不完备信息系统中基于集对相似度的粗集模型

讨论了已有粗集扩充模型处理不完备信息的局限,分析了空值相等与确定值相等在概率上的明显差异.依据集对分析理论,提出了集对相似度和相似度容差关系,进而给出一种基于集对相似度的粗集拓展模型.该模型的方法是:通过引入差异度系数体现空值相等与确定值相等之间的差别,利用相似度容差关系及差异度系数确定数据对象的邻域,再利用该邻域得到上下近似集,同时在求上近似时忽略空值的差异性,在求下近似时强调空值的差异性.实验表明,该模型在相同阈值参数的情况下,结果更加合理,精度更高.     

XML弱函数依赖及其推理规则

XML函数依赖问题是进行XML数据库后续研究的基础。首先基于M.Arenas等人给定的XML中DTD和XML树的定义，提出空值、不完全树元组、数据值偏序、最小扩展树等概念，在此基础上，给出弱函数依赖及其满足性的定义；其次研究了XML弱函数依赖的逻辑蕴含问题，提出一组适合XML空值模型的函数依赖推理规则集；最后给出推理规则集的正确性和完备性证明。     

知识库中的空值探讨

分析了空值环境下的三种类型的查询策略，以及Datalog查询求值的Semi-Naive算法，给出了一个从子目标关系空值特性导出头关系空值特性的一种方法，使改进后的Semi-Navie算法能在带空值的EDB数据库中对Datalog查询进行正确求值。     

多源模糊信息系统空值估算方法研究

对传统多源模糊信息系统存在空值估算准确性差、数据不完备等问题,提出一种基于粗糙集理论的空值估算方法.对多源模糊系统中数据缺失、遗漏等情况进行分析,通过模糊覆盖法获得不完备信息的信任函数;利用粗糙集理论中不可分辨的等价关系、相容关系通过四元组属性计算,得到近似的拟合函数;通过属性约简处理获得关系表中与空值相关的属性值,解决系统中的空值估算问题.实验证明,经过多个数据集和数据表相比表明,所提方法得到的估算结果具有更高的准确率和有效性.     

含有空值关系数据库的查询处理

本文在深刻理解空值语义的基础上，给出一种处理占位型空值的方法，空值环境下关系数据库的查询策略，定义了含三种查询操作的关系代数最小完备集中的关系代数运算，并对查询计算的有效性和完备性进行了分析。     

SQL语言中的空值问题

结构化查询语言(SQL)是关系数据库中重要的查询语言，同时由于关系数据库中空值存在的必要性，因此在对不完全信息数据库进行SQL操作时，如何正确地处理空值是一个很重要的研究方向。文中简述了SQL语言标准中对空值的描述，从理论角度分析了引入空值后SQL语言的语义变化，同时从应用角度阐述了引入空值后所引发的一系列问题，最后介绍了下一代数据库语言标准SQL3对NULL处理方法的扩充。由于现实数据库信息的不完全性，文中对于如何正确地认识SOL语言中的空值问题具有很大的借鉴意义。     

一种有效的估计关系数据库中空值的方法

由于客观世界的复杂性,信息缺失、不确定信息是普遍存在的。数据库作为表达现实世界的一种工具,使用空值来表达信息缺失的问题。针对关系数据库中的空值问题,提出一种基于模糊聚类和线性回归的空值估计方法。该方法首先对数据表中的数据进行挖掘,找出与被估计属性相关联的属性集。该过程仅利用数据本身提供的信息,避免了由专家决定条件属性时由于主观性造成的误差。其次根据所得属性集进行模糊聚类得到对原始数据的一个划分,再基于所得分簇和线性回归给出一个估计关系表中空值的方法。最后利用平均绝对错误率来衡量算法估值的准确率。实验结果表明该方法估值的结果与其他方法相比具有较高的准确率。     

数据库中数值型空值的云模型估计方法

数据库中空值的估计是数据处理的一项重要内容，数值型数据的云模型空值估计方法是将数据库中之数据先作云的数字化处理，然后利用云模型产生空值替代值，这种估计空值的新方法尊重原始数据的分布特征，具有人类自然行为的特征，比其它的方法具有更高的平均估计准确率。     

含空值关系数据库中关系代数的实现

本文从空值的完全语义出发，依据空值环境下信息等价和信息相容的含义，全面定义了空值环境下运算结果完备的关系代数运算，并对空值环境下关系代数运算的有效性和完备性进行了讨论。     

基于拓展粗集理论的近似集更新方法研究

传统粗集理论处理的信息表中的数据是完备的,但在现实世界中由于各种原因,面临的信息系统是不完备的,造成了数据库中普遍存在数据残缺现象.本文讨论了在属性值可能为空值的不完备信息系统中上、下近似集的递推公式,可用于概念的递增获取.在第1节中首先介绍了基于这种不完备信息系统下的拓展粗糙集模型[3],第2节证明4个定理用于在不完备信息系统中更新上下近似集,第3节利用推导公式进行实例分析,第4节总结全文.     

