基于粗糙集-神经网络的产业集群生命周期识别
来源期刊：中国矿业大学学报2010年第2期
论文作者：宋学锋 王德鲁
关键词：粗糙集; RBF神经网络; 产业集群; 生命周期; 识别模型; rough sets; RBF neural network; industry clusters; life cycle; identifying model;
摘 要：将粗糙集理论与神经网络相结合,构建了基于粗糙集-径向基(RBF)神经网络集成的产业集群生命周期识别模型.该模型运用基于MDV(maximum discernibility value)函数与信息熵的模糊聚类算法进行连续属性离散化处理,采用粗糙集理论约简出重要指标体系,将训练样本输入RBF神经网络进行学习和训练,进而对检验样本的生命周期阶段进行判断.对我国138组产业集群样本数据的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且该模型对检验样本的总体预测精度达到82.61%,从而证实了该识别模型的有效性和实用性.
宋学锋1，王德鲁1
(1.中国矿业大学管理学院,江苏,徐州,221116)
摘要:将粗糙集理论与神经网络相结合,构建了基于粗糙集-径向基(RBF)神经网络集成的产业集群生命周期识别模型.该模型运用基于MDV(maximum discernibility value)函数与信息熵的模糊聚类算法进行连续属性离散化处理,采用粗糙集理论约简出重要指标体系,将训练样本输入RBF神经网络进行学习和训练,进而对检验样本的生命周期阶段进行判断.对我国138组产业集群样本数据的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且该模型对检验样本的总体预测精度达到82.61%,从而证实了该识别模型的有效性和实用性.
关键词:粗糙集; RBF神经网络; 产业集群; 生命周期; 识别模型; rough sets; RBF neural network; industry clusters; life cycle; identifying model;
【全文内容正在添加中】
