动态条件下基于粗糙集的平衡记分卡模型及算法研究
平衡计分卡理论发展与研究综述
平衡计分卡理论发展与研究综述平衡计分卡（Balanced Scorecard）理论是由哈佛大学教授罗伯特·S·卡普兰和大卫·P·诺顿于1992年提出的一种综合性的绩效管理工具，被广泛应用于企业管理实践中。
平衡计分卡理论的提出，标志着企业绩效管理理论的重大突破，为企业管理提供了一种新的模式和思路。
20多年来，平衡计分卡理论在学术界和实践中得到了广泛的关注和研究，取得了丰硕的成果。
本文旨在对平衡计分卡理论的发展与研究进行综述，以期全面了解该理论的发展历程和研究成果。
一、平衡计分卡理论发展1.1 平衡计分卡理论的提出平衡计分卡理论起源于20世纪90年代初，由哈佛大学教授罗伯特·S·卡普兰和大卫·P·诺顿提出。
他们在1992年的一篇学术论文《The Balanced Scorecard-Measures That Drive Performance》中首次提出了平衡计分卡的概念。
该论文发表之后，引起了广泛的反响和关注，迅速成为企业管理领域的热门话题。
卡普兰和诺顿在论文中指出，传统的绩效评估主要关注企业财务绩效，而忽视了其他非财务领域的绩效表现，这限制了企业对绩效的全面把握。
基于此，他们提出了平衡计分卡的概念，旨在同时考虑企业的财务和非财务绩效指标，从而实现企业绩效的全面评估和管理。
1.2 平衡计分卡理论的完善随着实践的深入和理论的发展，平衡计分卡理论逐渐得到了完善和丰富。
卡普兰和诺顿在1996年的著作《The Balanced Scorecard: Translating Strategy into Action》中对平衡计分卡的概念和方法进行了进一步的阐释和完善。
他们指出，企业绩效管理需要将战略目标与具体的行动相结合，平衡计分卡不仅是一个绩效评价工具，更是一个战略管理的工具。
在此基础上，他们提出了四个基本的绩效指标，即财务绩效、顾客绩效、内部业务流程绩效和学习与成长绩效，构成了平衡计分卡的基本框架。
粗糙集理论如何指导模型评估与选择的关键步骤总结
粗糙集理论如何指导模型评估与选择的关键步骤总结引言：在当今数据驱动的社会中，模型评估与选择是数据科学领域中至关重要的一环。
粗糙集理论作为一种有效的数据挖掘方法，可以帮助我们在模型评估与选择过程中进行决策。
本文将介绍粗糙集理论的基本概念，并探讨如何利用它来指导模型评估与选择的关键步骤。
一、粗糙集理论概述粗糙集理论是由波兰学者Pawlak于1982年提出的一种数学工具，用于处理不确定性和不完备性的数据。
它通过将数据集划分为等价类来描述数据的粗糙程度，从而实现数据的简化和决策的支持。
二、数据预处理在模型评估与选择之前，数据预处理是必不可少的一步。
粗糙集理论提供了一种有效的方法来处理数据中的不确定性和不完备性。
通过粗糙集理论的等价类划分，我们可以对数据进行简化和规范化，从而提高模型评估与选择的效果。
三、属性约简在模型评估与选择中，属性约简是一个关键的步骤。
通过属性约简，我们可以减少模型中的冗余属性，从而提高模型的效率和准确性。
粗糙集理论提供了一种基于等价类划分的属性约简方法，可以帮助我们找到最具代表性的属性子集。
四、决策规则的生成在模型评估与选择中，决策规则的生成是一个重要的环节。
粗糙集理论通过等价类划分和属性约简，可以生成简洁而有效的决策规则。
这些决策规则可以帮助我们理解数据中的模式和关联，并为模型评估与选择提供指导。
五、模型评估与选择在模型评估与选择中，我们需要根据具体的问题和需求选择适合的模型。
粗糙集理论提供了一种基于等价类划分和属性约简的模型评估与选择方法。
通过比较不同模型的粗糙度和决策规则的质量，我们可以选择最合适的模型。
六、案例分析为了更好地理解粗糙集理论在模型评估与选择中的应用，我们以一个案例来进行分析。
假设我们需要选择一个合适的模型来预测股票市场的涨跌。
我们可以使用粗糙集理论来对历史股票数据进行预处理、属性约简和决策规则生成。
然后，我们可以通过比较不同模型的粗糙度和决策规则的质量来选择最合适的模型。
粗糙集理论的模型构建方法及其预测性能评估
粗糙集理论的模型构建方法及其预测性能评估引言：粗糙集理论是一种基于不完全信息的数据分析方法，它可以处理不确定性和模糊性问题，并在决策和预测中发挥重要作用。
本文将介绍粗糙集理论的模型构建方法以及如何评估其预测性能。
一、粗糙集理论的模型构建方法1. 粗糙集理论的基本概念粗糙集理论最基本的概念是等价关系和上近似集、下近似集。
等价关系是指在给定条件下，某个对象的属性值相同，上近似集是指在给定条件下，某个对象的属性值不确定，下近似集是指在给定条件下，某个对象的属性值确定。
通过等价关系和近似集，可以对数据进行粗糙划分。
2. 特征选择特征选择是粗糙集理论中的一个重要步骤，它通过选择最重要的特征来减少数据集的维度。
特征选择可以基于信息增益、相关性等指标进行，选取具有较高区分度的特征。
3. 粗糙集约简粗糙集约简是指通过删除冗余的属性，减少数据集的复杂性，提高数据处理的效率。
约简的目标是找到最小的等价类，使得约简后的数据集仍能保持原始数据集的重要信息。
4. 粗糙集分类模型构建粗糙集分类模型构建是通过学习已知类别的样本，建立一个分类模型，用于对未知类别的样本进行分类。
常用的分类算法有基于规则的分类算法、基于决策树的分类算法等。
二、粗糙集理论的预测性能评估1. 交叉验证交叉验证是一种常用的评估粗糙集模型性能的方法。
它将数据集划分为训练集和测试集，通过训练集训练模型，再通过测试集评估模型的预测性能。
常见的交叉验证方法有k折交叉验证、留一交叉验证等。
2. ROC曲线ROC曲线是一种评估分类模型性能的图形化方法。
