文档介绍：摘要出企业可能发生危机的一切可能事件和先兆,进而采取有效的规避措施,在危机发生之前对其进行预警和控制,趋利避害,避免各种危机的发生,是目前管理科学与工程领域新出现的一个热点研究领域。由于危机管理是一类带有大量不确定因素的半结构化问题或非结构化问题,很多因素由于没有历史数据和相应的统计资料,很难进行科学地计算和评估,因此难度非常大。传统的分析方法存在很多的局限性,分析和预测的结果也不够准确。因此,运用系统综合集成的思想,对法构造企业危机的机理模型与评价体系,并通过先进的数据挖掘技术尽可能准确、快速地识别、评价和预测企业的危机,并制定危机管理对策,是这一领域当前具有重要理论意义与应用价值的研究方向。的信息和知识,并将其表示成最终能被人理解的模式的非平凡过程。在危机管理结构化问题,从这类数据中发现知识是一个非常困难的问题。本文研究采用的方法是数据挖掘技术及其有关的算法。首先研究危机管理与数据挖掘之间的关系,讲清楚运用数据挖掘技术进行危机管理及其预警的可能性;其次综合运用数据挖掘技术的有关算法及改进算法开展诸如财务危机、营销危机、经营危机、欺诈危机等方面的研究工作;最后研究企业危机预警系统的组成、框架结构、功能及工作原理。全文的主要内容如下:┱沟拇植诩P图捌湓谛庞梅缦辗治鲋械挠τ醚芯针对标准的粗糙集模型缺少对不完全信息系统或有噪声的信息系统的处理能力,本文通过对目前一些粗糙集扩展模型的分析和研究的基础之上,提出了一种加权的可变精度微差模型,该模型不仅能够处理含有噪声的不完全信息系统,而且可以融入决策者的主观偏好和先验知识,使粗糙集理论的应用范围更广,适应性更强,并通过一个信用风险分析实例对此模型进行了分析和验证。旨窬缛诤夏P图捌湓诓莆裎;治鲋械挠τ醚芯粗集和神经网络是智能信息处理的两种重要的方法,在处理不准确、不完整知识方面,粗集和神经网络都显示出较强的适应能力,粗集方法模拟人类的抽象逻辑思维,神经网络方法模拟形象直觉思维,二者具有很强的互补性,非常适合处理和解决像危机预警这类非结构化、非线性化的复杂问题。粗集与神经的融合模型正反映人类智能定性和定量、清晰和隐含、串行和并行交叉混合的常规思维机理。本文研究了粗集和神经网络的融合模型,首先研究了粗集的属性约简算法,提出了一种综合考虑基于等价关系的属性重要度和基于信息熵的属性重要度并进行加权平均的属性约简的启发式算法:其次将这种启发式的属性约简方法与神经网络方法结合起来,便得出一种基于粗集神经网络的融合模型;最后将此模型应用到企业财务危机的分析和预警中,并通过一个财务危机的分析预警实例对此模型进行检验。咐评矸椒ḿ捌湓谄壅┪;治鲋械挠τ醚芯随着科学技术的迅速发展和全球经济一体化趋势的加快,企业面临的外部经济环境和内部经营条件发生了巨大的变化,导致了一系列重大的企业危机频繁发生,给企业的健康、持续发展带来严重的威胁。如何帮助管理者及时预测和分析企业危机的成因、发展方式、过程及机理进行分析,通过定性与定量相结合的方数据挖掘是从数据集中提取出隐含在其中人们事先未知的、但又是潜在有用中,人们所面对的数据往往具有不确定性和不完整性,是一类半结构化问题或非
关键词:危机管理;预警:数据挖掘;粗糙集;神经网络;案例推理;决策树;的计算方法,即将基于加权平均的属性重要度的启发式属性约简算法确定出来的的属性重要性权重,实现主观先验知识同客观情况的统一;其次研究了案例推理方法应用到企业欺诈行为的可行性,提出了一种基于案例推理的欺诈危机分析方欺诈危机的分析及预警中的有效性。霾呤鞣椒ḿ捌湓诳突Я魇;治鲋械挠τ醚芯决策树方法是利用信息论原理对大量实例的特征进行信息量分析,计算各特征的信息熵,找出反映类别的重要特征,具有建立的决策树少、分类准确率高、生成的规则简单等特点,应用十分广泛。本文在分析客户流失危机产生的原因以及以往分析、识别、评价客户流失危机的方法存在的局限性的基础之上,分析了惴ḿ捌浯嬖诘奈侍猓訧算法进行改进,提出了一种加权熵的概念,用分析和预警中的有效性。肴菏萃诰蚣捌湓谡┢;制碇械挠τ醚芯传统的数据挖掘都是针对关联规则而设计的,支持度和置信度大,常用于预意外的规则。在企业危机管理中,我们更感兴趣的是挖掘出那些意外规则。本文在分析了诈骗的概念、诈骗产生的原因及传统诈骗分析、评价方法存在的问题的基础之上,提出了一种基于距离的离群数据的挖掘方法,分析了该方法的原理和法在分析、评价和甄别各种诈骗危机方面的应用的可能性和有效性,为解决像诈骗危机这类复杂的非结构化问题提供了一种新的研究方法。诖旨窬绲钠笠滴;ぞ低成杓在上述工作的基础上,本文研究了基于粗集神经网络的企业危机预警系统的体系结构,详细论述了基于粗集神经网络的企业危机预警系统的组成、框架结构、功能及工作原理,并通过一个企业经营危机的分析和预警实例来论述了该系统