论文部分内容阅读
随着计算机技术的日益发展,传统的纸质数据和项目管理模式正逐渐地退出历史舞台,信息系统应用技术已慢慢地占据主导地位。在当今大数据背景下,海量数据涌现的同时还伴随着多样化的数据处理问题。由经验可知,在海量信息中只有小部分数据是有价值的。迫于对能够自动且高效地获取有用信息的技术的需求,数据挖掘技术变得越来越重要。贝叶斯判别法是一个经典的数据挖掘算法,已经被广泛地应用于多个判别领域,一直受到研究者们的高度重视,其判别能力及效率也获得了认可。在贝叶斯判别法的不足之处基础上,希望通过将其与其他技术相融合来拓宽它的应用范围。为此,为了克服实际判别归类问题中的不确定性和模糊性,本课题选择将能够处理模糊性现象的模糊数学与贝叶斯判别法相结合。本文基于判别归类系统面向多类用户的需求,针对实际判别归类问题的特性,将模糊数学与贝叶斯判别法相结合,使用专家评判法来确定判别归类问题中各个已知总体的发生概率。本课题主要完成以下几个方面的工作和研究内容。(1)研究距离判别法及贝叶斯判别法的理论知识并收集与其相关的研究应用。通过对这两个算法的比较分析,获取各自的优势与不足,寻找与模糊数学相结合的突破点。(2)研究模糊数学的理论知识。深入了解实际应用中的判别归类案例,规划模糊贝叶斯判别归类过程,建立相应模型。(3)分析判别归类的需求特征,结合已建立的算法模型,定义系统中的数据输入和产出。(4)依据改进的算法模型及实际判别归类需求,完成对判别归类系统的整体设计,并编写代码实现。系统完成后,再进行算法验证、可行性测试及多种算法判别能力的对比分析工作。本文不仅详细阐述了上述研究内容,还介绍了模糊贝叶斯判别法在实际中的应用,并将实现后的系统进行了演示。