模糊粗糙多層風(fēng)險(xiǎn)評(píng)估算法與應(yīng)用.pdf

1、風(fēng)險(xiǎn)評(píng)估過(guò)程中存在著各種不確定性因素，經(jīng)常會(huì)導(dǎo)致得到不可靠的評(píng)估結(jié)果。本文通過(guò)嘗試探索分類數(shù)據(jù)中所包含的不確定性信息，將基于模糊粗糙集的特征重要性衡量標(biāo)準(zhǔn)引入到極限學(xué)習(xí)機(jī)算法(ELM)中，設(shè)計(jì)了一種模糊粗糙加權(quán)極限學(xué)習(xí)機(jī)算法(FRW-ELM)。并且根據(jù)這一算法，進(jìn)一步提出一種模糊粗糙多層風(fēng)險(xiǎn)評(píng)估方法。
　　這一風(fēng)險(xiǎn)評(píng)估方法整合了模糊粗糙加權(quán)極限學(xué)習(xí)機(jī)算法和用于處理復(fù)雜數(shù)據(jù)降維的基于模糊邊界區(qū)域的模糊粗糙特征選擇算法(B-FRFS)

2、。與常見(jiàn)的降維分類的多層分類方法不同，本文提出的風(fēng)險(xiǎn)評(píng)估方法的降維和分類步驟之間有著更加有機(jī)的聯(lián)系。這個(gè)風(fēng)險(xiǎn)評(píng)估系統(tǒng)中，模糊粗糙加權(quán)極限學(xué)習(xí)機(jī)中的每個(gè)輸入節(jié)點(diǎn)的重要性是由其對(duì)應(yīng)的特征在模糊粗糙集的邊界區(qū)域中包含的不確定性度誘導(dǎo)出的。重要的是，這些必須的所有特征的不確定性度量在本風(fēng)險(xiǎn)評(píng)估方法中是可以作為基于模糊邊界區(qū)域的模糊粗糙特征選擇算法的運(yùn)行過(guò)程的副產(chǎn)品而得到的。這樣一來(lái)，在這個(gè)模糊粗糙多層風(fēng)險(xiǎn)評(píng)估方法中，就不需要額外的步驟來(lái)計(jì)算由特