它以真正例率（True Positive Rate）为纵轴，假正例率（False Positive Rate）为横轴，通过绘制不同阈值下的真正例率和假正例率，可以评估模型在不同阈值下的预测性能。
3. 混淆矩阵混淆矩阵是一种评估分类模型性能的表格方法。
它以实际类别和预测类别为行列，通过统计真正例、假正例、真负例、假负例的数量，可以计算出模型的准确率、召回率、F1值等指标。
基于集对分析下的粗糙集理论模型研究论文
基于集对分析下的粗糙集理论模型研究摘要：粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识简约，导出问题的决策分析或分类规则。
而用集对分析理论的方法来建立概率粗糙集理论的模型，是一种研究粗糙集模型的新方法，它为处理不确定信息方面提供了一种新的途径和方法。
本文是用概率粗糙集模型，然后引入集对分析理论，把两者结合起来，提出一个新的集对分析下的粗糙集模型，并且讨论和研究该模型的一些性质。
关键字：集对，基对分析，粗糙集，概率粗糙集ABSTRACTRough set theory is one kind of new deal with the fuzzy andnon-deterministic mathematical tool, the main idea of Jiu Shi Zai Bao Chi Xia premise constant classification ability, through knowledge and simple, export issues of Juecefenxi 或classification rules. The use of set pair analysis theory is applied to establish the probability model of rough set theory, rough set model is a study of new methods for handling uncertain information that it provides a new approach and methods. This article is a rough set model with a probability, then the introduction of set pair analysis theory, the two together with a new set on the analysis of the rough set model, and discuss and study some properties of themodel.Key words:Set right, Based On The Analysis, Rough Sets, Probabilistic Rough Set一．引入集对分析的概念1．集对的概念集对是由一定联系的两个集合组成的基本单位。
数据分析知识：如何进行数据分析的粗糙集方法
数据分析知识：如何进行数据分析的粗糙集方法随着大数据时代的到来，数据分析成为了企业发展的重要一环。
然而，未经处理的原始数据往往含有大量噪音和冗余信息，这使得数据分析变得极为困难。
为了解决数据分析中的这些问题，人们常常使用基于粗糙集理论的数据分析方法。
1.粗糙集理论粗糙集理论起源于1982年波兰数学家Pawlak的论文《使用近似概念代替集合的代价》。
它是一种描述不确定性知识的数学工具，能够通过“近似概念”来解释元素之间的关系。
粗糙集理论将数据分为决策属性和条件属性两个部分。
其中，决策属性是需要预测或决策的属性，而非决策属性是用来描述数据对象的一些特征的属性，相当于是可能对决策属性产生影响的因素。
因此，利用粗糙集理论可以筛选出对决策属性最有影响的条件属性，从而对数据进行深入的分析。
2.粗糙集方法使用粗糙集方法可以分为以下几个步骤：（1）特征选取。
选择适当的特征对数据进行筛选和提取，以提高特征的关联性和效用性。
（2）分级建立概念相似度视图。
根据特征进行数据分类，并建立概念相似度视图。
相似度度量方法有欧氏距离法、曼哈顿距离法、余弦相似度法等。
（3）计算近似概念。
根据相似度视图，对目标数据进行分类，计算每个分类子集的下近似概念和上近似概念。
（4）筛选条件属性。
根据牺牲精度和保存置信度的原则，对条件属性进行筛选。
（5）数据分析。
将筛选得到的条件属性用来分析数据特点和规律。
3.粗糙集方法的优势粗糙集方法具有以下几点优势：（1）不需要对数据进行预处理。
与其他方法相比，粗糙集方法不需要对数据进行预处理，可以直接用原始数据进行分析。
（2）能处理不确定性的数据。
由于决策属性是不确定的，粗糙集方法可以适用于处理不确定性较大的数据。
（3）适用于小数据集。
粗糙集方法不需要对大数据进行处理，适合于处理小数据集。
（4）易于理解和实现。
由于粗糙集方法基于概念，因此易于理解和实现。
4.粗糙集方法的应用粗糙集方法可以应用于多个领域，如金融、医学、机器学习等。
粗糙集理论及其应用研究
粗糙集理论的核心内容
知识的约简与核
知识的约简： 通过删除不重 要的知识，保 留关键信息
核的概念：核 是知识的最小 表示，包含所 有必要信息
核的性质：核 具有独立性、 完备性和最小 性
核的求取方法： 基于信息熵、 信息增益等方 法进行求取
0
0
0
0
1
2
3
4
决策表的简化
决策表：用于描述决策问题的表格 简化目标：减少决策表的规模，提高决策效率 简化方法：合并条件属性，删除冗余属性 简化效果：提高决策表的可读性和可理解性，降低决策复杂度
