基于粗糙集的人力评价的规则挖掘

1、基于粗糙集的人力资源评价的规矩开掘摘要应用粗糙集理论和区分矩阵来开掘各因素规矩的要领对一小我私家力资源评价的例子举行阐发和处置惩罚，开掘评价规矩，并从客不雅的数据中得出了各重要因素的客不雅权重。关键词粗糙集;人力资源;规矩;权重粗糙集Rughsets理论是一种处置惩罚模糊、不准确的分类题目的新型数学东西。粗糙集理论已成为当前数据开掘的重要要领之一，其重要头脑是在保持分类本领稳定的条件下，通过知识约简，导出题目的决议或分类规矩。该理论已被乐成地应用于呆板学习、决议阐发、历程操纵、形式识别与数据开掘范畴。人力资源是指社会所拥有的能为社会制造代价的人力或劳动力,其本质是人的本领而不是人自己,人力资源

2、的代价在于人把握的知识和技能,在于报答社会制造代价的本领。人力资源评价就是通过阐发影响人力资源代价的重要因素,结合一定的评价要领,进而得出一个综合评代价的历程。网络和整理数据，构成信息表。数据预处置惩罚。将数据库中的初始数据信息举行分类、聚类阐发以及使某些属性的一连值离散化，转换为粗糙集情势，明白条件属性和决议属性。属性约简，按照预处置惩罚后的数据信息表天生区分矩阵，利用区分矩阵法天生约简属性集。区分矩阵Disernibilityatrix是由波兰华沙大学的知名数学家skrn提出来的，是比年来在粗糙集约简上出现的一个有力东西。利用这个东西，可以将存在于庞大的信息体系中的全部不成区分干系表达出来

3、。界说1：设有信息体系S，a(x)是记载x在属性a上的值ij表现区分矩阵中第i行，第j列的元素，如许区分矩阵的界说是：ij此中i，j1，2，3，n，这里n。在得到区分矩阵的时间，另有一种环境没有列出来，就是axiaxj，DxiDxj的环境，在有些资料中，将这种环境下的ij赋了一个1；有些那么不讨论这种环境，由于他们以为在数据表的预处置惩罚阶段会对数据表中辩论的记载做处置惩罚，使其不参加到数据中，而且将辩论的记载数除以记载总数，得到一个粗糙度的量度，该量度可以作为数据表的一个特性。本文服从后一种处置惩罚要领，对辩论的记载不予讨论，以为数据表中没有辩论的记载。界说2：区分函数是从区分矩阵中构造的，

4、要领是把ij的每个属性“或起来，然后再“与其全部的ij，此中i，j1，用p来表现。区分矩阵是一个对称矩阵。在现实应用中，只盘算它的上三角矩阵或下三角矩阵。按照区分矩阵的观点，有三点值得留意：区分矩阵中条件属性组合数为1的元素项，即ardij1，表白除该属性外别的条件属性无法将决议差异的两笔记载区分开来，即该属性必需保存，这个与决议表中核的观点同等。因此，矩阵中全部条件属性组合数为1的属性均为核属性。区分矩阵中通常条件属性组合中包罗有核属性的矩阵元素都可以仅用核属性就把决议差异的记载区分开来，也就是说属性组合中通常包罗有核属性的区分矩阵项的别的条件属性都是多余的。对付不包罗核属性的属性组合一定每

5、个组合都至少有一个元素成为约简后的一个条件属性，不然决议表中的某些记载将无法识别。属性约简的根本历程如下：第一步：天生区分矩阵，将矩阵中属性组合数为1的属性列入终极的属性约简聚集，即Red=re=ijard(ij)=1,i,j=1,2,3,。第二步：从区分矩阵中寻出全部不包罗核属性且ij0属性组合Q，即：Qijijre=,且ij0，i，j1，2，3，第三步：将全部不包罗核属性的条件属性组合表现为合取范式的情势，即：Pij，ijQ。第四步：将P转换为析取范式的情势，并举行化简。第五步：按照必要选择差异的属性组互助为约简。拔取约简属性后的信息表，对每个规矩求出其核属性，得到各规矩的核值。界说：具有

6、雷同条件属性而有差异决议属性的东西成为不成区分的东西。根本头脑：思量依次去掉各个属性，假设存在不成区分东西，那么说明该属性为需要属性，即核值。假设去掉该属性时，无不成区分东西，那么说明该属性为冗余属性，可省略。按照核值表产生约简规矩。根本算法：输入：信息体系S=(U,D,V,f)输出：约简后的决议规矩集。步调：盘算区分矩阵；inti=1,j=0;intk=ard(U);=;hile(1ik)fr(i=0;i+;ik)fr(j=i+1;j+;jk)if(D(xi)D(xj)ij=a:a(xi)a(xj)else=ij得到RE;i=1;RED()=;重新取中元素，假设为单一属性组合那么将该属性参加

