩进了一个矩阵中,可通过该矩阵方便地得到决策表的属性核。本文分析了可辨识矩阵在获取属性核中的重要作用,对属性约简算法做了改进,即针对农业数据获取的特点,在限制容差关系下,提出不完备决策表的属性约简算法。根据决策支持系统的知识获取任务,建立了一种基于粗糙集理论的决策支持系统模型。在该模型中首先分析了农业数据的预处理方法,即属性的离散化和泛化问题。指出将连续属性离散化和面向属性的归纳相结合是一种适用于应用领域且行之有效的泛化方式,并提出了具体的实现方法,即与专家的经验知识结合运用。经过预处理的数据就形成了目标信息系统,采用本文改进的属性约简算法对其进行约简处理,获取规则,实现粗糙集理论在农业决策支持系统中的应用。最后,将获取的规则用于农业病虫害的诊断中,利用粗糙集理论的属性重要度计算方法,对诊断的可信度进行计算。通过对实例运行结果的比较、分析,验证了粗糙集理论与农业决策支持系统相结合方案的可行性以及属性约简改进算法的有效性和实用性。
杨宁[6]2006年在《粗糙集理论及其在投资环境因素分析中的应用研究》文中研究表明现代管理决策面临的研究对象往往十分复杂，其性质展示常不够明显和充分，需要考察庞大的相关数据，从大量数据中寻求其固有矛盾，发现其潜在规律，提取规则，对系统的不确定性作出评估，在此基础上才能拟定出适宜的决策。粗糙集理论是一种新的处理不确定性知识的数学工具，其主要优势是不需要提供问题所需处理的数据集合之外的任何额外的先验信息，通过知识的简化与知识依赖性分析，完全由已知数据导出决策规则。因此，粗糙集理论可有效地帮助决策者处理复杂系统的决策问题。 信息系统以及不完备信息系统知识约简、规则获取的理论与方法研究是粗糙集理论与应用研究的核心问题。人们从不同的角度出发，提出了多种约简理论与方法。然而，这些方面本身还存在大量需要研究和解决的理论问题。另外，投资环境是一个结构复杂的有机系统，涉及到诸多因素，如经济环境、社会环境、资源环境、基础设施等，衡量这些因素的数据具有多种类型，且这些因素相互制约、相互依赖。目前，国内外学者对投资环境评价已基本形成一套成型的评价方法和模型，但是这些评价方法几乎都不同程度地受到评价者主观因素的影响，评价过程中指标权重的确立大多依赖人为的赋值和评分，主观性较强。因此，运用粗糙集理论对投资环境进行评价可以在一定程度上有效地避免人的主观因素，通过数据对影响投资环境的各个因素进行评价，并综合得出评价结论，这是一种恰当与合理的方法。 本文针对粗糙集理论的叁个方面理论问题进行讨论(粗糙集正域的约简、变精度粗糙集的知识发现、不完备信息系统的知识发现)。同时，借助粗糙集的正域理论，对影响投资环境诸因素的重要性程度进行刻画，将粗糙集理论应用于投资环境分析。为此，本文对以下问题展开研究： (1) 基于粗糙集理论的信息系统知识约简理论与方法。信息系统知识约简理论与方法研究中基于粗糙集正域的约简是经典的方法，通过区分
郑文钟[7]2005年在《基于数据挖掘和系统集成的农业机械化信息管理系统研究》文中提出农业机械化是一个用机器装备代替人力、畜力进行农业生产的技术改造和经济发展的过程。农业机械在农业生产中广泛应用引发了农业生产方式的根本变革,并大幅度的提高了农业劳动生产率和土地产出率,有力地保障了世界农业发展和食物安全;同时,又使从事农业的人口下降,更多的人从事其他重要工作,促进了社会生产的分工,推动了工业和第叁产业的发展,促进了世界经济繁荣。 新中国成立后,特别是改革开放以来,我国农业机械化事业有了巨大的发展,为发展农村经济、实现小康做出了巨大贡献。在人类社会已跨入21世纪的今天,我国加入了WTO,进入全面建设小康社会、加快推进社会主义现代化的新阶段,在经济全球化、国际竞争日趋激烈的新形势下,加强农业机械化管理领域信息管理工作的研究,对提高农机管理部门的科学决策水平,健全农业机械化宏观调控和微观指导,促进农业机械化的发展,具有十分重要的现实意义。 本文的研究内容主要包括两大部分: 1.农业机械化的管理决策工作是一项复杂的系统工程,为了科学、合理地解决农业机械化管理工作中遇到各种的实际问题,利用近年来出现的信息处理方法——数据挖掘技术对农业机械化领域的宏观管理组织层和微观经营层这两个层次中的一些定量分析方法进行研究与探讨,具体内容包括: (1)利用粗糙集理论中的属性依赖度和重要度等概念研究了组合预测模型中的权重确定方法。