共查询到20条相似文献，搜索用时 46 毫秒
1.
2.
基于粗糙集和BP神经网络的复合图书馆馆藏质量评价研究 总被引：1，自引：0，他引：1
建立了基于粗糙集和BP神经网络的复合图书馆馆藏质量评价模型,首先运用粗糙集模型对评价指标体系中的指标进行约简,消除冗余,然后把约简后得到的评价指标输入到BP神经网络中进行智能训练,最后把待评价的检测样本输入到训练好的BP网络中,得到了馆藏质量实际输出值,实际输出与期望输出结果相吻合,从而证明了评价的可行性和有效性. 相似文献
3.
基于启发式属性约简和神经网络的供应链协同管理绩效预测 总被引：2，自引：0，他引：2
面对激烈的市场竞争,供应链的协同管理至关重要.为提高供应链协同管理的效果,绩效预测是供应链协同管理的一个重要环节.为此从知识发现和数据挖掘的角度,利用粗糙集和BP神经网络的理论和方法,建立基于粗糙集和BP(Back Propagation)神经网络相结合的供应链协同管理绩效预测模型,并给出基于分辨矩阵的启发式评价指标约简方法和基于梯度的BP算法;结合预测实例,对其基于平衡记分卡的指标体系进行约简后将约简的评价指标输入到BP神经网络中进行智能训练,把预测的样本输入到训练好的BP神经网络中得出供应链协同管理绩效的预测值,预测结果与实际结果基本吻合. 相似文献
4.
本文在钻井作业安全事故预测系统中引进了粗糙集和BP神经网络。在本文中,笔者首先使用粗糙集对基于钻井作业安全的信息系统进行属性约简,获取对应于最小条件属性集的信息表。之后,笔者用得到的数据对BP神经网络进行训练,进而对钻井作业安全事故进行预测。通过实例研究,本文发现粗糙集可以加快神经网络的训练,并提升网络的预测精度。本文的研究结果表明粗糙集和BP神经网络可以高效地对钻井作业安全事故进行预测。 相似文献
5.
BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。 相似文献
6.
《资源科学》2016,(8)
BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。 相似文献
7.
利用邻域粗糙集对属性进行约简,得到由财务指标和非财务指标构成的预警指标体系。将其作为神经网络的输入变量对我国上市公司财务状况进行预测。实证研究表明,模型能有效剔除冗余信息,避免传统粗糙集模型因数值离散化带来的信息丢失。在大大缩短训练时间的同时,模型的预测精度达91.7%,高于同等条件下神经网络模型、Logistic模型。 相似文献
8.
9.
针对绿色供应商评价的非线性、复杂性等问题,提出一种基于粗集-径向基函数神经网络(RS-RBF)的绿色供应商评价模型。利用改进的属性约简算法对各评价指标进行属性约简以减少径向基函数神经网络的训练数据,利用径向基函数神经网络的自学习,自适应及最佳逼近性能对评价数据进行量化训练,利用Matlab7仿真结果表明,该绿色供应商评价模型较其他单模型运算速度更快,评价误差更小,预测精度更高,获得了较好的评价结果。 相似文献
10.
基于粗糙集-神经网络的财务危机预警模型实证研究 总被引：2，自引：0，他引：2
本文提出了以粗糙集与神经网络相结合的技术方法,应用于我国上市公司财务危机预警研究中。在通过以中国上市公司财务数据为基础进行实证分析之后,结果表明粗糙集的引入减少了神经网络的输入维数,采用动量添加法和参数自适应算法修正的神经网络算法,在网络训练的准确性和精度上都优于传统的BP神经网络。 相似文献
11.
12.
基于粗糙集理论的工程项目投标报价风险分析方法研究 总被引：2，自引：0，他引：2
针对工程项目投标过程中的风险因素分析,基于粗糙集理论给出了投标报价风险分析的知识表达系统,并运用粗糙集理论和方法对投标报价风险决策表的属性和属性值进行约简,得出投标报价风险决策的最小决策表,使决策者对工程项目的投标报价风险决策能进行有效的分析,产生合理的决策方案,提高中标概率。 相似文献
13.
在基于粗糙集的属性约简算法中引入模糊等价关系的一种新的度量方法,重新定义了高维数据中的属性重要度,提出了一个结合粗糙集和模糊聚类方法的属性约简算法,并通过实验得到了用户满意的属性约简结果。 相似文献
14.
针对第三方逆向物流供应商评价过程中的指标冗余、指标权重的确定需要直接赋权和信息不确定性等问题,提出一种基于粗糙集的灰色TOPSIS法,使评价结果更加科学合理。首先,根据粗糙集的约简理论对构建的初步指标体系进行约简;其次利用粗糙集理论,根据系统自身属性的重要性度量确定指标的权重;并且采用灰色理论中的灰数对不确定信息进行度量,建立TOPSIS中的规范矩阵。以此对第三方逆向物流供应商进行综合评价。最后以对10个第三方逆向物流供应商的评价为例验证该方法的有效性。 相似文献
15.
粗糙集属性约简算法综述 总被引：1，自引：0，他引：1
《大众科技》2015,(11)
属性约简是粗糙集理论中最核心的问题。文章阐述了基于信息熵、可辨识矩阵、遗传算法、Johnson等粗糙集属性约简算法流程,指出了粗糙集属性约简算法的现有问题及发展趋势,促进粗糙集属性约简的研究进一步发展。 相似文献
16.
本文介绍了粗糙集的基本理论,及基于粗糙集的知识获取理论模型,并运用这一模型对企业人才引进案例进行分析,通过决策表约简,剔除冗余属性、消除过剩规则,最后得出了属性约简的最小化结果以及决策规则。 相似文献
17.
18.
变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。 相似文献
19.
提出了一种基于粗糙集-动态模糊神经网络的软测量建模方法,并将其应用于聚氯乙烯平均粒径软测量研究中。首先,用粗糙集隶属函数对各个辅助变量进行分析比较,得到最简的辅助变量个数,然后采用等间距离散法对各个辅助变量和主导变量进行离散化,分析得到离散表和最简模糊规则数,并采用模拟退火法对动态模糊神经网络输出层的权值参数进行优化训练。研究结果表明,与常规动态模糊神经网络相比,基于粗糙集-动态模糊神经网络的聚氯乙烯平均粒径软测量模型具有更佳的预测效果。 相似文献
20.
《科技通报》2015,(9)
在对数学分类模型进行分析的过程中,容易出现分类规则含义不明确,形式复杂等问题,导致传统的数学分类模型,由于采用学习算法对模型参数进行调整,无法有效实现数学分类,提出一种基于改进模糊粗糙集的数学分类模型,在模糊信息观下对模糊粗糙集进行分析。将互信息引入模糊粗糙集的分析中,对模糊决策表中模糊属性的相对重要性进行度量。通过bottom-up形式对相对约简进行计算。将空集作为初始点,依据属性重要性,逐次获取重要属性将其添加至集合中,直至达到终止条件。通过DTRS对数据集进行属性约简,将约简结果当成模型的输入变量。对数学分类模型的输入变量进行离散化处理。对决策表中的重复样本及通过冗余条件获取的决策表进行删除,获取决策规则。通过设定阈值对置信度较低的模糊规则进行过滤,删除因噪声样本形成的错误规则。仿真实验结果表明,所提方法具有很高的分类精度。 相似文献