| 【中文题名】 | 基于粗集的CBR方法在企业评估中的应用研究 |
| 【英文题名】 | Applicayion and Reseach on Case-Based Reasoning in Enterprise Evaluation Based on Rough Set |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-30 |
| 【中关键词】 | 信用风险评估,基于案例推理,基于规则推理,粗糙集,相似度, |
| 【英关键词】 | Credit Venture Evaluation,Case-based Reasoning,Bule-based Reasoning,Rough Set,Similarity, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>专家系统、知识工程> |
| 【论文摘要】 |
随着我国加入WTO,各商业银行间及中资银行与外资银行间的竞争将更激烈,管理现代化、决策科学化必将成为商业银行参与竞争、寻求发展的重要手段,而先进的计算机技术和网络通讯技术已成为科学化管理和参与竞争的必备工具和先决条件。通过建立银行的智能决策系统,快速获取决策信息,深入分析贷款质量,完善风险控制是迎接挑战、提高竞争力的有利方式。
国家863项目“基于中间件的企业信用风险评估决策系统”采用了人工智能专家系统推理机的技术方案,运用了基于案例推理和基于规则推理的二级推理机制,实现了符合现代化要求的企业信用风险评估决策系统。本课题对原有系统进行了改进和完善,并且在研究推理机和粗集理论的基础上提出了一种更客观的权值确定算法和一种更符合现实的相似度计算算法。研究主要包括以下内容。
首先,对粗糙集理论和基于案例的推理技术进行了详细的分析与研究,并在此基础上提出了基于粗糙集的权重确定算法,克服了之前权重确定的主观性、盲目性,使得权重的确定更具客观性。
其次,分析研究了现有的一些相似度的计算算法,提出了在案例所有特征项不能全部确定情况下的相似度计算算法,该算法有效的解决了在案例的所有特征项不能全... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-10 |
|
第1章 绪论 |
10-18 |
|
1.1 研究意义 |
10 |
|
1.2 国内外研究现状 |
10-14 |
|
1.2.1 现有金融管理系统的实现技术 |
10-12 |
|
1.2.2 专家系统推理机的实现技术 |
12-14 |
|
1.3 系统开发中的难点 |
14-15 |
|
1.3.1 推理机 |
14-15 |
|
1.3.2 数据库 |
15 |
|
1.4 应用前景 |
15-16 |
|
1.5 本文的工作及其组织结构 |
16-18 |
|
第2章 粗集理论及推理技术 |
18-30 |
|
2.1 粗糙集理论 |
18-21 |
|
2.1.1 粗集理论的产生与发展 |
18-19 |
|
2.1.2 国内外研究现状 |
19-20 |
|
2.1.3 粗集理论的特点 |
20-21 |
|
2.2 推理技术 |
21-29 |
|
2.2.1 基于规则的推理 |
21-23 |
|
2.2.2 基于案例的推理 |
23-28 |
|
2.2.3 RBR 与CBR 的结合 |
28-29 |
|
2.3 本章小结 |
29-30 |
|
第3章 案例权值确定算法 |
30-43 |
|
3.1 算法提出的背景 |
30-31 |
|
3.2 算法的实现目标 |
31 |
|
3.3 算法实现的前提条件 |
31-35 |
|
3.3.1 知识表达系统 |
32-33 |
|
3.3.2 决策表 |
33-34 |
|
3.3.3 表示方法 |
34 |
|
3.3.4 存储举例 |
34-35 |
|
3.4 算法的理论基础 |
35-39 |
|
3.4.1 知识与分类 |
35-36 |
|
3.4.2 知识库与不可分辨关系 |
36-37 |
|
3.4.3 上下近似值 |
37 |
|
3.4.4 知识约简 |
37-38 |
|
3.4.5 知识依赖 |
38-39 |
|
3.5 算法原理 |
39-40 |
|
3.6 算法描述 |
40-41 |
|
3.7 算法分析 |
41-42 |
|
3.8 本章小结 |
42-43 |
|
第4章 案例相似度计算算法 |
43-51 |
|
4.1 现有算法及缺点 |
43-46 |
|
4.1.1 最短距离算法 |
43-44 |
|
4.1.2 索引的最短距离算法 |
44-45 |
|
4.1.3 矩阵算法 |
45-46 |
|
4.2 SASCI 算法提出的背景 |
46-47 |
|
4.3 SASCI 算法原理 |
47 |
|
4.4 SASCI 算法描述 |
47-48 |
|
4.5 算法分析 |
48-50 |
|
4.6 本章小结 |
50-51 |
|
第5章 系统的改进与完善 |
51-64 |
|
5.1 原有模型系统 |
51-55 |
|
5.1.1 技术路线 |
51-52 |
|
5.1.2 系统概述 |
52-54 |
|
5.1.3 系统主要特点 |
54-55 |
|
5.2 系统的完善与实现 |
55-63 |
|
5.2.1 系统实现环境配置 |
55 |
|
5.2.2 完善后的系统推理流程 |
55-57 |
|
5.2.3 开发模式的选取 |
57-59 |
|
5.2.4 数据库与推理机接口的完善 |
59-60 |
|
5.2.5 数据库的完善 |
60 |
|
5.2.6 功能的完善 |
60-63 |
|
5.3 本章小结 |
63-64 |
|
结论 |
64-66 |
|
参考文献 |
66-70 |
|
攻读硕士学位期间承担的科研任务与主要成果 |
70-71 |
|
致谢 |
71-72 |
|
作者简介 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.388636 |