粗糙集理论在聚类分析中的应用：利用粗糙集理论处理不确定和不完整的数据，提高聚类 分析的准确性和效率。
聚类分析在数据挖掘中的应用：可以帮助发现数据中的模式和趋势，为决策提供支持。
粗糙集理论在其他领域的应用
决策支持系统
粗糙集理论可以帮助决策者 处理不确定性和模糊性
粗糙集理论在决策支持系统 中的应用
粗糙集理论可以提高决策支 持系统的准确性和效率
粗糙集理论在决策支持系统 中的实际应用案例分析
智能控制
粗糙集理论在模糊控制中的 应用
粗糙集理论在智能控制中的 应用
粗糙集理论在神经网络控制 中的应用
粗糙集理论在自适应控制中 的应用
模式识别
粗糙集理论在模式 识别中的应用
粗糙集理论在图像 识别中的应用
粗糙集理论在语音 识别中的应用
粗糙集理论在生物 信息学中的应用
添加标题
添加标题
ห้องสมุดไป่ตู้添加标题
添加标题
机器学习
粗糙集理论在机器学习中的应用 粗糙集理论在数据挖掘中的应用 粗糙集理论在模式识别中的应用 粗糙集理论在自然语言处理中的应用
基于优势关系粗糙集的动态容错分级决策模型
中图分类号 ： Ｔ Ｐ １ ８ 文献标志码 ：Ａ
Ｓ ｏ ｒ ｔ ｉ ｎ ｇ Ｄｅ ｃ ｉ ｓ ｉ ｏ ｎ Ｍｏ ｄ ｅ ｌ ｆ ｏ ｒ Ｄｙ ｎ ａ ｍｉ ｃ Ｆａ ｕ ｌ ｔ Ｔｏ ｌ ｅ ｒ ａ ｎ ｃ ｅ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｄｏ ｍｉ ｎ ａ ｎ ｃ ｅ Ｒｅ ｌ ａ ｔ ｉ ｏ ｎ Ｒｏ ｕ ｇ ｈ Ｓ ｅ ｔ
用户 向上 、 向下和综合两者 的 ３种偏好趋 向 ， 提 出了 ３种对 应的分级 算法 ， 对边 界域对 象进行 初始分 级 ， 利 用对
象的覆盖信息作 为启发式知识调整其分级决策 的结 果 ， 实 现正确分 级或接近正 确分 级． 与 变一致性 优势关 系粗 糙集模型相 比 ， 不需要事先根 据经验确定和调整 阈值． 案例应用结果表明 ： 本 文提出的 ３ 种偏好 情况下 的分级正 确率 比现有 的分级算 法平均提高 了 ２ １ ． ３ ４ ％， 对应 的误分总代价平均 降低了 ５ ０ ． ９ １ ％．
４ ０ １ １ ２ ２ ； ３ ．重庆理 工大学计算机科学与工程学 院 ， 重庆 ４ ０ ０ ０ ５ ４ ； ４ ．重庆邮 电大学计算 智能重庆 市重点实验室 ，
重庆 ４ ０ ０ ０ ６ ５ ）
摘
要： 为提高优势关 系粗糙集模 型在分级决策问题 中 的容 错能力 ， 将 容错处 理视 为可动态 调整 的过程 ， 根据
第４ ９卷
第
学
学
报
Ｖｏ １ ． ４ ９ Ｎｏ ． １
Ｆ ｅ ｂ ．２ ０ １ ４
２ ０ １ ４年 ２月
Ｊ ＯＵ ＲＮＡＬ ＯＦ Ｓ Ｏ ＵＴ ＨＷ ＥＳ Ｔ Ｊ Ｉ ＡＯＴ ＯＮＧ ＵＮＩ ＶＥ ＲＳ Ｉ Ｔ Ｙ
粗糙集理论的属性重要性评估方法及其实际应用
粗糙集理论的属性重要性评估方法及其实际应用引言：粗糙集理论是一种用于处理不确定性和模糊性问题的数学工具，它在数据挖掘、模式识别和决策分析等领域中得到了广泛的应用。
在粗糙集理论中，属性重要性评估是一个重要的问题，它能够帮助我们识别出对决策结果具有重要影响的属性，从而提高决策的准确性和可靠性。
本文将介绍一种基于粗糙集理论的属性重要性评估方法，并探讨其在实际应用中的价值。
一、粗糙集理论概述粗糙集理论是由波兰学者Pawlak于1982年提出的，它是一种处理不确定性和模糊性问题的数学工具。
粗糙集理论通过将对象的属性进行划分，将属性值之间的差异进行模糊化处理，从而实现对不完备和不精确数据的分析和决策。
粗糙集理论的核心思想是近似和约简，即通过近似的方法对数据进行简化和压缩，从而提取出最重要的信息。
二、属性重要性评估方法在粗糙集理论中，属性重要性评估是一个关键问题。
属性重要性评估的目标是确定哪些属性对决策结果的影响最大，从而帮助我们进行决策和分析。
常用的属性重要性评估方法有正域、核和约简等方法。
1. 正域方法正域方法是一种基于粗糙集的属性重要性评估方法。
它通过计算属性在正域中的覆盖度来评估属性的重要性。
正域是指在给定条件下能够唯一确定决策结果的属性取值，它反映了属性对决策结果的贡献程度。
正域方法的优点是简单直观，容易理解和计算，但它没有考虑属性之间的依赖关系。
2. 核方法核方法是一种基于粗糙集的属性重要性评估方法。
它通过计算属性在核中的约简度来评估属性的重要性。
核是指在给定条件下能够唯一确定决策结果的最小属性集合，它反映了属性对决策结果的决定性影响。
核方法考虑了属性之间的依赖关系，能够更准确地评估属性的重要性，但计算复杂度较高。
3. 约简方法约简方法是一种基于粗糙集的属性重要性评估方法。
它通过对属性集合进行约简，得到一个最小的属性子集，从而实现对属性的重要性评估。
约简方法的优点是能够同时考虑属性之间的依赖关系和决策结果的覆盖度，能够更全面地评估属性的重要性。
基于系统动力学的动态平衡记分卡的应用
基于系统动力学的动态平衡记分卡的应用（质疑补充）：企业实施平衡记分卡所遇到的问题根据Lewy和Dumee对荷兰公司进行的调查,发现约70%实施平衡记分卡的组织都没有达到预期的目标。
原因可能在于首先，平衡记分卡无法理清企业内部的动态复杂性,无法对策略目标和绩效指标间的关系进行动态的模拟和分析,这将造成管理者关注短期而忽略长期从而作出短视的决策；其次,平衡记分卡也没有考虑到因果关系中的时间延迟,容易矫枉过正等。
而这些缺陷正是系统动力学的长处所在因果关系的分析是平衡记分卡系统的开发基础。
