基于二元向量矩阵算法的粗糙集方法

根据向量矩阵与向量之间的映射关系,研究了基于二元向量矩阵算法的粗糙近似、属性约简以及最优属性约简集的获取。提出基于二元向量矩阵的属性相对约简、最优属性集获取算法,解决原有矩阵算法属性核不一致性和属性约简集选择的盲目性。并提出了二元向量压缩矩阵算法,降低了原有矩阵算法的复杂度。通过实例分析,证明所提出的相关算法的有效性,为研究粗糙集数据挖掘提供了一种可行有效的计算方法。     

数据挖掘技术的深入研究

讨论了数据挖掘技术的研究进展，并对四种方法进行了深入的研究：关联规则、离群数据、基于案例的推理、支持向量机，最后提出一个基于数据挖掘技术的智能决策系统的框架 和模型。     

电网调度操作票专家系统中的知识表示方法

针对以往操作票专家系统中电网一次接线图与其拓扑结构知识库相互独立,分别由两个功能模块单独管理带来的不便,重点论述了基于图形界面的地区电网调度操作票专家系统中的知识表示及获取方法;提出了一种基于图论中“关联集”的框架结构表示电网拓扑结构知识的方法及其自动获取,这种方法原理简单、构思新颖、完全可以表示复杂的电网结构。介绍了“扩充的‘规则架＋规则体’模式”对操作规程中领域知识的描述形式及其推理机制。     

运动识别中基于主题的特征构建方法

针对传统基于特征提取的运动识别方法很大程度上依赖研究者的领域知识和训练样本的规模问题,提出一种基于主题的特征构建方法,使用基于符号化聚合近似(SAX)的主题模型对运动模式进行建模.使用降维的方法对加速度原始信号进行预处理,结合时序数据符号化聚合近似化的方法,将SAX化后的时序数据集作为主题分析的文档集.通过主题模型进行模式挖掘,实现文档数据的降维效果,构造隐主题相关的向量,并通过建立空间向量模型(VSM)进行运动识别.实验结果表明:基于符号化聚合近似的主题分析方法可以很好地应用于运动识别,并且与传统基于特征提取的方法和基于模体发现的方法相比,活动识别率明显提升.     

基于可拓集的企业数据挖掘应用方案初探

数据本身的质量差造成数据挖掘结论的可信度低已经成为影响数据挖掘应用的重要因素,针对不完备数据设计的清洗算法、容忍算法等都不能从根本上解决这个问题．通过深入分析这一矛盾现象的原因,对企业数据建立物元可拓集合,提出基于可拓方法的数据挖掘企业应用方案．以数据挖掘所需的完备数据集做为条件物元,发现数据质量差距,以事元“数据挖掘咨询”促使物元集可拓域的发展变换,推出以数据挖掘应用咨询带动数据质量改进的措施,从而解决了数据质量的矛盾问题,使数据质量不高的企业也可以实施数据挖掘项目,提高信息决策水平．     

基于ν-SVM的不平衡数据挖掘研究

针对基于精度的现有分类算法对不平衡数据挖掘表现出“有偏性”,即正例样本的分类和预测性能差于反例样本的分类和预测性能,基于-νSVM及其启发,提出支持向量数和边界支持向量数的界,进而提出支持向量率和边界支持向量率的界,并把这些界分别扩展到正例和反例.在此基础上,证明了正例的支持向量率和边界支持向量率分别依概率大于反例的支持向量率和边界支持向量率,以及正例的分类性能依概率差于反例的分类性能.针对German credit和Heart disease两个Benchmark数据集的试验研究,验证了本文假设的合理性和上述结论的正确性.     

基于ν-SVM的不平衡数据挖掘研究

针对基于精度的现有分类算法对不平衡数据挖掘表现出“有偏性”，即正例样本的分类和预测性能差于反例样本的分类和预测性能，基于ν-SVM及其启发，提出支持向量数和边界支持向量数的界，进而提出支持向量率和边界支持向量率的界，并把这些界分别扩展到正例和反例.在此基础上，证明了正例的支持向量率和边界支持向量率分别依概率大于反例的支持向量率和边界支持向量率,以及正例的分类性能依概率差于反例的分类性能.针对German credit和Heart disease两个Benchmark数据集的试验研究,验证了本文假设的合理性和上述结论的正确性.     

间数据挖掘模型和方法研究

本文提出一个基于空间数据仓库的空间数据挖掘模型,讨论了空间关联规则发现、空间分类发现、空间聚类发现和空间数据总结等四类空间数据挖掘任务的目标、采用的挖掘方法和空间采样数据的处理方法.最后,从基于空间数据仓库的数据挖掘角度出发,提出有待深入研究和探索的问题.     

锥扰动向量最优化问题有效解的锥次微分

目的研究锥扰动集值映射向量优化问题锥有效解的锥次可微性. 方法依据拓扑, 凸分析和泛函分析的理论, 对于锥扰动向量优化问题中特定的集值映射进行分析和研究. 结果分别给出了锥有效解和锥弱有效解的锥次可微和锥弱次可微的充分条件. 结论进一步完善了集值映射向量优化理论.     

