基于粗糙集的预测方法研究

作     者：Eslam Faik Ahmed 

作者单位：中南大学 

学位级别：硕士

导师姓名：王加阳

授予年度：2009年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：粗糙集 层次分析法 预测 决策 

摘      要：粗糙集是一种处理含糊和不确定性信息的新型数学工具,其主要思想是,在保持信息系统分类能力不变的前提下,通过知识约简,导出问题的决策或分类规则。但是,数据的不完备或者对数据直接分类,往往会对做出的决策产生影响。 当人们对决策问题缺乏数据时,常常采用层次分析法来进行量化,其基本原理是,将复杂问题进行等价分解,形成阶梯层次结构,通过两两比较,确定各因素的相对重要性,然后综合决策者的判断,确定决策方案相对重要性的总排序。 本文针对AHP层次分析法评价模型中评价因子主观确定的不足,运用改进的加权平均属性重要度启发式约简算法,将粗糙集和层次分析法相结合,提出了一种全新的组合预测方法。该方法先用层次分析法进行特征化,把结果运用到基于粗糙集的组合预测方法中,构造出决策表。用组合预测方法计算属性的权系数,将权系数的确定转化为属性重要度问题,经简单的定量计算,得到各个指标的重要度,弥补层次分析法的主观性带来的偏差,使筛选更加客观可信。然后用组合预测方法进行相应处理,从而更加客观地做出最优决策,提高计算效率。此外,这个方法由计算机完成评价因子自动选取,建立合理的评价模型。同时也会产生一些易于理解的规则,从而更方便地应用于知识库中。