将系统动力学与平衡记分卡相结合的必要性系统动力学能够用复杂因果反馈回路关系定性且定量的解释系统行为,并将变量区分为状态变量与速率变量来处理时间因素,具有利用计算机模拟技术处理复杂非线性问题等特点。
平衡记分卡的创始人Kaplan和Norton也已认识到平衡记分卡这方面的不足,尤其在有因果关系的动态复杂情况时,他们也建议采用系统动力学的方法来弥补这些不足。
Akkermans和Oorschot回顾过去的相关文献,归纳出平衡记分卡在绩效评价方面的优点,并重点评述了其在因果关系、时间延迟及反馈机制方面的不足。
他们认为这些不足常常造成决策者的错误判断和决策,并提出可以采用系统动力学来弥补其不足。
Schoenebron认为平衡记分卡只是以部分因素之间的简单因果关系为基础,常常因为动态复杂性而导致企业推行平衡记分卡的失败,应当运用系统动力学的因果反馈加以控制。
Carmine Bianchi认为随着动态复杂问题在公共管理部门的出现,管理者需要一个具有创新性的计划控制系统来提高管理者的工作效率。
该研究以城市供水部门为例建立动态的平衡记分卡管理系统,通过战略计划流程的改进验证了该管理系统的有效性。
如何运用将系统动力学与动态平衡记分卡进行结合如何运用将系统动力学与动态平衡记分卡进行结合运用到企业的实际管理中，孙晓宇提出基于系统动力学的一种动态平衡记分卡理论的具体实施步骤，以克服动态平衡记分卡实施过程中的困难。
粗糙集理论方法及其应用ppt课件
粗糙集概念示意图
粗糙集理论方法及其应用 病原体侵入机体，消弱机体防御机能，破坏机体内环境的相对稳定性，且在一定部位生长繁殖，引起不同程度的病理生理过程
2 粗粗糙糙集集理理论论思思想想
粗糙集理论方法及其应用 病原体侵入机体，消弱机体防御机能，破坏机体内环境的相对稳定性，且在一定部位生长繁殖，引起不同程度的病理生理过程
2.3 粗糙近似
定义 给定一个知识表示系统 S (U, A,V, f ) ， P A，X U ，x U ，集合 X 关于 I 的下近似、 上近似、负区及边界区分别为
apr (X ) {x U : I(x) X} p
aprP (X ) {x U : I(x) X }
neg p ( X ) {x U : I (x) X }
2.2 不可分辨关系 （Indiscribility relation)
❖ 不可分辨关系是一个等 价关系(自反 的、对称 的、传递的）。
❖ 包含对象x的等价类 记为I(x)。等价类与知 识粒度的表达相对应， 它是粗糙集主要概念， 如近似、依赖及约简等， 定义的基础
粗糙集理论方法及其应用 病原体侵入机体，消弱机体防御机能，破坏机体内环境的相对稳定性，且在一定部位生长繁殖，引起不同程度的病理生理过程
决策属性(D)
U
a1
a2
a3
d
n1
High
Low
Low
Low
n2
Medium
High
Low
High
n3
High
High
High
High
粗糙集理论方法及其应用 病原体侵入机体，消弱机体防御机能，破坏机体内环境的相对稳定性，且在一定部位生长繁殖，引起不同程度的病理生理过程
a decision analysis method based on rough set -回复
a decision analysis method based on roughset -回复问题：决策分析中的粗糙集方法是什么？它的步骤是什么？引言：在现代社会中，决策逐渐成为各个领域中的重要环节。
为了实现有效的决策，研究者们提出了各种不同的方法和技术。
其中，基于粗糙集的决策分析方法为决策制定者提供了一种直观且有效的工具。
本文将详细介绍基于粗糙集的决策分析方法的步骤和应用。
一、粗糙集理论概述：粗糙集理论最早由波兰学者Zdzislaw Pawlak于1982年提出，它是一种用于处理不完全和不确定信息的数学工具。
粗糙集理论的核心思想是根据信息的不确定程度，将对象的属性分为精确可确定的部分和模糊不确定的部分。
通过使用“下近似”和“上近似”的概念来描述集合的不确定性程度。
二、决策分析基本步骤：基于粗糙集的决策分析方法通常包括以下步骤：1. 确定决策问题及目标：首先，需要明确决策的具体问题，并清晰定义决策的目标。
例如，某公司要决定使用哪种广告方式提升销售量。
2. 建立决策规则集：收集并整理相关的决策规则。
决策规则是根据已有知识和经验制定的一系列规则，用于将决策目标与决策条件联系起来。
3. 构建决策表：根据收集到的决策规则，建立一个决策表。
决策表是由决策规则的条件与结果组成的表格，用于对决策情况进行归纳和分析。
4. 确定属性重要性：根据问题的具体情况和专家的建议，确定各个属性的重要性。
属性的重要性反映了属性对决策结果的影响程度。
5. 粗糙集约简：利用粗糙集理论中的约简方法，对决策表进行简化。
约简后的决策表可以更好地反映决策规则中的核心信息，减少决策问题的复杂度。
6. 决策推理：根据已经简化的决策表，进行决策推理。
根据决策条件和已知属性，推导出最佳的决策结果。
7. 决策评价：评价决策结果的有效性和准确性。
根据实际情况和决策目标的实现程度，对决策结果进行评估和分析。
8. 反馈和调整：根据评估结果，对决策方法和过程进行反馈和调整。
粗糙集理论简介及应用案例解析
粗糙集理论简介及应用案例解析引言：在信息时代的背景下，数据的爆炸式增长给人们的决策和分析带来了巨大的挑战。
而粗糙集理论作为一种有效的数据分析工具，已经在各个领域得到了广泛的应用。
本文将对粗糙集理论进行简要介绍，并通过实际案例来解析其应用。
一、粗糙集理论的基本原理粗糙集理论是由波兰学者Pawlak于1982年提出的一种数据分析方法，它主要通过对数据集中的不确定性进行处理，从而提取出其中的规律和知识。