通过建立预测方法与预测对象的关系数据模型,离散化属性数据建立知识表达系统,进而计算出预测模型对预测对象的依赖性和重要性以及组合预测模型中单个模型的权系数。并依据浙江省粮食总产量的历史数据建立基于粗糙集的粮食产量组合预测模型。 (2)针对现行农业机械化发展水平评估方法中存在的主观因素对评价结果的影响,把模糊聚类方法和粗糙集理论相结合,提出了基于模糊聚类和粗糙集的农业机械化水平评价方法。该方法从评价指标的统计数据出发,根据各指标中含信息量的大小来确定其权重。 (3)鉴于目前有关农业机械总动力的研究主要停留在总量变化的预测方面的现状,在分析影响农业机械总动力增长影响因素的基础上,利用灰色系统理论中的关联度系数对影响浙江省农机总动力增长的因素进行了关联分析,同时利用灰色理论中的GM(1,1)模型预测了浙江省农业机械总动力的变化趋势。 (4)利用机器更新平均成本原理,给出了视情维修制拖拉机大修理周期间距、修理周期与更新界限的数学模型,并对此计算方法从拖拉机所有者追求经济效益最大化的角度,分析了视情维修制拖拉机最佳更新期与合理更新期的经济界限。 (5)针对现行农业机械化项目可行性研究中的净现值法(NPV)在使用过程中存在的对外界环境变化适应性弱的问题,利用风险决策理论对现有的净现值评价模型进行改进和完善,并给出了风险型和不确定型投资项目的净现值(ENPV)分析模型。
裴植[8]2011年在《模糊多属性决策方法及其在制造业中的应用研究》文中研究说明汽车传动器生产厂的半自动生产线上工位绩效评估、零部件的海外订购策略选择和集装箱港口的落场集装箱堆存位置选择是当前我国制造业中的重要问题，多属性决策方法可以用于解决这些问题。为处理实际多属性决策问题中包含的不确定性因素，以及决策者主观判断的含糊性，候选方案的评价值可以表达为模糊集、直觉模糊集、区间值直觉模糊集、语言信息或模糊变量。通过模糊量可以更贴切地反映评估结果中所包含的不确定信息。进一步采用聚合算子和排序方法，便可以得到决策问题的最佳候选方案。对于直觉模糊环境下的集装箱堆存场地选择问题，本文证明了由所有直觉模糊数或区间值直觉模糊数组成的集合关于序关系均构成完备分配格，并且它们关于交、并、加法、乘法四种运算都构成幺交换半群结构；提出了基于直觉模糊数对应参数优化模型的排序方法和基于无记忆性多次投票模型的排序方法；为了处理更复杂的决策问题，本文提出了广义区间值直觉模糊数的概念及其数乘运算规则，并且将它们应用于解决港口集装箱堆放场地选择的问题。建立了模糊多属性决策中的保序属性约简理论，给出保序属性约简和保序属性约简核的计算方法，考虑了约简方法在港口集装箱堆存场地选址问题中的应用。针对汽车传动器厂海外订购策略的决策问题中包含未知权重信息的问题，提出了同时考虑决策专家态度、认知不协调程度和决策者置信水平的综合定权模型，使得决策结果符合决策者态度，并且最小化决策过程中产生的认知不协调程度。在使用模糊TOPSIS方法解决汽车传动器生产厂半自动生产线上工位评估问题时，发现了不能区分的现象，研究了不能区分的条件，利用额外的判定指标，提出了改进的TOPSIS方法，并且证明了新方法在模糊环境中可以对候选方案进行完全区分；对基于模糊变量的多属性决策问题，提出了叁类模糊优势关系模型和基于距离的模糊变量比较方法，并且引入了直觉模糊变量的概念和比较方法；还将这些方法应用于解决半自动生产线上工位评估的决策问题。
梁德翠[9]2013年在《模糊环境下基于决策粗糙集的决策方法研究》文中指出决策环境的复杂性、动态性,以及决策者所具备知识的有限性等都是影响人们作出合理决策所面临的挑战性因素。近些年来,信息与计算机科学相关领域的快速发展和应用,为决策者解决该类不确定性复杂决策问题提供了一种新的思路。决策粗糙集理论作为一种新的处理不确定性决策问题的方法,其特点是基于贝叶斯决策过程,考虑了决策风险对决策结果的影响,可更好为人们决策服务。从实际决策语义出发,把模糊这一不确定性评估形式引入到决策粗糙集中,既拓宽了决策粗糙集的应用范围,又为该模型中关键要素损失函数的取值提供了新的解决方案。借鉴现有决策理论和粗糙集理论的研究成果,本文选取区间数、叁角模糊数、语言变量和犹豫模糊数等四种典型的模糊形式,依次研究相应模糊环境下基于决策粗糙集的理论模型和决策方法。首先,考虑决策粗糙集中各损失值为区间数的情况,提出了区间数决策粗糙集的基础模型。