2012年基于粗糙集与信息增益的渔业产量预测算法研究

该篇论文《基于粗糙集及信息增益的数据挖掘预测算法》发表于2012年第7卷第7期，由徐立萍和姜志旺两位作者共同完成，他们分别来自上海理工大学管理学院、上海出版印刷高等专科学校和河北金融学院。研究的核心内容是将信息增益这一统计学方法与粗糙集理论相结合，创新性地提出了一种数据挖掘预测算法。 信息增益是一种用于特征选择的重要工具，它衡量了在决策树构建过程中，一个特征对分类结果的不确定性减少程度。粗糙集理论则是一种处理不确定性和不完备信息的数学工具，尤其适用于处理实际问题中的模糊和不精确数据。论文中，作者利用这些理论，针对1990年1月至2001年7月期间金枪鱼围网捕捞产量的数据，以及18个可能影响捕捞量的因素进行了深入分析。他们首先通过粗糙集属性简化算法确定关键影响因子集，这个过程旨在筛选出对捕捞产量影响最显著的变量。 接着，他们运用选定的关键因子集构建了一个预测模型，目的是测试这些因素组合的有效性。实验结果显示，关键因子集确实包含了影响金枪鱼围网产量的主要信息，这表明他们的数据挖掘算法能够有效地识别和量化这些关键变量的作用。预测模型的性能良好，验证了所提出的预测算法在实际情境中的有效性。 论文的关键词包括数据挖掘、信息增益、粗糙集、预测和关键因子集，这些都是本文研究的核心概念和技术手段。总体来说，这篇论文不仅提供了一种实用的数据分析方法，还为渔业管理和决策支持系统等领域提供了有价值的研究成果，有助于提升对复杂环境条件下渔业资源预测的准确性。通过结合两种理论，作者展示了如何通过定量分析解决实际问题，为相关领域的研究人员和决策者提供了新的思路和工具。