粗糙集理论的核心思想是基于近似和不确定性，通过构建等价关系和约简操作来实现对数据的分析。
二、粗糙集理论的应用案例解析1. 医学领域在医学领域，粗糙集理论可以用于辅助医生进行疾病诊断和预测。
例如，通过对患者的病历数据进行分析，可以建立一个疾病与症状之间的关联模型。
通过这个模型，医生可以根据患者的症状快速判断出可能的疾病，并采取相应的治疗措施。
2. 金融领域在金融领域，粗糙集理论可以用于风险评估和投资决策。
例如，通过对股票市场的历史数据进行分析，可以建立一个股票价格与各种因素之间的关联模型。
通过这个模型，投资者可以根据市场的变化预测股票的价格走势，并做出相应的投资决策。
3. 交通领域在交通领域，粗糙集理论可以用于交通流量预测和交通优化。
例如，通过对交通数据进行分析，可以建立一个交通流量与各种因素之间的关联模型。
通过这个模型，交通管理者可以根据不同的因素预测交通流量的变化，并采取相应的措施来优化交通。
4. 教育领域在教育领域，粗糙集理论可以用于学生评估和课程推荐。
例如，通过对学生的学习数据进行分析，可以建立一个学生能力与学习成绩之间的关联模型。
通过这个模型，教育者可以根据学生的能力评估学生的学习状况，并推荐适合的课程来提高学生的学习效果。
结论：粗糙集理论作为一种有效的数据分析工具，已经在各个领域得到了广泛的应用。
通过对数据集中的不确定性进行处理，粗糙集理论可以提取出其中的规律和知识，为决策和分析提供有力的支持。
多粒度粗糙集的近似集动态更新方法研究
多粒度粗糙集的近似集动态更新方法研究波兰数学家Pawlak于1982年提出一种处理模糊知识的数学工具,即粗糙集理论。
经典粗糙集利用论域上单个不可分辨的二元关系导出等价类,通过讨论等价类与目标概念之间的关系计算出上近似集和下近似集。
粒计算是一门快速发展的新兴学科,词计算模型、粗糙集模型和商空间模型是三种主要的粒计算模型。
当前,粗糙集理论已成为研究粒计算的重要模型工具。
从粒计算的角度来看,经典粗糙集是一种基于单层次、单粒度的粒计算模型,不能从多层次、多粒度的视觉分析和处理问题。
因此,钱宇华等人根据粒计算的思想,采用多粒度的观点,提出了基于完备信息系统的多粒度粗糙集模型。
目前,随着信息技术的飞速发展,信息系统中数据会随着时间而不断变化,由此可见,多粒度粗糙集中的知识也会随之发生动态变化,研究人员已经为粗糙集模型以及其扩展模型提出了许多用于知识获取的动态更新算法。
然而,所提的动态更新算法大多是基于单粒度粗糙集模型而研究的,讨论的是在完备信息系统中当数据变化时如何更新近似集的问题,但关于多粒度粗糙集及其扩展模型中近似集动态更新算法的研究却寥寥无几,并且在部分研究中,近似集动态更新算法的时间效率较低。
在现有的信息系统中,由于信息记录的丢失或收集信息的失误,导致要处理的信息中可能包含缺失值,因此当学者们要获取知识时,经常需要处理属性值不全的信息系统。
当不完备信息系统中数据发生变化时,由于它包含缺失值,发生的情况会比完备信息系统更加复杂。
当不完备信息系统变化时,常见的多粒度粗糙集模型很难对它进行处理。
因此,很少有学者研究关于不完备信息系统下的近似集动态更新算法。
对于上述两个问题,本文分别以完备信息系统和不完备信息系统为研究基础,做了以下两个方面的讨论:(1)在多粒度粗糙集环境中,当完备信息系统中属性值被细化时,原来的近似集会发生变化,即下近似集有增大的趋势,上近似集有减小的趋势,且现有的近似集更新算法时间效率较低,则改进现有的近似集动态更新算法成为了多粒度粗糙集理论研究中的重要内容。
粗糙集算法
DUFE管理科学与工程研究方法概论学号：2013100654专业：电子商务姓名：徐麟粗糙集理论一、粗糙集的来源与发展智能信息处理是当前信息科学理论和应用研究中的一个热点领域。
由于计算机科学与技术的发展，特别是计算机网络的发展，每日每时为人们提供了大量的信息。
信息量的不断增长，对信息分析工具的要求也越来越高，人们希望自动地从数据中获取其潜在的知识。
特别是近20年间，知识发现(规则提取、数据挖掘、机器学习)受到人工智能学界的广泛重视，知识发现的各种不同方法应运而生。
粗糙集(RoughSet，也称Rough集、粗集)理论是Pawlak教授于1982年提出的一种能够定量分析处理不精确、不一致、不完整信息与知识的数学工具。
粗糙集理论最初的原型来源于比较简单的信息模型，它的基本思想是通过关系数据库分类归纳形成概念和规则，通过等价关系的分类以及分类对于目标的近似实现知识发现。
由于粗糙集理论思想新颖、方法独特，粗糙集理论已成为一种重要的智能信息处理技术，该理论已经在机器学习与知识发现、数据挖掘、决策支持与分析等方面得到广泛应用。
粗糙集理论与应用的核心基础是从近似空间导出的一对近似算子，即上近似算子和下近似算子(又称上、下近似集)。
经典Pawlak模型中的不分明关系是一种等价关系，要求很高，限制了粗糙集模型的应用。
二、粗糙集的理论基础1、概念、可定义集从经典的角度来看，每个概念都包含其内涵和外延。
为了给出概念内涵和外延的具体描述，我们考虑一个简单的知识表达系统，即信息表。
信息表就是一组可定义集的形式化定义如下：在信息表M中，如果称子集XAU是可被属性子集AAAt定义的，当且仅当在语言L(A)中存在一个公式<使得X=m(<)。
否则，X 称为不可定义的。
2、近似空间语言L(A)的所有可定义集正好构造成一个R代数R(U/E(A))，即Def(U，L(A))=R(U/E(A))。
序对apr=(U，E(A))称为一个Pawlak近似空间，简称近似空间。
服务企业中基于系统动力学的动态平衡积分卡应用研究
