粗糙集聚类技术与其在企业中的应用综述,本论文可用于粗糙集论文范文参考下载，粗糙集相关论文写作参考研究。
粗糙集论文参考文献：
摘 要：智能信息处理技术作为一项可以处理大量数据的技术得到了广泛的应用,其中,粗糙集技术作为其中一项具有广阔的发展前景的技术引起了人们的注意.它可以帮助企业解决多方面问题,对企业的发展起到了非常良好的作用.本文介绍了粗糙集技术在企业中包括内部运营和外部评估等各方面的应用.
关键词：智能信息处理；粗糙集；聚类；应用企业
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）22-0001-03
1概述
随着当前互联网技术的发展,企业各部门、各流程中产生的各种数据越来越多,迫切需要一种技术来对这些数据进行处理.智能信息处理技术作为一种涵盖多个学科的技术,对各领域企业的数据处理过程产生了巨大的推动作用.例如在金融和市场分析中,人们可以利用数据挖掘技术,分析股票、市场的走向,而在企业中,智能信息处理技术可以帮助企业进行决策,提高企业决策科学、合理性,为企业发展做出贡献；在某些处理数据量较大的环境中,传统数据处理技术并不能很好的利用大规模数据,但智能信息处理技术不仅能够对股市情况作出准确判断并预测金融趋势；在企业生产和运营过程中,利用智能信息处理技术能够对企业生产进行科学规划和管理,提高效率与产值,提高运营管理效率.粗糙集是一种处理缺失和非精确的数据有效工具,基于粗糙集及其扩展模型的聚类算法研究是智能信息处理领域的核心问题之一.将该技术引入信息量爆炸的现代企业,不仅可以为企业的经营提供有效支持,而且能够发现某些为人忽略的问题.因此本文对粗糙集方法以及粗糙集方法在企业中的应用前景做了概述.本文首先介绍了多种粗糙集理论,然后对基于粗糙集理论所衍生的聚类方法进行了概述,最后则是对粗糙集聚类方法在企业中的应用进行了综述.
2粗糙集理论基础
2.1经典粗糙集
粗糙集（Rough Set）理论是由波兰教授Pawlak于1982年提出的一种能够定量分析处理不精确、不一致、不完整信息与知识的数学工具.粗糙集理论的主要思想是利用已有的知识分类来近似的逼近不精确的或是不完整的知识.它是一种建立在分类机制上的一种工具,通过等价关系来对空间进行划分,使用上下近似集来逼近空间中的任意一个集合.粗糙集理论最大的特点就是它无需提供问题所需处理的数据集合之外的任何先验信息,所以对问题的不确定性的描述或处理可以说是比较客观的.
粗糙集理论中的“知识”实际上是人们通过自己的认知来对所有事物分类后得到的事物的状态.知识必须与人类创造的各种分类模式联系在一起,这些分类模式是人们在探索世界和对世界进行抽象的过程中得到的.所有我们可以分类的对象就是粗糙集理论所要研究的对象,称为全域或者论域.
定义2.1设S等于（U,A,V,f）为一个信息系统,也称为知识表示系统.其中U等于{U1,U2,等,U|U|}是所有要讨论的个体的集合,它是有限非空集合,称为全域或论域（umverse）；u的任何子集Ui称为u的一个分类；A等于{A1,A2,等,A|A|}为属性的有限非空集合；V等于∪Va,其中a∈A,Va是属性a的值域,集合V是属性
由以上粗糙集的基本概念可知,集合的不确定性存在于边界上,集合的边界越大,就越可能存在不确定性,同时粗糙集理论认为边界的不确定性主要是由于基础属性的分类不精确所以导致无法精确的表示某一个集合.因此粗糙集不需要精确的数值来表述不精确的知识,而是采用分类（包括上近似集和下近似集）来逼近模糊的边界.这也是粗糙集最大的特点之一.
2.2粗糙集扩展模型
2.2.1邻域粗糙集模型
由于经典粗糙集理论是基于不可分辨关系实现的,所以只能处理名词型数据,但现实中更多的存在的是名词和数值属性都包含的混合型数据.为了解决这一问题,Lint31等利用邻域关系替代等价关系,提出了邻域粗糙集模型,该模型利用邻域关系来对知识进行划分,从而直接处理混合型数据.
2.2.2多粒度粗糙集模型
经典粗糙集模型和邻域粗糙集模型,都是基于单个不可关系或单个邻域关系来对论域进行分类,进而逼近未知概念,都是从唯一的角度对问题进行分析.但实际生活中,我们经常需要多角度对问题分析和处理.因此钱宇华和梁吉业等提出,采用多个属性来对论域进行分类,构造多粒度的论域空间,进而在多粒度论域空间上进行目标概念的近似逼近.他们分别定义了两种具体的多粒度模型：乐观多粒度粗糖集模型和悲观多粒度粗糖集模型.
2.2.3变精度模型
现实生活中一直存在着一对多或是一对多的关系,因此经典粗糙集中的一对一的关系就不能完全适用了.因此采取可变精度粗糙集模型,允许某一对象可以错误分配到其他类中,以此来加强粗糙集的抗干扰能力.可变精度粗糙集模型通过定义一个精度,来调节误分类的概率,从而增大粗糙集模型的容错性.
3基于粗糙集的聚类方法
Lingras和West于2004年首次将粗糙集理论引入到了k-means聚类算法中,用于处理边界问题.提出了基于粗糙集的聚类算法有三条必须符合的条件：
（1）如果一个对象属于一个类簇的下近似集那么它就不可能再属于其他类簇了.
（2）一个类簇的下近似集一定是该类簇上近似集的子集.
（3）如果一个对象不属于任何一个下近似集,那么它至少属于两个上近似集.
Peter在Lingras和West的基础上对粗糙k-means算法进行了进一步的改进,步骤如下：
（1）首先确定将要输出的类簇数目K.
（3）确定大于0的阈值∈,以此来判断某对象是属于下近似集还是邊界集.首先将某个对象离各个中心点之间的距离ti（1≤i≤K）按从小到大排列,若存在ti-t1≤E,则将该对象分配到ti所代表的中心点的上近似集中,若不存在,则将该对象分配至最近的中心点（即t1所代表的中心点）的下近似集中.
结论：适合不知如何写粗糙集方面的相关专业大学硕士和本科毕业论文以及关于粗糙集论文开题报告范文和相关职称论文写作参考文献资料下载。
资源集聚、技术成果和企业成长
【摘要】文章运用Eviews 6 O软件，以沪深49家IT企业的面板数据实证研究创新资源集聚、技术创新成果产出、企业成长三者的内在关联，并对家族。
信息技术条件下企业内部控制问题
摘要：近年来信息技术水平得到迅猛的发展，已被运用于社会的方方面面，与社会生活密切相关。将信息技术应用于企业的内部控制中，既能帮助企业提高内控水平。
技术资本和企业生产效率
各种不同的生产要素也在企业价值创造的过程中扮演着不同的角色。科技的蓬勃发展和专业化分工的加深，使得技术从劳动对象、劳动资料和劳动者等传统要素中分。
石油工程技术服务企业项目制管理综述
摘要：2015年以来，国际油价持续下跌，从目前来看，需求疲软，油价将长期在低位徘徊，国内各个油田公司限产关井，压缩投资，石油工程技术服务企业面临。