摘要：将粗糙集的概念引入到GMDH(Group Method of Data Handling)数据挖掘中，将前馈网络中各层各模型的系数估计，转化为不定性规划和线性规划，构建了建模研究的粗糙GMDH方法，从而在一定程度上增强了复杂系统模型的分析和预测能力．借助于决策者的主观经验对信息的补充、完善及整合，甚而对样本容量的要求可降低到仅为1的水平，拓宽了不定性复杂系统的小样本建模能力．同时，考虑到复杂系统本身对人机交互的自然要求和决策者主观经验和偏好的挖掘问题，在粗糙GMDH中引入了实验方法，设计出探索复杂系统研究的RGMDH(Rought Group Mehtod of Data Handling)人机交互挖掘系统，由系统的运行为决策者在模型精度、信息冗余、信息缺失风险三重抉择中提供更完整的信息，从而解决决策者信息偏好非结构化而导致的三重抉择难以做出的问题．最后，本文对动态环境中高技术公司核心能力与经济绩效关系进行了探讨，作为粗糙GMDH模型的算法例释．

关键词：不定性 复杂系统 信息偏好 人机交互 gmdh模型 

单位：四川大学工商管理学院.四川成都610064