计算机集成制造系统
計算機集成製造繫統
계산궤집성제조계통
COMPUTER INTEGRATED MANUFACTURING SYSTEMS
2004年
5期
594-599
,共6页
混合模型%粗糙集%多准则库存分类%决策规则
混閤模型%粗糙集%多準則庫存分類%決策規則
혼합모형%조조집%다준칙고존분류%결책규칙
提出一种基于混合模型,对企业库存信息管理系统中的物质项目进行多准则分类预测的方法.整个分类过程包括两部分:其一,以粗糙集方法作为初始分类工具,实现库存分类中多准则属性的约简,减少计算量,但不损失任何有效信息,同时,基于提出的三个信息测量概率规则,发展了抽取决策规则的穷尽算法和覆盖算法;其二,对于不能由粗糙集模型正确分类的物质项目,进一步采用BP算法的人工神经网络进行分类.该方法不仅克服了神经网络分类模型输入个数受限的缺点,而且可得到较高的预测精度.为验证方法的有效性,仿真实验时比较了具有BP算法的神经网络模型和粗糙集模型的分类预测精度.结果表明,混合模型是企业库存信息管理系统中进行决策预测的一种可行方法.
提齣一種基于混閤模型,對企業庫存信息管理繫統中的物質項目進行多準則分類預測的方法.整箇分類過程包括兩部分:其一,以粗糙集方法作為初始分類工具,實現庫存分類中多準則屬性的約簡,減少計算量,但不損失任何有效信息,同時,基于提齣的三箇信息測量概率規則,髮展瞭抽取決策規則的窮儘算法和覆蓋算法;其二,對于不能由粗糙集模型正確分類的物質項目,進一步採用BP算法的人工神經網絡進行分類.該方法不僅剋服瞭神經網絡分類模型輸入箇數受限的缺點,而且可得到較高的預測精度.為驗證方法的有效性,倣真實驗時比較瞭具有BP算法的神經網絡模型和粗糙集模型的分類預測精度.結果錶明,混閤模型是企業庫存信息管理繫統中進行決策預測的一種可行方法.
제출일충기우혼합모형,대기업고존신식관리계통중적물질항목진행다준칙분류예측적방법.정개분류과정포괄량부분:기일,이조조집방법작위초시분류공구,실현고존분류중다준칙속성적약간,감소계산량,단불손실임하유효신식,동시,기우제출적삼개신식측량개솔규칙,발전료추취결책규칙적궁진산법화복개산법;기이,대우불능유조조집모형정학분류적물질항목,진일보채용BP산법적인공신경망락진행분류.해방법불부극복료신경망락분류모형수입개수수한적결점,이차가득도교고적예측정도.위험증방법적유효성,방진실험시비교료구유BP산법적신경망락모형화조조집모형적분류예측정도.결과표명,혼합모형시기업고존신식관리계통중진행결책예측적일충가행방법.