服务企业中基于系统动力学的动态平衡积分卡应用研究作者：杜杰慧来源：《求是学刊》2010年第04期摘要:瞬息多变的市场环境对服务业企业的战略管理提出了更高的要求,文章为了改善服务性行业的管理水平并提高其绩效及战略管理水平,基于服务利润链和平衡积分卡的相关性,将平衡积分卡这一工具和系统动力学的方法引入到服务业中。
作者运用系统动力学方法来改善以往平衡积分卡应用中存在的动态不足性问题,建立动态的平衡积分卡仿真模型,模拟观察企业成长各阶段的内外环境的变化情况并进行长短期的对比,最终为服务性企业的战略管理提供量化依据,提高企业的管理水平。
关键词:服务企业;平衡积分卡;系统动力学作者简介:杜杰慧(1978—),女,黑龙江哈尔滨人,哈尔滨理工大学管理学院教师,从事管理学研究。
中图分类号:F719文献标识码:A文章编号:1000-7504(2010)04-0059-05收稿日期:2010-01-18本文在以往研究的基础上将平衡积分卡(Balanced Scorecard,简称BSC)和系统动力学方法相结合来改善平衡积分卡在应用中的动态性。
由于服务利润链思想在平衡积分卡的建立中起着重要的作用,所以本文以服务利润链思想为基础,应用系统动力学中的方法,在某服务性行业企业中建立动态平衡积分卡来帮助企业进行更为有效的绩效管理和战略决策。
一、平衡积分卡和服务利润链思想平衡积分卡既是一种战略性绩效改进工具,又是一种先进的绩效评价系统。
它从财务、顾客、内部流程和学习与成长四个互相联系的方面来考核组织中各层次绩效水平,提高企业的绩效管理水平[1]。
虽然平衡积分卡给出了四个方面的考核,但是在具体的实施过程中,得出四个方面的因果关系和各个指标是比较困难的,通常会遇到很多问题。
服务利润链(the service profit chain)的思想是从理论的角度来说明服务性行业的利润有何决定。
其本质是将收益与发展、客户忠诚度和满意度、内部员工忠诚度和满意度与企业生产能力联系起来的一条闭环链条[2]。
复杂信息下的动态激励评价模型与方法研究
复杂信息下的动态激励评价模型与方法研究全文共四篇示例，供读者参考第一篇示例：概述当下，随着信息技术的不断进步和发展，我们生活在一个充满了复杂信息的时代。
在这样的环境中，人们需要处理来自各个方面的信息，进行决策和行动。
复杂信息给人们带来了挑战，同时也为人们提供了更多的机会。
在这种情境下，动态激励评价模型与方法的研究显得尤为重要。
本文将从动态激励评价模型与方法的概念、特点、应用以及未来发展方向等方面展开讨论。
动态激励评价模型与方法的概念动态激励评价模型与方法是指在复杂信息环境下，针对个体或组织的激励评价，考虑到信息的不确定性、动态变化等因素，建立起来的一种综合模型与方法体系。
这种模型与方法能够更好地适应变化的信息环境，帮助个体或组织做出更加准确和实时的决策，提高效率和成果。
动态激励评价模型与方法的特点动态激励评价模型与方法具有以下几个显著的特点：1. 融合多维信息：动态激励评价模型与方法能够充分融合来自不同方面、多维度的信息，包括经济、社会、心理等方面的信息，对个体或组织的激励水平进行综合评价。
2. 考虑信息动态变化：该模型与方法能够及时获取并反映信息的动态变化，对激励评价进行动态调整，保持其及时性和准确性。
3. 强调个体差异性：动态激励评价模型与方法注重个体的差异性，针对个体的不同需求、动机等因素，进行个性化的激励评价。
4. 结合激励实施：该模型与方法不仅提供激励评价，还结合激励实施，为个体或组织的激励实际操作提供支持。
动态激励评价模型与方法的应用动态激励评价模型与方法可应用于多个领域，包括但不限于企业管理、组织行为、人才培养、政策制定等。
在企业管理中，可以利用动态激励评价模型与方法对员工的激励水平进行评估，为薪酬分配、晋升晋级等决策提供依据；在组织行为研究中，可以通过该模型与方法对组织成员的动机及行为进行分析，为组织文化建设、团队管理等提供指导；在人才培养领域，可以运用动态激励评价模型与方法对学生或员工的学习动机、职业规划等方面进行评估，为个性化培养提供支持；在政策制定方面，可以借助该模型与方法对政策实施的激励效果进行评估，为政策的调整和优化提供依据。
浅谈战略绩效管理工具_平衡记分卡
价框架 ,还是战略执行的一种有效方法 。于是他们多次发表文章 , (二 ) 平衡记分卡以企业战略为核心 ,体现短期目标与长期
对平衡记分卡进行了补充和完善 ,于 1996年在《哈佛商业评论 》上 目标的平衡
再次发表的文章《把平衡记分卡作为战略管理体系的基石 》确立了 它有一个从上到下的时间维度 。从战略角度出发 ,企业长期
浅谈战略绩效管理工具 ———平衡记分卡
赵燕 张巍 (中央财经大学信息学院 )
一 平衡记分卡的产生
之上 。通过实施平衡记分卡 ,员工将对公司更加理解 ,也将获得更
绩效管理出现于二十世纪三十年代 。早期的绩效管理注重通 大的发展动力 。同时 ,它还可以为公司提供重要的管理信息 ,可以
过对利润 、成本指标等财务指标的分析 ,评定企业的经营情况 ,控 把公司绩效考核过程中的信息持续不断的记录下来 ,这些信息可
普兰先生来中国讲学以后 ,又一次掀起了平衡记分卡的热潮 , 我国 的因果关系链 。
企业也己逐步进入了平衡计分卡推广应用的高峰时期 。
四 平衡记分卡的四个角度
三 平衡记分卡的定义及优势
卡普兰和诺顿 1992年提出“平衡记分卡 ”的四个角度是 :财务
平衡记分卡 (Balanced Scorecard,简称为 BSC)是从四个角度 : 指标 、客户 、内部业务流程 、学习和创新 。在十多年的实践中 ,这些
