把粗糙集与灰色关联分析结合起来，就是首先用粗糙集理论对信息进行预处理，即把粗糙集网络作为前置系统，再根据预处理后的信息结构构成灰色关联分析的输入。为了使基础设施项目融资模式选择更加科学合理，本章作了两个选择：

（1）基于自组织映射（SOM—Self-Organizing Map）神经网络的连续属性值离散化处理

基础设施项目融资模式选择中收集的历史数据都是连续的，而Z.Pawlak提出的以不可分辨关系为核心的粗糙集理论处理的确为离散属性值，因此，在用粗糙集理论对基础设施项目融资模式选择系统进行属性约简处理之前，应对对连续的数据进行离散化处理，目前，已有不少种进行连续属性值离散的方法，如等频率法，等距离法和NaiveScaler等。上述方法中，等频率法算法和等距离法较为简单，方便应用，但常常改变系统中原有的不可分辨关系，NaiveScale算法虽然不需要另外的参数，但随着数据库本身的数据排列变化，得到的断点也很不相同，本书尝试用SOM神经网络对连续属性值进行离散化处理，离散化结果将更能真实反映数据分布情况。

（2）基于熵权法的指标权重确定(www.daowen.com)

本章采用熵权法确定指标的权重，熵权法能够反映指标信息熵值的效用价值，其给出的指标权重有较高的可信度，熵权法确定指标权重的方法可以才考相关文献[98]。在进行了以上两个选择后，基于RS与GCA来选择基础设施项目融资模式的思路如下：首先，根据基础设施项目融资模式选择的实际情况，建立基础设施项目融资模式评价指标；然后，经自组织映射对样本数据进行离散处理后，利用RS进行指标约简；最后，化简后的指标数据作为灰色关联分析的输入，进行GCA的计算，计算关联度并得出最佳融资模式。具体的基于RS与GCA的基础设施项目融资模式选择的框架，如图5-1所示。

图5-1　基于RS与GCA的基础设施项目融资模式选择的框架