KDD中双库协同机制的研究（Ⅱ）

在"KDD中双库协同机制的研究(Ⅰ)"的理论基础上,实现了对知识库的简约并实现了双库协同机制的两个协调器,从而建立了由KDD融入双库协同机制的新结构模型--KDD*,这是一个在结构和功能上相对于KDD而言的开放的、优化的扩体。基于双库协同机制与KDD*,提出了挖掘关联规则和聚类规则的新算法,充分体现了内在机理研究对主流发展的影响,开辟了一条全新的研究方向与路径。     

基于知识发现的图书馆个性化服务应用研究

本文分析了知识发现在图书情报领域的应用，提出了一种模型，结合多Agent和双库协同的KDD技术，用于实现个性化服务。     

基于数据库和知识库的知识发现研究综述

介绍了知识发现技术的总体研究情况,包括KDD的定义、若干基本概念、主要过程和步骤、KDD的分类和主要技术手段、发展趋势以及KDD的主要应用领域.同时也指出了数据挖掘研究的挑战性以及目前的局限性,结合一些新的研究成果,探讨了基于知识库的知识发现(KDK)和数据库-知识库协同知识发现(KDD&K)的理论框架.     

多智能体技术在基于双库协同机制的知识发现KDD*模型设计中的应用

KDD^*模型是基于双库协同机制的知识发现新模型，是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD^*的智能性，设计了一个基于Multi-agent技术的智能数据挖掘系统，利用多智能体技术，实现了数据预处理，数据挖掘，知识的自动获取，基础数据库与知识库的同步进化与协调，知识的评价与表示等功能。     

基于认知心理特征的协调器及相应KDD过程模型

为提高KDD自认知能力,首次提出了基于认知心理特征的启发协调器和维护协调器.讨论了其设计及相应的实现算法.为实现知识库的自聚焦和实时维护,引入了双库协同机制用于方向搜索和方向挖掘.建立了相应的过程模型KDD*,实验结果显示此过程模型改善了KDD的性能.     

关于知识发现系统的扩展性研究

在总结和分析目前基于数据库的知识发现的理论、技术和方法现状的基础上,对知识发现的发展趋势进行了探索,介绍了在作者先前提出的基于双库协同机制的知识发现理论的基础上,就整个知识发现过程的机理、ＫＤＤ扩展性结构和运行机制所进行的深入研究。     

数据挖掘技术与数据库知识发现

本文主要介绍数据挖掘技术（DataMining）与数据库知识发现（Knowledge Discovery in Database，KDD）的概念、数据挖掘算法、数据挖掘技术流程、数据挖掘技术的应用现状。并阐述了数据挖掘与数据库知识发现的区别、联系与面临问题。     

一种新型的基于多智能体的KDD系统结构

介绍了数据库中的知识发现（knowledge discovery in database,KDD)及数据挖掘（data mining,DM）研究领域的发展现状，分析了现有DM算法的局限性和KDD过程的复杂性，针对这些，进一步分析了多智能体系统（multi-agent system)可能给KDD系统带来的改善，最后设计了一种分层的，以控制Agent为核心的基于多智能体技术的KDD系统结构。     

KDD在高校教育中的应用

以KDD（KnowledgeDiscoveryinDatabase,数据库中的知识发现）理论为基础,深入剖析当前高校教育技术信息化、网络化的状况,介绍了KDD技术发展状况以及数据挖掘在高校教育中的具体应用,归纳总结了KDD技术在现代教学过程中的应用空间及功能,并提出一些思考。     

基于特征模型和Web服务的工程知识库共享

为了实现协同产品开发中的知识共享,在开放式标准的基础上,提出了一种基于特征模型和网络(Web)服务的工程知识库共享机制.以各类工程数据库、专家知识等作为底层资源而建立工程知识库,并将知识库中的知识对外包装成标准的Web服务;同时,提出了基于异构计算机辅助(CAX)系统特征的产品模型数据转换方法,并将其转换为可扩展标记语言(XML)表述而作为平台无关的信息集成方式;将产品模型的XML表述作为输入,利用Web服务的发布、发现与共享机制来选用合适的Web服务而获取相关的领域知识,以对产品模型进行评估与优化.结果表明,所得数据可以在产品模型和Web服务之间进行交互与转换,可实现高效的知识共享.     

基于关系数据库的知识库的设计

文章利用数据库和知识库各自的特点，将数据库技术和专家系统相结合，把知识存贮在关系数据库中。文章从知识的表示出发，给出一种简单的基于关系数据库的知识库的设计。并且说明了怎么样利用SQL语言对知识库进行正向推理，文章最后给出了一个利用这种知识库进行推理的例子，并实现了编程。     

知识发现系统内在机理

介绍了杨炳儒教授独立提出的知识发现系统内在机理中的3个机制--双库协同机制、双基融合机制、信息扩张机制,及在其上构建的KDD*,KDK*,KD(D&K),EsKD结构模型.并介绍了在知识表示方法、发现算法与自动评价方法等方面的创新性成果.     

