论文部分内容阅读
在数据智能处理中属性重要度差异很大且具有高度非线性的特征，在这种情况下直接应用机器学习进行建模处理往往很难获得问题的有效解。针对此问题，文中探索了基于粒计算的属性重要度的排序方法且结合排序结果应用二元关系实现粒层划分算法；应用极限学习机对不同划分获得的粒层空间进行学习，进而对不同粒层空间的学习结果进行对比分析，从而获得最优划分与粒层；此外，将提出的粒度极限学习机模型应用于空气质量的预报问题，不仅加快了预报速度，而且获得的结果与实际预测高度吻合，实证了粒度极限学习机模型的有效性和可靠性。