復(fù)雜系統(tǒng)預(yù)測中知識約簡算法及其表示的研究.pdf

1、該論文針對復(fù)雜不確定性系統(tǒng)的特性,介紹了將知識發(fā)現(xiàn)理論方法與傳統(tǒng)的預(yù)測理論方法有機地結(jié)合起來進行預(yù)測研究的新方法.針對復(fù)雜不確定性系統(tǒng)預(yù)測中的重要問題:不完整、不精確知識的發(fā)現(xiàn)和挖掘,利用粗糙集理論,提出了知識屬性約簡和值約簡的簡化算法,降低了屬性約簡和值約簡算法的運算量和難度,為同類算法研究提供了一個很好的研究方向.對于分類知識的表示,提山了一個能降低概念格構(gòu)造復(fù)雜度的簡化算法,具有一定的理論研究價值.主要研究工作包括:(1)對復(fù)雜不

2、確定性系統(tǒng)的特性及其傳統(tǒng)預(yù)測理論方法進行了研究,介紹了將知識發(fā)現(xiàn)理論方法與傳統(tǒng)的預(yù)測理論方法結(jié)合起來進行預(yù)測研究的一些理論,并介紹了目前的一些研究情況.(2)針對傳統(tǒng)統(tǒng)計學(xué)、概率論等預(yù)測方法不適用于海量數(shù)據(jù)預(yù)測的特點,研究了基于粗糙集理論的分類知識的挖掘算法.該論文利用粗糙集理論主要研究不完整、不精確知識且不需要先驗知識等附加信息的特性,研究了粗糙集的基礎(chǔ)知識、分類知識的挖掘算法以及有關(guān)的屬性約簡、值約簡算法,并提出了簡化算法,降低了算