基于本体的复杂产品协同设计知识库建设及验证

采用本体化知识库开发方法与技术,构建了高速旋转机械转子轴承系统协同设计知识库,并对其功能进行了验证.利用Protégé本体开发平台,对高速旋转机械转子轴承系统多学科设计知识进行了本体论建模,并开发了采用OWL语言描述的设计知识本体库.采用Jena技术框架,通过本体库与知识库的映射,完成了该类复杂产品协同设计知识库的建设.以两跨转子轴承试验台的设计作为工程应用案例,通过实现设计知识共享、重用和异构系统的互操作,对知识库原型系统的摩擦学设计模块、仿真及试验数据协同分析模块的功能进行了验证,验证结果表明,基于本体理论构建的知识库可有效服务于复杂产品的协同设计.     

主动时态数据库在数据挖掘中的技术和应用

针对目前数据越来越多 ,而提取有用数据越来越困难的现状 ,参照流行的观点 ,提出了解决该问题的数据挖掘 (DM)和知识发现 (KDD)的一种方法 .在DM和KDD中应用主动时态数据库技术 ,提出构造一个原型系统的模型     

基于知识发现技术的神经网络专家系统

为了克服传统专家系统的３大缺陷，在讨论专家系统新技术的基础上，探讨如何在专家系统中融入知识发现的技术，提出一个新的系统框架，在其中使用的一些知识发现算法包括历史数据库中的数据挖掘及知识库中的知识发现，对此新的专家系统框架给予了实验。结果是：系统运行后，既可以发现新知识，又可以改进原有规则。这样大大提高了系统知识获取的能力，而且也求精了知识库。     

用关联规则对青海省检验质量控制数据库进行知识挖掘

数据挖掘(DataMining)就是从大型数据库或数据仓库中发现人们感兴趣的知识,这些知识是隐含的,事先未知的潜在有价值的知识及信息.大型数据库中关联规则的发现是近期数据库中知识发现(KDD)的一个很重要的问题,由于决策人员或用户往往需要的是一种高层次概念上的关联关系,因而本文就在数据库中关联规则的数据挖掘进行了初步的尝试,并提出其基本的泛化处理过程,和基本数据挖掘思想和处理过程.主要介绍了数据挖掘的基本概念1、对数据类型的泛化处理.2、提取高层次关联规则的方法.及知识发现的基本要素等理论知识.     

企业知识库建设模式探索

通过对企业知识库建设的文献调研发现,目前,对企业知识库建设存在两种模式,一是以技术为主导的企业知识库建设模式;二是以知识为中心的企业知识库建设模式。这两种模式都体现出不同时代发展的特征,面对新的知识经济时代,这两种模式都暴露出各自在实际建设中的不足,无法解决知识库知识共享的难题,阻碍协同合作的实现。从研究现状及存在的不足发现,企业知识库的建设应转移到对用户(企业员工)的重视上,从用户的角度着手,寻求知识库知识共享与协同合作的解决方案。     

基于KDD和GIS的遥感图像专题分类方法探讨

利用数据库领域的最新成果KDD的思想和方法，初步探讨了从GIS空间数据库中发掘有用的知识用于遥感图像专题分类的方法及其系统结构．     

面向埋弧焊专家系统的设计与实现

本文将数据库技术融入到专家系统开发,提出了基于数据库的框架知识表示方法和基于数据库结构的埋弧焊知识库建立方法,开发了面向埋弧焊特定需求的专家系统,对该埋弧焊专家系统知识的获取、知识库管理、咨询与推理原理与实现进行了详细的介绍。测试表明,由于该专家系统引入了数据库技术,实现了知识与推理机制的相统一,较好地解决了知识库的关键问题-维护与管理,便于系统的完善与升级,系统具有操作方便、功能实用、界面友好等特点。     

面向埋弧焊的专家系统

将数据库技术融入到专家系统的开发中,提出了基于数据库的框架知识表示方法和基于数据库结构的埋弧焊知识库建立方法,开发了面向埋弧焊特定需求的专家系统,详细介绍了该埋弧焊专家系统的知识获取、知识库管理、咨询与推理原理及实现.系统运行表明,由于该专家系统引入了数据库技术,实现了知识与推理机制的统一,较好地解决了知识库的关键问题--维护与管理,便于系统的完善与升级,系统具有操作方便、功能实用、界面友好等特点.