粗糙集理论与最小距离法相结合校园招聘分析.docVIP

粗糙集理论与最小距离法相结合校园招聘分析 　　【摘 要】高校校园招聘会以其针对性强、时效性好、易于交流沟通、成功率高等特点而越来越受到广大毕业生的欢迎。在当前毕业生数量攀升而就业职位数增长缓慢的情况下，毕业生就业难越发严重。本文基于粗糙集原理和最小距离法，通过对校园招聘企业人才需求状况的调查分析，设计并实现知识获取，知识约简，分类的方法，对影响校园招聘企业人才需求的多个要素进行分析，获取校园招聘不同性质的企业人才需求的决策规则。为指导大学生如何准备就业和毕业生高效签订企业提供可靠的借鉴依据。 　　【关键词】校园招聘;粗糙集;约简;决策规则;最小距离法 　　0 引言 　　近年来，“大学生就业难”已经成为一个热门话题，大学生如何在就业形式严峻的情况下，高效找到工作越发困难。参加校园招聘是大学生签订工作的主要方式，如何从校园招聘的众多学子中脱颖而出，是每个大学生面临的难题。通过调查分析，文章用粗糙集理论和最小距离法相结合的方法，分析了校园招聘企业人才需求的影响因素，从而更加准确的指出了不同性质的企业在校园招聘中对毕业生的要求，对大学生如何准备就业具有重要的指导意义。 　　波兰数学家Z.Pawlak提出的粗糙集理论是一种处理不精确信息和含糊信息的新型数学方法，近年来成功应用于医疗诊断、图像处理、模式识别、知识获取、数据挖掘和决策支持等领域。经典粗糙集理论是通过论域U上的不可分辨二元关系（即等价关系）导出的等价类作为基本的知识颗粒，用一对上下近似集合来逼近数据库种的不精确概念。粗糙集的核心思想是在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。 　　最小距离分类，是指求出未知类别向量到要识别各类别代表向量中心点的距离，将未知类别向量归属于距离最小一类的一种图像分类方法。 本文将粗糙集理论和最小距离法用于校园招聘企业人才需求规则，高校可借鉴此规则引导学生，避免大学生盲目择业;大学生也可参考此规则合理安排大学生活和做好就业准备。 　　1 基本概念 　　1.1 粗糙集 　　定义1 信息系统（Information System记为：IS）可定义为一个四元组：DIS=lt;U，AT，V，f gt;，其中U是一个非空有限对象的集合，又称为论域：AT是非空有限属性集合，？坌a∈AT，Va表示属性a的值域;V表示全体属性的值域集合，即V=VAT=Ua∈ATVa;f为信息函数，Vx∈U，a∈AT，定义f（x，a）表示x在属性a上的取值，则有f（x，a）∈Va。 　　如果AT=C U D，其中C是非空有限条件属性集合，D是非空有限决策属性集合，则lt;U，C∪D，V，f gt;又被称为决策信息系统（DIS）。当D={d}时，称lt;U，C∪{d}，V，f gt;为单决策信息系统。 　　定义2 设IS=lt;U，AT，V，f gt;，？坌A？哿AT，定义A上的不可分辨关系IND（A）={（x，y）∈U2|？坌a∈A，f（x，a）=f（y，a）}。不可分辨关系满足自反性、对称性、和传递性，是U上的一个等价关系。由此等价关系可以导出U上的一个划分，记为U/IND（A），Vx∈U，x的等价类记为[x]A，且[x]A={y∈U|（x，y）∈IND（A）}。 　　定义3 设IS=lt;U，AT，V，f gt;，？坌X？哿U，A？哿AT定义X关于属性A的下、上近似分别记为： 　　A（X）={x∈U|[x]A？哿X} 　　■（X）={x∈U|[x]A∩X≠？准} 　　序偶lt;A（X），■（X）gt;称为X关于属性A的粗糙集。通过下近似和上近似，可以得到X的正域、边界域负域分别为： 　　POSA（X）=■（X） 　　BNDA（X）=■（X）-A（X） 　　NEGA（X）=U-■（X） 　　1.2 约简 　　定义4 设DIS=lt;U，C∪{d}，V，f gt;，Vd={1，2，…i，…，r}，A？哿C。由决策属性d导出的划分U/d={D1，D2，…，Dr}，其中Di={x∈U|f（x，d）=i}。定义 　　LOW（A）={A（D1），A（D2），…，A（Dr）} 　　UPP（A）={■（D1），■（D2），…，■（DR）} 　　（1）若LOW（A）=LOW（C），则称A是C的一个下近似分布一致协调集;若A是C的一个下近 似分布一致协调集，且？坌B？奂A，B，都不是C的下近似分布一致协调集，则称A是C的下近似分布约简。 　　（2）若UPP（A）=UPP（C），则称A是C的一个上近似分布一致协调集;若A是C的一个下近似分布一致协调集，且？坌B？奂A，B，都不是C的上近似分布一致协调集，则称A是C的上近似分布约简。 　　（3）若LOW（A）=LOW（C），且UPP（A）=UPP（C），则称A是C的分布