Architecture for knowledge discovery and knowledge management

In this paper, we propose I-MIN model for knowledge discovery and knowledge management in evolving databases. The model splits the KDD process into three phases. The schema designed during the first phase, abstracts the generic mining requirements of the KDD process and provides a mapping between the generic KDD process and (user) specific KDD subprocesses. The generic process is executed periodically during the second phase and windows of condensed knowledge called knowledge concentrates are created. During the third phase, which corresponds to actual mining by the end users, specific KDD subprocesses are invoked to mine knowledge concentrates. The model provides a set of mining operators for the development of mining applications to discover and renew, preserve and reuse, and share knowledge for effective knowledge management. These operators can be invoked by either using a declarative query language or by writing applications.The architectural proposal emulates a DBMS like environment for the managers, administrators and end users in the organization. Knowledge management functions, like sharing and reuse of the discovered knowledge among the users and periodic updating of the discovered knowledge are supported. Complete documentation and control of all the KDD endeavors in an organization are facilitated by the I-MIN model. This helps in structuring and streamlining the KDD operations in an organization.     

数据分类中的粒度计算

粒度计算理论为知识发现的研究提供了新的理论工具，通过引入全粒度空间的概念，对信息系统的论域空间进行等价划分，给出了论域子空间可精确粒度表示的充分条件，建立了目标概念的外延和内涵的粒度计算关系，揭示了目标概念学习中的粒度计算过程，提出了一种新的数据分类模型。     

面向KDD的粒度计算建模研究

给出了全粒度空间的拓扑结构模型，进一步介绍了面向粒度计算的产生式决策逻辑语言GDL-language，然后定义了面向粒度描述的正基语言，阐明该语言公式的语义解释，给出了一种“全粒度空间＋正基语言”的粒度计算模型，并找到了正基语言系统、粒度空间和基本概念空间的关系定理。最后，把KDD任务归结为基于该模型的粒度计算问题，这样就可以把各种KDD任务统一到一个理论框架下，也便于比较和研究。这些工作无疑对令后知识发现的研究起着重要的作用．     

关系数据库中的知识发现研究

介绍了从关系数据库中可以发现的知识 ,提出一个知识发现系统的抽象模型 ,讨论了可以发现的知识种类 ,并指出了实现KDD系统时将要出现的一些问题。     

A documentation infrastructure for the management of data mining projects

Effective project management is a key factor for successful Knowledge Discovery in Databases (KDD) projects. The systematic documentation of previous knowledge, experiments, data and results is a helpful means of keeping track of the project current status. Despite its value, documentation is most often perceived as an overhead. We propose a documentation infrastructure composed of a documentation model and a supporting environment that allows the capture, storage and retrieval of KDD process-related information and artifacts. The paper describes this infrastructure, and reports preliminary experiences on its use. Preliminary results reveal generalized satisfaction with regard to infrastructure expressiveness and functionality, and highlight the contributions of the documentation produced for improving project management, project execution and team communication. The role of documentation in learning and reuse was also identified.     

数据挖掘与知识发现综述

数据挖掘与知识发现是目前一种新的重要的研究领域。介绍了数据挖掘与知识发现的概念、功能、常用方法、数据挖掘过程及其广泛应用 ,阐述了数据挖掘技术的未来发展方向。     

基于Multi-agent技术的知识发现新模型KDD的设计

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,文章设计了一个基于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,为智能信息系统的发展提供了重要支持。     

面向复杂系统的知识发现过程模型KD(D&K)及其应用

为适应复杂系统的知识发现的需要, 在双库协同机制及其诱导的KDD* 过程模型，双基融合机制及其诱导的KDK*过程模型的基础上，借鉴协同原理，提出了将KDD* 与KDK* 有机地融合在一起的、双库协同机制与双基融合机制协同工作的知识发现过程模型KD(DK)；描述了KD(DK) 的总体流程、动态知识库系统及其特征；并在农业施肥和植保领域的应用过程中得到验证.