7、RED()，举行属性约简从中删除含有核属性的组合。QijijRED()=,且ij0Pij将P转换为析取范式的情势P=i*i*为约简的属性聚集一约简的属性聚集i*，对每一个规矩求核属性fr(j=1;j+;j)为每个规矩的属性个数每次假设从规矩中去掉一个属性ajif不存在不成区分的规矩then去掉该属性elseaj为该规矩的属性核值按照每一规矩的核值，列出约简的规矩聚集。假设对每一个对应的决议值该规矩组合是既约的且在体系中为真时为约简规矩。求出各约简属性的权重。通常环境下，决议者会拥有对各个条件属性的先验知识，权重用来权衡属性的相对紧张性。在差异的决议环境下，雷同的属性对决议输出会有差异的影响，即

8、权重对环境敏感。粗集理论中的属性紧张度表达了当前数据环境部属性对决议的影响，但它不克不及反响决议者的先验知识。因此，将二者结合起来确定属性的权重可以得到比力抱负的效果。如许我们将粗集理论同决议者的先验知识结合起来，马上由大量的汗青数据确定出来的客不雅的属性紧张度同由主不雅的先验知识确定的属性权重结合起来确定终极的综合权重，从而实现主不雅先验知识同客不雅环境的同一。我们假设体系中的条件属性为，决议属性为D。在中有n个属性a1,a2,an。由决议者先验知识给定的权重别离为p(a1),p(a2),p(an)。然后网络大量的评价样本，由这些样本数据来观察全部条件属性将样本分别为决议类的分类本领，并由决

9、议属性对条件属性的依靠度r(D)=ard(ps(D)/ard(U),此中ard表现聚集的基数。然后去掉条件属性i后，在重新思量分类环境，求出ri(D)=ard(psi(D)/ard(U)，那么属性i的紧张度为r(D)ri(D)，以此类推。在此底子大将各个属性的紧张度举行归一化处置惩罚并把处置惩罚后的效果qai作为属性i的客不雅权重。即qai。显然，qai在0和1之间取值。得到各个属性的主不雅和客不雅权重后，由于客不雅权重是由汗青数据处置惩罚后得到的，我们给予其较大的权重为60，相应地，给予主不雅权重为40，那么，由此确定的综合权重Pai0.6p(ai)+0.4qai。数据网罗。在人力资源评价中

10、，各属性值用3，2，1别离表现“优，中，差。指标对象知识量a创新本领b交换本领顺应本领d结业院校e康健状态f生理蒙受本领g进取欲望h评定效果i11122233322111211321323211212341212121115312223333622322333372211312228233312233利用区分矩阵举行属性约简，创立区分矩阵如下123456781efhabdefghbefghaababdefg2abdfgaefhabefhabdegabdfgh3abdhbefg4abefghaefghadefghabdgh5abdefgh6defgh7bdefh8从区分矩阵可以看出，a为核属性，

11、因此可以得到Qefh(befgh)(befg)(defgh)(bdefh),按照汲取律，Qefh(befg)，将其转换为析取范式后，得到Qbh(gh)()(e)(f),因此a,b,h,a,g,h,a,a,e,a,f都可以作为约简后的属性。取a,b,h来举行规矩开掘,天生核值表。属性约简表核值表按照核值表，天生规矩约简表得出规矩：b1h2a1i1,即创新本领为差且进取欲望为中时或知识量为差时，综合评估为差。a1h3b2h2i2，即知识量为差且进取欲望为优时或创新本领为中且进取欲望为中时，综合评估为中。a2b3a3b1h3i3，即知识量为中且创新本领为优时或知识量为优且创新本领为优时或进取欲望为优

12、时，综合评估为优。盘算各约简属性的客不雅权重。由属性约简表得，其条件属性集a，b，h，决议属性集Di，U/ind(a，b，h)=1，2，3，4，5，6，7，8，U/ind(i)=1，7，2，4，3，5，6，8，PS(D)=1，2，3，4，5，6，7，8，r(D)=k=ard(ps(D)/ard(U)=8/8=1，说明决议属性全部依靠于条件属性依靠度为1。去掉属性a后，U/ind(b，h)=1，5，2，3，4，6，7，8，PS-a(D)=2，3，4，6，7，8，r-a(D)=6/8=0.75，属性a的紧张度为r(D)r-a(D)=10.75=0.25。去掉属性b后，U/ind(a，h)=1，2，

13、3，7，4，5，6，8，PS-b(D)=1，2，4，5，6，8，r-b(D)=6/8=0.75，属性b的紧张度为r(D)r-b(D)=10.75=0.25。去掉属性后，U/ind(a，b)=1，2，3，8，4，5，6，7，PS-h(D)=3，4，5，8，r-h(D)=4/8=0.5，属性h的紧张度为rh(D)r-h(D)=10.5=0.5。由此可以得出各个属性的客不雅权重别离为：在人力资源评价中影响其代价的因素许多,各因素的紧张性也会有很大的差异。本文通过阐发影响人力资源代价评价各因素的特性,确定影响人力资源代价的重要因素有:知识量，创新本领，交换本领，顺应本领，结业院校，康健状态，生理蒙受本领，进取欲望等。在人力资源评价中常常接纳专家评估法、收益折现法、随机报