基于數據挖掘的復雜仿真數據分析方法研究.pdf

1、仿真數據分析是有目的地收集仿真數據、分析仿真數據，使之成為信息或知識的過程，是為更好的理解和改進系統而進行的，是仿真領域研究的重點問題。由于現有的仿真數據分析方法中，缺乏能夠有效處理大規(guī)模、高維數、相互關系復雜的復雜仿真數據的方法，因此本文將數據挖掘技術應用于仿真數據分析中，采用了一種基于支持向量機理論的預測建模分析方法，為大范圍方案尋優(yōu)及數據趨勢預測等問題提供了解決方案。本文具體研究工作包括以下內容：
　　分析了目前仿真數據分析

2、工作中存在的難點。跟蹤了仿真數據分析方法的國內外研究現狀，并概述了數據挖掘的任務、發(fā)展歷程與研究進展，繼而給出了本文的主要研究內容。
　　在對比了仿真實驗與傳統實驗的差別的基礎上，分析了仿真系統實驗對仿真數據分析的需求。從仿真數據特征入手，分析了仿真數據具有數據量大、維度高、樣本少及不確定性強的特征。這些特征使傳統的基于統計的數據分析方法難以有效進行數據分析。針對上述問題，采用了兩種數據預處理方法用以解決不同的數據分析需求：屬性約

3、減方法——解決了高維數據難以分析的問題和異常數據檢測方法——解決了異常值影響回歸模型可信度的問題。
　　在研究了傳統數據分析方法可能存在的問題的基礎上，對基于數據挖掘的仿真數據分析方法的關鍵技術進行了深入的研究。以支持向量機理論為核心方法對仿真數據進行預測建模分析，分別將分類、回歸模型應用于實際仿真系統中，在很大程度上解決了大范圍內方案尋優(yōu)及數據趨勢預測兩大任務難以實現的問題。
　　實現了預測模型參數的優(yōu)化算法?；诮徊骝炞C