基于证据理论的知识发现分类算法

决策树方法是一种重要的可完成分类任务的知识发现技术，目的是通过构造一个分类模型，把数据库中的元组映射到给定类别中的某一个。决策树分类算法效率高且应用广泛，但是不能处理在决策树的构建和分类过程中的不确定数据。针对决策树分类算法的局限，利用证据理论是对概率论的扩展，将置信函数与概率的上下值相联系，可用于不确定数据的表达这个有力工具，把决策树分类技术扩展到含有不确定数据的环境中，提出了D-S决策树分类算法。实验结果表明D-S决策树分类算法能有效的对不确定数据进行分类。     

基于证据理论的知识发现分类算法

决策树方法是一种重要的可完成分类任务的知识发现技术 ,目的是通过构造一个分类模型 ,把数据库中的元组映射到给定类别中的某一个。决策树分类算法效率高且应用广泛 ,但是不能处理在决策树的构建和分类过程中的不确定数据。针对决策树分类算法的局限 ,利用证据理论是对概率论的扩展 ,将置信函数与概率的上下值相联系 ,可用于不确定数据的表达这个有力工具 ,把决策树分类技术扩展到含有不确定数据的环境中 ,提出了 D- S决策树分类算法。实验结果表明 D- S决策树分类算法能有效的对不确定数据进行分类。     

基于决策类划分的新型多变量决策树算法

基于不可分辨关系、复合运算、集合运算和逻辑运算等集合论概念,构造一种新型的多变量决策树算法。该算法包括5个步骤:依据决策属性值划分出决策类;利用决策类之间条件属性集相交判断二义性条件属性值;利用决策类各条件属性值域的不同判断独立决策条件属性值;利用决策类自身条件属性集进行复合运算,获得多变量决策方法;使用或运算符(∨)连接各个部分的决策规则以取得完整的决策规则。以决策树典型训练集(气象信息系统)为例进行验证,其结果表明,该算法行之有效。通过时间复杂度的分析结果表明,该算法较之粗糙集算法更优,而且不亚于ID3算法。       

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．     

基于依赖决策熵的决策树分类算法

针对传统的基于信息熵的决策树算法所存在的问题,本研究从粗糙集理论的角度来考虑信息熵,定义了依赖决策熵的概念,并提出一种基于依赖决策熵的决策树算法DTDDE。在DTDDE算法中,采用依赖决策熵的概念来度量每个条件属性的重要性,并选择重要性最大的属性作为当前的分离属性。通过在多个UCI数据集上的实验表明:与现有的决策树算法相比,本研究所提出的算法能够获得更好的分类性能。     

高层建筑结构方案设计的知识发现方法

为较好地解决高层建筑结构方案设计阶段知识发现问题,突破知识获取“瓶颈”.针对信息系统为连续属性的情况,提出了基于粗糙集理论的高层建筑结构方案设计的知识发现方法.通过模糊隶属函数将连续属性值表示成模糊值,利用区分矩阵删除冗余条件属性,通过m ax{|posCi(D)|}值的计算,考查各条件属性对决策分类的重要性,选择涵盖最多决策分类对象的属性为分枝结点,便可得到一棵与最小决策规则集对应的决策树,从而导出决策规则.最后给出一个应用实例.     

基于图模型决策的微博检索二次排序算法

为了解决微博检索面临的"用户查询"和"相关文档"都是极端短文本的情况,及由此造成的检索性能欠佳的难题,研究并实现了一种微博检索结果的二次重排算法,基于微博内容相似关系构建关系图模型,利用PageRank算法对微博检索结果进行二次排序.比较了基于余弦相似度、戴斯系数、单向戴斯系数等文本内容相似度计算方法.实验结果表明:二次排序算法能够有效提升微博检索性能,同时图模型迭代性能与相关主题比例存在依存关系.有鉴于此,讨论通过决策树重排算法去除非相关主题对微博排序的影响.     

