基于粗糙集理论影响大学生就业因素分析.docVIP

基于粗糙集理论影响大学生就业因素分析 　　【摘 要】随着中国高校教育的发展，大学生的数量急剧增加，大学生就业问题也日益凸显，大学生就业难问题已成为社会热点之一。文章使用问卷调查的方法，运用粗糙集理论对所收集数据进行分析，从而得出影响大学生就业的两个重要因素，并基于这两个因素对大学生就业工作的开展进行了新的思考。 　　【关键词】大学生;就业因素;粗糙集 　　一、影响大学生就业的因素 　　大学毕业生具有较高的人力资本水平，是劳动力市场上的优势群体。但随着全球化的发展与知识经济的冲击，青年初次与持续就业所需的能力门坎逐年提高，大学生必须具备能够满足新经济要求的核心就业能力才能成功发展，但高等教育培养出来的大学生在知识和技能结构上与人才市场的需求存在一些脱节，大学生就业的结构性矛盾日益突出。 　　综观以往对大学生就业因素的分析和研究，作者将影响大学生就业的因素总结为：就业者的个人素质，就业者对职业选择的预期，就业者的个人能力，外力因素等。目前，已有大量文献分析大学生就业困难的成因以及影响大学生就业的因素，但很少有研究者使用粗糙集的定量研究方法，将大学生就业的想法及一些实际情况量化分析，本文试图将粗集理论运用到这一研究当中，将平时思政研究中定性的分析更多的采用数学工具进行定量分析，以期得到更精准的结果。 　　二、基于粗糙集理论的影响大学生就业因素分析 　　（一）粗糙集理论 　　粗糙集理论是波兰数学家Pawlak于1982年提出的一种处理不精确、不确定和不完全信息的新型数学工具，也是目前最具有挑战性的研究与应用领域之一。粗糙集理论的基本思想是将不确定、不精确的知识库中的知识来近似刻画。在属性约简方面有自己独特的方法。粗糙集理论的主要优势之一是它不需要任何先验或额外的相关数据信息。 　　（二）可辨识矩阵 　　可辨识矩阵（也称分明矩阵）是由斯科龙（Skowron）教授提出的。 　　定理1：令决策表系统为S=〈U，R，V，f〉，R=P∪D是属性集合，子集P={ai|i=1，…，m}和D={d}分别称为条件属性集和决策属性集，U={x1，x2，…，xn}是论域，ai（xj）是样本xj在属性ai上的取值，CD（i，j）表示可辨识矩阵中第i行j列的元素，则可辨识矩阵CD定义为 　　其中i，j=1，…，n。 　　显然，可辨识矩阵是一个依主对角线对称的矩阵，在考虑可辨识矩阵的时候，只需要考虑其上三角（或下三角）部分就可以了。 　　（三）基于可辨识矩阵的属性频度的启发式约简算法 　　定义1：设可辨识矩阵CD中的不含相对核Core的矩阵元素构成的集合为，属性的重要性为：C′D={Cij|∩Core=，Cij∈CD}，属性ak，ak∈C^akCore的重要性为： 　　sig（ak）=P（ak） 　　其中，P（ak）为属性ak在C′D中出现的频率。 　　Pawlak指出，一个属性约简必须满足条件独立性，即一个非空约简RC，当信息系统无决策属性时，如果r∈R，ER-{r}≠ER，则是R独立的;当信息系统有决策属性时，如果r∈R，POSR-{r}（D）≠POSR（D），则R是独立的。其中，POSR（D）表示D的R正域;ER={（x，y）∈U2|a∈R，f（x，a）=f（y，a）}是U上的可辨识关系。Pawlak给出了如下的Pawlak约简定义： 　　定义2：给定决策表S=（U，C∪D，V， f ），对RC，如果R满足如下2个条件： 　　（1）POSR（D）=POSC（D）; 　　（2）r∈R，POSR-{r}（D）≠POSR（D）。 　　则R是一个Pawlak约简。 　　Pawlak约简的另一种等价定义为： 　　定义3：给定决策表S=（U，C∪D，V， f ），≠RC，其对应的可辨识矩阵为CD，如果{α|α∩R=，≠α∈CD}=，并且R是独立的，则R是S的一个Pawlak约简。 　　由Pawlak约简的定义，可以得出如下命题： 　　命题1：给定决策表S=（U，C∪D，V， f ），其对应的可辨识矩阵为CD，一个子集RC是相对约简当且仅当R满足如下2个条件： 　　（1）对任意非空元素m∈CD，有m∩R≠; 　　（2）对r∈R，m∈CD，使得m∩R-{r}=。 　　令可辨识矩阵为CD，矩阵元素为Cij，i，j=1，2，…，n，Reduction是决策表经过属性约简之后得到的条件属性集合，Core是核属性集合。基于可辨识矩阵的属性频度的启发式约简算法的算法思想如下： 　　算法1： 　　Step1：首先计算出决策表的可辨识矩阵CD，求出核属性并赋给Core; 　　Step2：找出可辨识矩阵CD中含有核属性的属性组合项Cij∩Core≠，Cij∈CD，将Cij置为0; 　　Step3：计算新可辨识矩阵中所有剩