先基于确定性排序方法和可能度排序方法,探索其决策机制和决策规则。借鉴以上常规分析方法,进一步提出了一种基于区间数决策粗糙集的优化方法。通过实验对比研究,明确了区间数决策粗糙集叁种分析方法的适用条件和准则。其次,考虑决策粗糙集中各损失值为叁角模糊数的情况,提出了叁角模糊数决策粗糙集的基础模型。先为期望损失选取合适的叁角模糊数排序方法,再挖掘出决策规则。进一步,为了确定模型中各损失值,把决策粗糙集中各类损失成功映射到多属性群决策中,这极大促进了该模型的实际应用。与此同时,利用粒子群优化算法通过调节评估刻度,演化群决策的协调过程,以解决群决策中不一致性。再次,引入语言变量这一定性评估形式,考虑决策粗糙集中条件概率和损失函数两要素,在不同取值类型下构建出一系列新的决策粗糙集模型,从而丰富了原有决策粗糙集的研究内容。为便于模型的实际应用,进一步把决策粗糙集中各类要素成功映射到多属性群决策中,并设计出确定模型中各要素的算法。最后,考虑决策粗糙集中损失函数为犹豫模糊数这一新型形式,探索出该模型在犹豫模糊环境下的决策机制。进一步,为解决实际决策过程中的资源分配问题,从成本语义出发,利用各对象的风险成本和多目标0-1整数规划设计求解方法,这极大地推动了决策粗糙集在管理决策领域的应用。本文以决策粗糙集为研究对象,将不确定性模糊理论引入到决策粗糙集中,以损失函数为研究切入点,研究了模糊环境下基于决策粗糙集的决策方法。这不仅拓宽决策粗糙集的应用领域,还为研究基于粗糙集理论的决策分析提供新的方向。
崔伟正[10]2013年在《面向分类决策的不完备信息处理方法研究》文中研究指明在现实应用中，信息系统中普遍存在着不完备数据，数据来源途径的多样化、干扰、误差、遗漏甚至人为因素是导致数据不完备的关键原因。粗糙集理论中相关方法和技术，可以在较好保持信息系统基本特征和隐含规律的前提下完成相对客观的处理，从而为不同的分类决策应用提供更好的数据支持。借鉴粗糙集理论中的研究思路，论文以数字化档案管理和多源融合识别为典型应用，研究服务于分类决策的不完备数据处理方法和技术。主要研究内容如下：一方面，面向人员分类管理的特定需求，以监狱数字化档案管理为应用实例，研究了：按照信息系统构建的基本原理和描述规范，对应决策关注条目对监狱人员档案记录进行数字化建档；对ROUSTIDA数据补齐方法进行了改进，基于概率相似度完成缺失项的补齐；进一步，考虑到实际收集信息中大量存在的冗余性与相关性，为精炼决策、简化补齐并避免不必要缺失项导致的分类决策干扰，提出了一种依据信息熵属性重要度完成知识约简，再针对相对必要数据补齐的处理方法。采用仿真数据集，初步验证了提出方法的有效性。另一方面，将上述思想拓展应用于多源融合识别任务。信源广、差异大、干扰复杂的应用背景下，针对数据准备阶段的信息不完备性，设计了一种统一的处理框架：学习阶段通过信息熵完成对多种条件属性重要度的分析，形成相对知识约简；在线处理阶段，结合其他数学手段，采用多因素分层次数据补齐策略分步完成整个预处理分析，为后续应用决策提供更好的数据支持。
参考文献：
[1]. 粗糙集方法在管理决策中的研究与应用[D]. 任瑱. 东北财经大学. 2003
[2]. 基于BIM的建筑项目知识管理决策研究[D]. 熊国瑞. 西安建筑科技大学. 2017
[3]. 基于知识的交通拥堵疏导决策方法及系统研究[D]. 谈晓洁. 东南大学. 2005
[4]. 粗糙集理论及其在不确定性决策中的应用研究[D]. 刘超. 哈尔滨理工大学. 2007
[5]. 基于粗糙集理论的农业决策支持系统研究[D]. 梁西燕. 西北农林科技大学. 2008
[6]. 粗糙集理论及其在投资环境因素分析中的应用研究[D]. 杨宁. 西南交通大学. 2006
[7]. 基于数据挖掘和系统集成的农业机械化信息管理系统研究[D]. 郑文钟. 浙江大学. 2005
[8]. 模糊多属性决策方法及其在制造业中的应用研究[D]. 裴植. 清华大学. 2011
[9]. 模糊环境下基于决策粗糙集的决策方法研究[D]. 梁德翠. 西南交通大学. 2013
[10]. 面向分类决策的不完备信息处理方法研究[D]. 崔伟正. 国防科学技术大学. 2013
标签：数学论文; 宏观经济管理与可持续发展论文; 粗糙集论文; 大数据论文; 模糊理论论文; 不确定性分析论文; 系统评价论文; 模糊算法论文; 决策能力论文; 数据分析论文;