知识发现过程中数据采掘的方法和应用

从信息系统发展的角度综述了知识发现的发展及知识发现过程中数据采掘的方法和应用。     

基于粗糙集的决策树优化算法

在粗糙集理论的基础上提出了一种新的决策树算法,把粗糙集中的近似分类精度及决策规则的确定性因子应用于决策树的构造,在算法形成的过程中提出抑制因子,对决策树进行修剪,避免了先生成决策树再修剪的繁琐步骤,且在每次划分时对条件属性值和决策属性值进行匹配考察,避免不必要的计算,进一步提高了算法速度．     

基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

基于生产资源信息的模具工艺决策研究

计算机辅助工艺设计（CAPP）的核心是工艺决策,CAPP系统的工艺决策应能够产生与模具生产资源相适应的工艺过程。分析了模具制造企业的生产资源的构成,提出了与生产资源相适应的工艺决策模型的组成。     

CAPP系统工艺知识库建立方法初探

探讨了ＣＡＰＰ系统工艺知识的获取,表达和工艺知识库建立的方法,指出了从零件整体出发,以成组技术为基础,以工序工步词典为索引制定工艺决策规则在工艺知识库建立中的实用性,并在纺织机构零件ＣＡＰＰ系统工艺知识建立过程中进行了应用。     

决策树在垃圾邮件过滤中的应用

介绍了垃圾邮件过滤技术,对决策树算法的基本思想进行阐述,分析比较其优点和不足,给出了基于ID5R算法的垃圾邮件过滤模型．     

融合规则的典型工艺表示与工艺决策方法研究

为了简便有效地表示工艺知识,提高工艺决策的自动化程度和灵活性,文章提出了一种融合规则的典型工艺表示与工艺决策方法.该方法将与典型工艺相关的信息分为不变信息和可变信息,不变信息基于统一的典型工艺信息模型进行表示,而可变信息以产生式规则形式表示,并嵌入到典型工艺中.由于每个典型工艺都有与之密切相关的一套独立规则,规则的针对性很强,所以规则的总结、形成容易,便于实现工艺决策的自动化.文中以飞机结构件的数控加工工艺为例,对融合规则的典型工艺的表示、基于制造特征的产生式规则分类和工艺决策算法进行了详细讨论.该方法已在某飞机制造企业的CAPP系统中进行了实际应用,实现了工艺决策的自动化.应用表明这种工艺知识表示及其决策方法简单有效,规则维护扩充方便.     

智能CAPP系统及其加工资源动态决策

为了提高计算机辅助工艺规划（CAPP）系统的柔性、可扩展性、可重用性和动态适应性，基于并行工程理念，采用多代理技术，提出了一种智能CAPP系统体系结构．在研究了智能CAPP系统的工作机理基础上，利用BP神经网络和相关算法实现了车间加工资源的动态决策．结果表明：基于多代理的智能CAPP系统由若干代理构成，每个代理具有独立的功能、结构、推理机和知识库，它们通过协作完成对整个工艺计划问题的求解，在系统结构上具有可重构、可扩展的能力；企业的应用表明，通过CAPP和车间生产计划的集成，基于BP神经网络实现制造资源的动态决策，使得工艺计划的可执行性提高了近1／3．     

生产作业计划调整知识模糊归纳学习方法研究

对于生产作业计划调整专家知识的处理问题,本文集成传统的归纳学习算法(ID3 算法)与模糊集理论,研究了模糊化的归纳学习方法,主要是模糊树的归纳(推导)方法,包括阈值的模糊化、叶节点的模糊化和模糊决策树的构建。本文将这些方法用于生产作业计划调整判断知识的处理     

面向零件特征的CAPP工艺知识获取

通过分析零件几何特征及工艺特生和ＣＡＰＰ专家系统中知识库结构模型,提出基于特征的ＣＡＰＰ工艺知识获取策略,建立智能化交互式工艺知识获取系统。     

基于数据仓库技术的决策支持系统中的知识发现

基于数据仓库技术的决策支持系统结构框架 ,探讨了决策支持系统中知识发现的主要方法及关键技术 ,并进一步阐述了知识发现过程中应注意的几个问题以及知识发现的发展方向     

基于决策树的ID3算法与C4.5算法

论述了在数据挖掘中基于决策树的ID3算法以及C4.5算法,说明了两种算法的优缺点.通过实例解析了ID3算法和C4.5算法的实现过程,能够直观看出C4.5算法相比较与ID3算法的优越性.