平衡记分卡所包含的四个角度主要是关注财务 (股东 ) 、顾客 、 内部业务流程以及学习和成长 (员工 ) 。它忽视了其它利益相关者 如供应商 、政府等的重要性 。 平衡记分卡缺乏反映企业目标的指标 。平衡记分卡的各项指 标在引导员工的行为和促进企业战略目标的实现方面能起重要作 用 ,但他们毕竟不是企业目标 ,只是实现企业目标的手段 。 平衡记分卡提出一组指标 ,并赋予各指标以权重 ,但因为不同 企业不同时期各项指标对企业经营业绩的影响不相同 ,按权重加 总计算得出的总分难以反映企业真正的业绩 ,不同企业经营业绩 的比较就非常困难 。 平衡记分卡四个角度之间的因果关系链不够严密 。比如并不 是顾客满意程度提高 ,一定导致盈利能力的提高 ;并不是员工技术 水平提高 ,一定导致运营效率提高 。 虽然平衡记分卡有其局限性 ,需要在实践中不断发展与完善 , 但这并不影响它做为一个有效的战略绩效管理工具的价值 。企业 运用平衡记分卡做为绩效管理工具 ,必须扬长避短 ,根据企业的实 际情况 ,建立实用 、高效的战略绩效管理体系 。同时 ,我们也应当 明确平衡记分卡只是一个战略绩效管理工具 ,它不是企业管理的 全部内容 ,不能取代其它诸如财务 、人力资源等管理系统 。 六 结束语 经营环境的变化 ,导致企业间的竞争在全球范围内加剧 ,企业 要生存和发展 ,就必须要有战略眼光和长远奋斗目标 ,传统绩效管 理方法遭到质疑 。为此 ,平衡记分卡适应环境的要求应运而生 ,并 逐渐发展成为战略绩效管理工具 。平衡记分卡不仅是一个综合的 绩效管理系统 ,而且还是企业战略管理的基石 。它兼顾战略与战 术 、长期和短期目标 、内部和外部业绩 、财务和非财务衡量方法等 诸多方面 。与其它创新的绩效评价体系相比 ,平衡记分卡的影响 较大 、应用较广 。平衡记分卡的应用将企业的战略管理 、预算管 理 、人力资源管理等都融合起来 ,构成一个基于战略的 、全面的 、立 体的企业绩效管理体系 。平衡记分卡的战略绩效管理体系对我国 企业具有很强的借鉴 ,在我国还会有更加广阔的发展空间 。
动态赋权和静态赋权相结合的模糊评价模型.pdf
摘要首先，结合目前各知名机构对大学和学科给出的评估结果，考虑到较为公认的世界一流大学的两个共同特点（一是拥有世界一流水平的教授队伍，二是有一套支持教授队伍培养人才、进行尖端科学研究的体制），分析出评判世界一流大学的一级指标：教育质量，科研成果，硬件设备，师生数量比和评判世界一流学科的一级指标；教学条件，科研成果，学生发展，硬件设备。
两个基本模型：世界一流大学评估模型和世界一流学科评估模型。
基本模型通过层次分析法给出子目标成对比较判断优选矩阵，进而求各评估指标的权重。
权值优化后模型：考虑到层次分析法给出权重具有一定的主观因素，并且静态加权有一定的局限性，即权值存在一定稳定性，不能随具体情况变化而变化。
所以，采用熵值法对初步给定的权值进行调整，作到静态赋权和动态赋权相结合。
针对第二问，选取QS排名前100中的12所大学，对搜集到的数据进行模糊化处理，分别求得层次分析法权重下，熵权法优化权值下的模糊综合评价结果，两次结果与各大权威评估机构的分析结果比对，发现熵权法优化后的权值更加合理。
针对第三问，用同样的思路，选取11个专业，每个专业选取12个大学，进行模糊化综合评价。
以土木工程为例，分别求出层次分析法权重下，熵权法优化权值下的模糊综合评价结果，比较发现熵权法优化后的权值更有其合理性。
针对第四问，除中南大学外，选取四所国内知名大学，用已经建立的模糊综合评价模型进行评价，通过中南大学与其他四所大学比较，发现中南大学在建设双一流大学道路上还有很多进取之处。
最后，基于以上问题解决过程中发现的问题，对模型进行评价，确定改进方向，并且为中南大学创建“双一流”给出建议。
关键词：“双一流”建设层次分析法熵权法动态赋权模糊综合评价一．问题提出1.1 问题的背景建设世界一流大学和一流学科，是党中央、国务院作出的重大战略决策，对于提升我国教育发展水平、增强国家核心竞争力、奠定长远发展基础，具有十分重要的意义。
多年来，通过实施“211工程”、“985工程”以及“优势学科创新平台”和“特色重点学科项目”等重点建设，一批重点高校和重点学科建设取得重大进展，带动了我国高等教育整体水平的提升，为经济社会持续健康发展作出了重要贡献。
绩效考核技术—平衡记分卡
E、评估系统与控制系统的完美结合
平衡记分卡不仅克服了传统考核体系 的片面性、主观性；而且实现了考核体 系与控制体系完美结合。
目标制订 期望建立
目标执行 行为过程引导
绩效考核 绩效改进
前馈控制
过程控制 同步控制
反馈控制
连续不断的反馈
连续不断的控制
连续不断的绩效提升
F、平衡记分卡的激励功能主要反映在绩 效与报酬的对等承诺关系之中。
（利润+税金+利息）/平均资产总额*12/累计月数 1.5.5全员劳动生产率=
工业增加值/员工数*12/累计月数 1.5.6产品销售率=销售产值/生产总产值 1.5.7附加价值率=附加价值/总产值
6、财务方面指标的讨论
企业处于不同的生命周期，财务目标 是不同的。对于同一个企业的不同战略 单位，由于所处的阶段不同，财务指标 也存在很大的差异性。 成长期 维持期 收获期
顾客构面
客（1）：改善经纪人绩效 客（2）：满足目标投保人
内部构面
内（1）：发展目标市场的业务
内（2）：承保获利率
内（3）：理赔和业务的配合
内（4）：改善生产力
学习构面
学（1）：提升员工技能 学（2）：改善策略资讯的使用
策略成果量度 （落后指标）
每股盈余综合比率
业务组合
灾难性亏损
争取率和延续率（相对计划） 争取率和延续率（依区隔别）
成长期：按部门划分的销售增长率、从新产品、服务和 客户中得到的收入增长率
维持期：目标客户销售增长率、客户与生产线利润率、 新做法增加百分比