基于草图内容的空间拓扑数据检索方法

空间数据蕴含了大量拓扑关系语义,但传统空间数据查询和检索方法没有很好地利用高层拓扑语义,导致在处理复杂空间场景时效能较低.针对这一局限性,提出了一种基于草图内容的空间数据检索算法.该算法在9-交集拓扑模型基础上引入不变矩方法,建立拓扑不变量用于描述复杂空间场景;采用独立成分分析和模糊支持向量机降低空间场景高维拓扑关系的冗余度,建立了独立拓扑关系;用相应训练好的支持向量机结合tf×idf模型实现空间场景检索.实验表明,该算法在低样本数情况下具有良好的分类推广能力以及良好的检索性能,为基于内容的空间数据检索建立了基础     

粗集及其在知识发现中的应用

粗集理论在知识发现中的应用已成为知识发现研究的热点 .介绍了粗集的基本概念 ,包括粗集的定义、“属性 -值”系统、属性依赖与归约及粗集概念的若干推广 ,最后指出粗集理论在知识发现中的一个可能应用途径     

基于决策树的高层结构智能选型知识发现

给出了依据决策树进行知识发现的问题求解过程、策略与技术关键,提出了利用加权熵来进行决策树结构优化的方法,结合结构选型的特征对决策树基本算法ID3进行了改进;以20个高层结构实例为基础,给出了高层结构智能选型分类规则挖掘的实例及其所发现的部分选型知识;获取了1008个高层结构工程实例。建立了基于实例库与改进决策树方法的知识发现系统,为从工程实例中挖掘结构选型知识提供了方法与手段支持．实践表明,决策树方法能有效地从工程实例中开采隐含的结构选型知识,它将对充分地利用丰富的实例资源,提高结构选型设计质量与效率具有重要意义,也为解决结构智能选型知识获取“瓶颈”问题提供了一个新途径．     

智能数据挖掘理论体系研究

数据挖掘是数据库系统最重要的前沿课题之一，是数据库技术、人工智能、机器学习等多学科相结合的产物．在这些学科的理论基础上，研究人员提出了许多数据挖掘理论和方法，并取得了许多重要的研究成果,在免疫计算理论的基础上，借鉴生命科学中免疫的概念与理论，围绕免疫进化、神经网络、免疫控制图等智能技术，提出智能数据挖掘理论框架体系．     

基于SPI的三维物体变形测试

本文在SPI测量变形物体三维位相的原理上,选用马赫-泽德干涉系统,提出了用一个干涉图法,实现了散斑干涉图三维位相测试的新方法。用CCD分别接收物体变形前后的散斑图,将两幅散斑图相减得到变形物体的散斑干涉条纹图。应用MAT LAB软件编程对散斑干涉图进行二维FFT运算,获得变形物体的三维位相。由三维位相分布可以判读物体的三维变形,进而为后续分析物体的三维应力奠定基础。实验表明,该方法简单、速度快,一个干涉图法可减少震动对测试结果的影响,精度容易达到λ/10。     

知识的表示及应用

对知识的代数表示和粒度表示及其性质进行了探讨,围绕知识约简证明了两种不同表示方法的等价性,提出了基于熵与粒度计算相融合的知识约简方法,并将该方法用于KDD Cup'99数据集的属性约简.     

网格与曲面间的误差分析

对逆向工程中网格与曲面间的误差分析进行研究,提出利用空间KD-tree实现海量网格模型与多张复杂曲面进行匹配的算法,结合基于KD-tree树的离散细分方法和三角网格的邻接拓补关系确定Newton-Rephson迭代算法的初始值,并在曲面参数域上通过三角化处理曲面的误差边界,在空间域上进行误差彩色云图的绘制.     

基于聚类的异常检测方法的研究与实现

入侵检测系统是一种积极主动的安全防护技术,它是信息安全保护体系结构中的一个重要组成部分。以基于数据挖掘的入侵检测技术为研究对象,以提高入侵检测的检测率、降低误报率为目标,以聚类分析为主线,提出聚类检测算法和模型,并进行仿真实验。利用KDDCUP1999数据集对模型进行实验测试,并对改进算法的效果进行了对比和分析。实验证明,新的检测系统具有良好的性能。     

运用语义集索引法实现英文文本分类

克服当前文本分类法中基于词形匹配带来的局限性,基于WordNet语义词典和隐含语义索引(LSI)模型,提出了基于语义集索引的英文文本分类方法. 该方法在分类初期首先利用WordNet构建语义词典库,利用单词的语义集代替单词作为文本特征向量的特征项;然后利用LSI模型进一步深入挖掘语义集概念间的深层联系,将语言知识和概念索引有效地融合到文本向量空间的表示中. 针对Naive Bayes及简单向量距离文本分类法的实验结果显示,2种文本分类法的分类准确率均随着语义分析的深入逐步提高,充分表明了语义挖掘对文本分类的重要性和必要性。     

基于SQL Server 2000的数据仓库和数据挖掘

Microsoft在SQLServer2000中第一次包含了数据挖掘功能.其数据挖掘解决方案基于OLEDB规范,为数据挖掘提出了一种新的类SQL语言,便于开发者更好地建立数据挖掘的应用.利用SQLServer2000去创建数据仓库,对关联规则数据挖掘经典算法Apriori进行改进和测试,在算法效率上得到明显提高.     

基于相容关系和最大完全图的关联规则发现方法

目的　研究高效的关联规则发现方法.方法　分析了在KDD研究中现有的关联规则,发现算法关于频繁项目集的生成方法,并引入相容类的概念.结果与结论　提出了一种新的基于相容关系和最大完全图的关联规则发现方法.