基于GEP挖掘的戰(zhàn)爭函數(shù)模型及應(yīng)用.pdf

1、戰(zhàn)爭勝負的各影響因素歷來是政治家、軍事家、歷史學(xué)家關(guān)注熱點。目前對影響戰(zhàn)爭因素的研究，大多停留在傳統(tǒng)工具。數(shù)據(jù)挖掘是可以從大量的數(shù)據(jù)信息中提取出隱含的知識、規(guī)律和行為模式的處理過程，它對人們的決策和行為具有重要的指導(dǎo)作用。利用這個工具，軍事史料挖掘就可以從大量軍事歷史資料中發(fā)現(xiàn)軍事戰(zhàn)爭一般規(guī)律，從而對把握未來戰(zhàn)爭發(fā)展規(guī)律。這對軍事研究有重大和積極的意義。 軍事史料的表現(xiàn)形式主要是文本方式，但傳統(tǒng)文本處理技術(shù)不適合對軍事史料的分析

2、。在軍事史料中數(shù)據(jù)往往是模糊的、不清楚的或者是表達不準確的，戰(zhàn)爭的參數(shù)也是含糊不清的，無法使用一般的傳統(tǒng)的數(shù)據(jù)挖掘方法進行挖掘。在對這種類型數(shù)據(jù)進行分析時需要對數(shù)據(jù)進行預(yù)處理，使數(shù)據(jù)規(guī)范化，從而對戰(zhàn)爭史料進行挖掘得出相關(guān)知識。本文做了下列工作： (1)分析了軍事戰(zhàn)爭史料的特點，將數(shù)據(jù)挖掘技術(shù)引入到史料的分析整理中； (2)提出了利用模糊數(shù)學(xué)預(yù)處理史料中的相關(guān)數(shù)據(jù)的方法：對戰(zhàn)爭描述語言先進行規(guī)范化,然后再進行數(shù)據(jù)轉(zhuǎn)換；

3、 (3)結(jié)合專家知識及信息熵選擇屬性維，對屬性采用信息熵的方法進行維歸約，去掉不相關(guān)或弱相關(guān)的屬性； (4)利用新技術(shù)基因表達式編程在處理后的戰(zhàn)爭數(shù)據(jù)集上進行挖掘以分析戰(zhàn)爭影響因素。 最后實驗驗證了本文提出算法的有效性，本文對實驗結(jié)果也進行詳盡的分析。 本文余下章節(jié)組織如下：第一章是數(shù)據(jù)挖掘綜述，簡介函數(shù)挖掘的概念和一般方法。第二章簡介GEP的基本概念；第三章簡介了模糊數(shù)學(xué)基本概念；第四章描述了對軍史模糊數(shù)據(jù)