驱动指标：属于“超前指标（或领先指标）”， 它揭示实施战略时关键领域的进展，并用以影 响组织中的行为。
例如： 成果指标：加快周转时间 驱动指标鼓励员工特别关注周转时间并努力于周
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中 图分 类 号 ：２ ３ ４ Ｆ ５ ．
文 章标 识 码 ： Ａ
文 章 编号 ：０ ７３ ２ （０ ８ ０ —０ ６ １ ｌ０ ． １ ２０ ）５ ０ ０ —０ ２
Ｍｏ ｅｉｇ ａ ｄ Ｒｅ ｅ ｒｈ ｏ ｙ ａ ｉ Ｂａａ ｃ ｄ Ｓｃ ｒ ｃ ｒ ｓ ｄ ｏ ｕ ｈ Ｓ ｔ ｄ ｌ ｎ ｓ ａ ｃ ｆＤ ｎ ｍ ｌｎ ｅ ｏ ｅ ａ ｄ Ｂａ ｅ ｎ Ｒｏ ｇ ｅ ｎ ｃ
郑 培’ ， 黎建强
（． １ 湖南 大 学 工 商 管 理学 院 ， 南 长沙 ４０ ８ 湖 １０２；２ 香港 城 市 大 学 商 学 院 ， 国 香港 ） ． 中
摘
要 ： 统 的 供 应 链绩 效 评 估 方 法 大 多 属 于静 态 评 估 ， 实 际 的 供应 链 是 一 个 动 态 系统 ， 此需 要 使 用 动 态 绩 传 而 因
简 ， 而 得 到 了预 测 绩效 评估 结果 的决 策 规 则集 。仿 真 实 验 表 明 ， 出 的 基 于 粗 糙 集 理 论 的 供 应 链 动 态 绩 效 评 从 提
估 方 法 能 够 有效 地 给 出动 态 供 应链 绩效 评 估 结 果 及 发 展 趋势 ， 为供 应 链 的 合 理 分 析 和决 策 制 定 提 供 依 据 。
ቤተ መጻሕፍቲ ባይዱ
效 评估 方法 来进 行 考 量 。为 了 适 应动 态 联 盟 整 体绩 效 评 估 之 需 要 ， 传 统 的 四 维平 衡 计 分 卡 扩 展 为 五 维 动 态 平 把
衡 计分 卡 。在 此 基 础 上 建 立 了 供应 链 动 态 绩 效 评 估 决策 表 ， 利 用 粗 糙 集 理 论 对决 策 表 进 行 了属 性 约 简 和 值 约 并
ＺＨＥＮＧ ｉ Ｐｅ ．Ｌ ｉｎ — ａ ｇ ・ ＩＪａ ｇ ｑｉｎ
（ ．Ｃ ｌｇ ｕｉｅ ｄ ｎｓ ａｉ ， ｕ ａ ｎ ｅ ｉ ， ｈ ｎ ｓａ ４ ０ ８ ，Ｃ ｉ ； ．Ｆ ｃｌ ｕｉ ｓ， １ ｏｌ ｅｏ Ｂ ｓ ｓ Ａ ｍｉ ｔ ｔ ｎ Ｈ ｎ ｎＵ ｉ ｒｔ Ｃ ａ ｇｈ ， １ ０ ２ ｈ ａ ２ ａｕ ｙｏ Ｂ ｓ ｅ ｅ ｆ ｎｓ ｉｒ ｏ ｖ ｓｙ ｎ ｔｆ ｎｓ
ａｅ ｉ． Ｆ ｒｔ ａ ｅｏ ｎ ｅ ｒｔｖ ｅ ｏ ｍａ ｅ ｍｅ ｓ ｒｍ ｅ ｔｏ ｇ ｌ ｉｔ ａ ｎｔｒ ｒｓ ｔ ｔ ｏ ｈｅｓ ｋ ｆｉ ｔｇ ａｉ ｅｐ ｒ ｒ ｎｃ ａ ｕ ｅ ｎ ｆａ ｉ ｖｒｕ ｌｅ ｅ ｐ ｉｅ，ｔ ｅ ｄｍ ｅ ｓｏ ｆｔ ｅ ｔａ ｉ ｆ ｅ ｈ ｉ ｎ ｉ ｎ ｏ ｈ ｒ ｄ — ｔｏ ｌｂ ｌｎ ｅ ｃ ｒｃ ｒ ｓｅ ｔｎ ｅ ｎ ｏ５．Ａｃ ｏ ｄ ｎ ｏ ｉ，ｉ ｃ ｒ ｏ ａｅ ｔ ｏ ｇ ｅ ｈ ｏ ｙ，ｔ ｅ ｄ ｃｓｏ ａ ｉｎａ ａａ ｃ ｄ ｓ ｏ ｅ ａ ｄ ｉ ｘ ｅ ｄ ｄ ｉ ｔ ｃ ｒ ｉ ｇ ｔ ｔ ｎ ｏ ｐ ｒ ｔｄ ｗｉｈ ｒ ｕ ｈ ｓ ｔｔ ｅ ｒ ｈ ｅ ｉｉｎ ｔ—
第１ ７卷 第 ５期
２０ ０ ８年 ｌ ０月
运 筹 与 管 理
ＯＰ ＥＲＡＴＩ ＯＮＳ ＲＥＳＥＡＲＣＨ ＡＮＤ ＭＡＮＡＧＥＭ ＥＮＴ Ｓ ＥＮＣＥ ＣＩ
Ｖｏ ． ７， ． １ １ Ｎｏ ５
Ｏｃ ． ０ ８ ｔ２ ０
动态条件下基 于粗糙集 的平衡 记分卡模 型及算法研 究
Ｃｔ Ｕ ｉ ｒｔ ｏ ｏｇ ｎ ， ｏｇＫ ｎ ， ｈｎ ） ｉ ｎｖ ｓｙｆ Ｈ ｎ ｇ Ｈ ｎ ｏ ｇ Ｃ ｉａ ｙ ｅ ｉ
Ａｂｓ ｒ ｔ Ｍ ｏ ｔｏ ｈｅ ｔａ ｔｏ ａ ｕ ｐｌ ｈ ｉ ｒｏ ｍａ ｃ ａ ｕ ｅ ｎ ｓ ｓａ ｉ ｔ ｏ ｔａｃ ： ｓ ｆｔ ｒｄｉ ｎ ｌｓ ｐ ｙ ｃ ａｎ ｐｅｆ ｒ ｎ ｅ ｍｅ ｓ ｒ ｍｅ ｔｉ ｔ ｔ ｍｅｈ ｄ． Ｈｏ ｖ ｒ ｎ ｔ ｅ ｒ ａ ｉ ｃ ｗｅ ｅ ，ｉ ｈ ｅ ｌ ｗｏｌ ｒｄ，ｔ ｕ ｐ ｙ ｃ ｉ ｓ ａｄｙ ａ ｃ ｓ ｓｅ ，ｗｈ ｃ ｅ ｄ ｙ ａ ｃ ｐ ｒｏｍ ａ ｃ ａ ｕ ｅ ｎ ｔ ｄ ｏ ｅ ａｕ ｈｅ ｓ ｐ ｌ ｈａｎ ｉ ｎ ｍｉ ｙ ｔｍ ｉｈ ｎ ｅ ｓｄ ｎ ｍｉ ｅ ｒ ｎ ｅ ｍｅ ｓ ｒ ｍｅ ｔｍｅｈｏ ｓｔ ｖ ｌ — ｆ
ｂｅ ｏ ｙ ｍ ｉ ｒｏ ｍａ ｃ ａ ｕ ｅ ｎ ｓｍ ａ ｅ Ｔｈ ｅ ｉｉｎ ｒ ｌ ｅ ｆｐ ｒｏ ｍａ ｃ ｅ ｓ ｒ ｍｅ ｔｐ ｅ ｉ ｔ ｎ ｌ ｆｄ ｎａ ｃ ｐｅｆ ｒ ｎ ｅ ｍｅ ｓ ｒ ｍｅ ｔｉ ｄ ． ｅ ｄ ｃｓｏ ｕ ｅ ｓ ｔｏ ｅ ｒ ｎ ｅ ｍ ａ ｕ ｅ ｎ ｒ ｄ ｃｉ ｆ ｏ ｉ ｂ ａｎ ｄ ｂ ｔｒｂ ｔ ｅ ｕ ｔａ ａｕ ｅ ｕ ｔｏ ｅ ｉｉｎ ｔｂｌ． Ｆ ｎ ｌ ｓ ｏ ｔ ｉ ｅ ｙ ａｔｉ ｕ ｅ ｒ ｄ ｃ ｎｄ ｖ ｌ ｅ ｒ ｄ ｃ ｆｄ ｃ ｓｏ ａ ｅ ｉ ａｌ ｙ，ａ ｃ ｌｕ ａｉ ｎ ｅ ａ ｌ ｆｐ ｒｏ ｍａ ｃ ａ ｃ ｌ ｔ ｘ ｍｐ ｅ ｏ ｅ ｆｒ ｎ ｅ ｏ ｍｅ ｓ ｒ ｍｅ ｔｉ ｌｕ ｔａｅ ａ ｕ ｅ ｎ ｓｉ ｓｒ ｔｄ，ｗｈ ｃ ｈ ｗｓｔ ａ ｈ ｎ ｉｎｅ ｖ ｌ ａｉｎ ｍ ｅｈ ｄ ｉ ｅ ｓｂ ｅ ａ ｄ ｅ ｉｉｎ ｏ ｙ ｍ— ｌ ｉｈ ｓ ｏ ｈ ｔｔ ｅ ｍｅ ｔ ｏ ｄ ｅ ａｕ ｔｏ ｔ ｏ ｓｆ ａ ｉ ｌ ｎ ｆ ｃ ｅ ｔｆ ｒｄ ｎａ