基于数据挖掘和证据理论的综合评价的研究

• 作者: 谢武 韩元杰
• 来源期刊: 现代电子技术
• 关键词: 综合评价 数据挖掘 证据理论 信息融合
• 年，卷（期）: 2005,（17）
• 所属期刊栏目: 测试 测量 自动化
• 页码范围: 56-58,61
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1004-373X.2005.17.022

摘要

在综合评价中存在2个问题:(1)对于大规模的评价对象,由于分类、优化、搜索等操作,使其时间和空间复杂度爆炸性增长,导致大量内存被占用,从而他们既要存储在数据库或数据仓库中,又要及时以成果形式放在桌面上,导致现有方法难以给出合理、科学的评价结果;(2)同类中的数据比较接近,可区分度小,评价对象难以精确划分.从结果的角度,综合评价可分为分类评价、排序评价、分类排序评价.针对上述问题,基于数据挖掘理论,选择适当的挖掘算法,并同时根据DS理论实现的信息融合技术,提出了一种新的分类排序评价方法,其前一部分利用数据挖掘做分类评价,后一部分利用证据推理做排序评价.实例的运算结果表明,面对数据库评价对象,数据挖掘技术将其分成了不同层次的类;经信息融合后,得到了精确的排序评价结果;评价目标的可区分度明显增大,不确定度大大降低;可信度增强,评价结果得到了改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩元杰	桂林电子工业学院计算机系	33	231	9.0	14.0
2	谢武	桂林电子工业学院计算机系	11	21	3.0	4.0