文档介绍：基于粗糙集的高技术企业信用评价指标体系构建|评价指标体系构建方法
摘要：尝试将遗传约简算法应用于高技术企业信用评价指标体系构建。首先，建立高技术企业信用评价初始指标体系，并采取等频率法实现连续属性离散化；然后，利用遗传约简算法求解最小约简，从而剔除冗余指标，取得约简后的高技术企业信用评价指标体系。实证分析结果证实了遗传约简算法在高技术企业信用评价指标体系构建中的可行性和适用性。
关键词：高技术企业；信用评价；指标体系；粗糙集；属性约简；遗传约简算法
中图分类号：F27文件标志码：A文章编号：1673-291X202125-0029-04
引言
高技术企业是研究开发为社会提供高科技含量的产品和服务、以快速的技术进步为标志的特殊类型的当代企业，和传统企业相比，高技术企业在技术结果转化时的一个显著特点是含有更高的不确定性，即高风险、高收益，这种不确定性在一定程度上加剧了信息非对称性的影响，从而造成高技术企业面临融资障碍1。对高技术企业信用状态进行科学评价，有利于降低合约双方的交易成本、降低信息非对称性、弱化信用风险，有利于拓宽高技术企业融资渠道，有利于提升其自主创新能力。
粗糙集RoughSet，RS2～3是一个刻画不完整性和不确定性的数学工具，能有效分析和处理不准确、不一致、不完整等多种不完备信息，还能够对数据进行分析和推理，从中发觉隐含的知识，揭示潜在的规律，从而有效进行知识库的约简和规则的提取，已成功应用于机器学****决议分析、过程控制、模式识别和数据挖掘等领域。知识属性约简问题是粗糙集理论的一个关键问题，是指在保持知识库分类能力不变的条件下，删除其中不相关或不主要的冗余知识3。通常地，一个知识库中的知识约简不是唯一的，计算知识约简的复杂性是伴随决议表的增大呈指数增加的，是一个经典的NP完全问题4。现有的约简算法，关键是从粗糙集的核出发，采取启发式搜索的方法结构所含条件属性最少的约简，即最小约简5。在启发式属性约简算法中，遗传约简算法突破了以往决议表属性约简大多是串行搜索的局限，利用遗传算法适合复杂优化问题的并行处理的特点，大大提升了决议表属性约简结果的正确性和算法的效率6。有鉴于此，本文尝试将遗传约简算法应用于高技术企业信用评价指标体系构建。首先，建立高技术企业信用评价初始指标体系，并采取等频率法实现连续属性离散化；然后，利用遗传约简算法求解最小约简，从而剔除冗余指标，取得约简后的高技术企业信用评价指标体系。实证分析结果证实了遗传约简算法在高技术企业信用评价指标体系构建中的可行性和适用性。
一、粗糙集基础概念7
定义1：一个信息系统S可表示为：S=(U，A，V，f)，其中，U={x1，x2，…，xn}是对象的非空有限集合，称为论域A={a1，a2，…，am}；是属性的非空有限集合，称为属性集；V表示属性的值域集，V=∪Va，Va是属性a∈A的值域；f：U×A→V表示从U×A到V的信息映射，它为每个对象的每个属性给予一个信息值，即?坌a∈A，x∈U，fx，a∈Va。当A=C∪D，C∩D=φ时，称S为决议表，C和D分别称为条件属性集和决议属性集。
定义2：设P是定义在论域U上的一个等价关系簇，关系R∈P，假如INDP＼{R}=INDP，则称关系R在P中是绝对无须要的多出的；不然，