基于軟計(jì)算技術(shù)的信息處理方法及其應(yīng)用研究.pdf

1、該文對軟計(jì)算技術(shù)中的粗糙集理論的不確定知識表示方法進(jìn)行了研究,討論了基于粗糙熵的知識表示方法和基于概念層的動(dòng)態(tài)知識表示,給出了知識的對象模糊語義網(wǎng)絡(luò)表示,用以解決不確定性的知識表示。對在數(shù)據(jù)挖掘中應(yīng)用小波神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了研究。提出了基于禁忌搜索算法的小波神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)算法,利用禁忌搜索算法的鄰域特性,對小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行了優(yōu)化。對基于小波神經(jīng)網(wǎng)絡(luò)的模型預(yù)測進(jìn)行了研究,用Harr基小波神經(jīng)網(wǎng)絡(luò)對回歸函數(shù)進(jìn)行逼近,實(shí)現(xiàn)了模型預(yù)測。同時(shí)

2、對神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用進(jìn)行了探討,對其在數(shù)據(jù)挖掘中的可視化和分類應(yīng)用中進(jìn)行了實(shí)現(xiàn)。該文提出基于用戶需求的模型的建立方法,這一模型的前提是要求用戶以示例文本的方式提出自己的需求,通過分析示例文本的詞匯表達(dá)方式,抽取能夠表現(xiàn)用戶興趣的特征項(xiàng),尤其是能夠區(qū)分相關(guān)文本和不相關(guān)文本的特征項(xiàng),構(gòu)成用戶需求模型的基本特征集,此特征集作為文本挖掘進(jìn)一步處理的基礎(chǔ),提高了網(wǎng)絡(luò)信息挖掘服務(wù)的質(zhì)量。在創(chuàng)建文本挖掘模型時(shí),該文提出了一般特征項(xiàng)的篩選方法和