第六届欧洲人工智能会议论文综述

欧洲人工智能会议—ECAI 是两年一度的世界性人工智能学术研究会议,其规模与世界人工智能会议相当。第六届 ECAI 于1984年9月6日—9日在意大利的比萨举行。22个国家参加了本届会议,共录用154篇论文,其中,英国30篇,法国28篇,美国26篇,西德14篇,意大     

Web内容挖掘技术研究

简要介绍了Web挖掘的概念、分类以及其功能,阐述了Web挖掘与传统数据挖掘以及Web信息检索之间的关系。给出了Web内容挖掘的不同分类方法、文本以及多媒体文本数据挖掘的定义、分类与应用。重点分析了Web文本挖掘的方法,包括文本的特征表示与抽取、文本的分类与聚类等,讨论了多媒体文本分类挖掘方法。     

利用神经网络发现分类规则

神经网络是目前公认的高精度分类器,但它的分类过程却令人难以理解,被称为“黑箱”,从而降低了它的可信度,且使其结果不易应用到其它相关领域。本文提出应用决策树模拟神经网络的隐节点和输出节点的决策过程的思想,在分类精度基本不变的前提下,将训练后的前馈神经网络利用遗传算法进行剪枝,再将其转换为含有若干棵树的森林结构,然后将每棵树看作一个分类器,利用决策树模拟每个分类器的分类过程,最后将决策树结构转化为若干     

时间序列的细微距离发现

时间序列是信息系统一储存在的一类重要数据对象,而序列间的距离计算是很多时间序列数据开采或数据提取问题的核心。针对目前的序列距离定义模型对非总体的细微关联特征不敏感的问题,提出了一种新的时间序列距离定义模－时间序列的细微距离ＭＤ（Ｘ,Ｙ）,并提出了一种将时间序列由时域映射到频域,在频域中分离出不同的序列变化形式,以确定时间序列细微差别程度的算法－ＦＤＤ算法。ＦＤＤ算法具有较高的效率,且可以 作基准值     

一种面向自动文本摘要特征评价的新方法

自动文本的特征评价方法的研究一直未受到研究者们的重视。以往只是简单地将面向文本集的TF.IDF特征评价方法应用于针对单文本的自动文摘领域,该方法无法排除低频词噪音的影响,特征评价存在明显误差,致使不能准确计算文本特征。文章引入信息熵,提出了针对单文本的特征评价方法TF.IDF.H。实验表明,新的特征评价方法能够准确获得文章主题特征,更好地改善文摘质量。     

强化学习中的时间差分法在用户学习方面的应用

随着Internet上信息量的与日俱增，用户查找自己感兴趣的信息变得越来越困难。文章提出了一种使用强化学习中的时间差算法来学习用户的新学习算法，并通过实验与其它学习方法作了比较，取得了明显的成效。     

基于WAN环境的一种数据传输方式的实现

文中有一种基于WWW的分布式信息系统的背景下,提出一种在广域网（WAN）的环境中安全传输数据的解决方案。利用PB的数据管理技术,实现了方便、灵活的数据传输。数据传输功能是从分布的各节点的数据库中向总数据库传输数据,为系统提供数据基础。     

基于关联规则的ICAI系统教学模式优化与调度

根据认知心理学理论,分析教学模式对教学效果的影响,建立教学模式的模型,实现相关的测量,通过对测得数据的挖掘以及根据对学生学习效果的评价和教学资源情况,实现了教学模式的自动优化和调度,提高了教学系统因材施教的能力。     

相关度计算方法存在的问题及修正

相关度是关联规则挖掘中衡量一条规则是否有趣的重要的参数。该文通过对传统的相关度计算公式的分析，指出了传统计算方法存在不对称性和不完备性两个缺陷，提出了提升率和影响率两个概念。通过理论分析和实验验证，证明了采用提升率和影响率两个参数来描述相关度与传统的描述方法相比，结果更加准确可靠。     

INGRES智能关系数据库及其在海关应用中的尝试

本文从系统和应用的角度阐述了ＩＮＧＲＥＳ智能关系数据库的系统组成及其突出的技术特性，特别强调了ＩＮＧＲＥＳ／Ｗｉｎｄｏｗｓ４ＧＬ开发工具在图形用户界面下开发应用程序的特点，结合作者实际工作中的体会，详细介绍了使用ＩＮＧＲＥＳ／Ｗｉｎｄｏｗｓ４ＧＬ开发具体应用程序的方法。