复杂系统简约处理的知识库系统设计方法

将复杂系统的信息简约细分成可依据事务ACID属性控制的知识规则,利用VFP数据库管理系统提供的存储过程技术,形成由触发器启动完整性约束规则进行知识表示和推理的系统,结合VFP提供的面向对象编程技术对该系统的补充完善,构建一体化的知识库系统。     

一个新的演绎数据库的推理算法

演绎数据库扩充了传统关系数据库的处理能力,增加了对规则的处理,使系统具有演绎推理的功能。演绎推理的有效实现是演绎数据库实现的一个关键。本文利用数组、状态、栈等技术,给出了一个利用规则实现演绎推理的算法。这种算法对规则进行有效的处理,很好地消除推理过程中的推理冗余,并对推理过程的停机问题做了处理。本算法已经在INGRES关系数据库上得以实现。     

产生式规则专家系统的原理与实现

不确定的知识表示与知识推理是专家系统研究和开发的难点。本文利用“目标驱动”方法中控制模块、规则库和事实数据库的操作原理，使用SQL Server2000和Delphi 6．0作为开发平台，通过数据格式和算法的设计构造并实现了一个产生式规则专家系统。该系统实现了不确定性知识表示和知识推理的计算机化，用户只需要为系统提供足够的已知数据，就可以获得专家水平的结论。     

OLAP中基于FP-增长的关联规则挖掘

关联规则挖掘是一种发现属性问关系的方法，主要用于在商务事务记录中挖掘事务问关系。本文将已经广泛使用的FP-增长(frequent-pattern growth，频繁模式增长)算法进行改进，实现了OLAP中的关联规则挖掘。改进算法分别针对单维、多维、混合维三种关联规则，将多维立方体转化成不同的关系表，通过关系表产生关联规则．并利用立方体中的事实值作为进一步约束，生成了更有价值的规则。     

基于频繁模式树的关联规则增量式更新算法

研究了大型事务数据库中关联规则的增量式更新总是，提出了一种基于频繁模式树的关联规则增量式更新算法，以处理最小支持度或事务数据库发生变化后相应关联规则的更新问题，并对其性能进行了分析。     

基于粗集理论的推理风险量化分析方法

研究了基于粗集理论评估安全数据库中敏感数据的推理风险的方法．粗集理论被用于发现关系内部存在的潜在规则．并依据这些推理规则评估敏感数据所面临的推理风险．如果推理风险大于某个阈值，则提高敏感数据所在元组部分或全部属性的安全级，从而可以保证数据库中的敏感数据是推理安全的．     

一种基于线性链表的关联规则挖掘算法

关联规则挖掘是数据挖掘的一个重要研究方向，其算法主要有Apriori算法和FP—growth算法，它们需要多次扫描事务数据库，严重影响算法的效率。为了减少扫描事务数据库的次数，本文提出一种基于线性链表（LinearLinker）的LL算法，它只需扫描事务数据库一次，把事务数据库转换为线性链表LL，进而对LL进行关联规则挖掘。实验表明，LL算法的时间开销明显优于Apriori算法和FP—growth算法，且LL算法通过定义备用候选频繁项目集，有效地支持了关联规则的更新挖掘。     

利用视图技术实现非递归规则的表示与推理

介绍利用视图技术实现非递归规则的表示和推理，并将该思想应用到开发的一个演绎数据库中去。     

从数据库中发掘定量型关联规则

一、引言随着数据库技术和机器学习技术的发展,在数据库中发现新颖的、具有潜在效用的知识,简称KDD(Knowledge Discovery in Database)是近年来的一个新兴研究领域。KDD中的关联规则是描述数据库中数据项(属性,变量)之间所存在的(潜在)关系的规则。我们作如下形式化定义: 令I={i_1,i_2……,i_m}为项目集(itemset),D为事务数据库,其中每个事务T是一个项目子集(TI),并具有一个唯一的标识符ID。关联规则是形如XY的逻辑蕴含式,其中XT,YT,且X∩Y=φ。有两个因子与这条规则相关;如果事务数据库中有s％的事务包含X∪Y,那么我们说关联规则XY的支持度(support)为s;如果事务数据库里包含X的事务中有c％的事务同时也包含Y,那么我们说关联规则XY的置信度(confidence)为c。     

大规模数据库中的知识获取

一、前言数据是知识的潭泉,拥有大量的数据与拥有许多有用的知识完全是两回事.为了有效地利用大量的公共数据,必须更好地理解这些数据,并从其中快速、准确地发现知识.这里所说的知识是指大量数据中存在的规律性(r egularity)或不同属性值之间所存在的[I F THEN〕规则.将所获取的知识附加于仅由事实数据(fact data)构成的传统数据库上,既可强化数据库的查询能力,又可给数据库提供推理能力,     

基于关系数据库的知识库结构设计

知识库及其组织结构在智能系统中起到相当重要的作用,文章针对知识库的设计要求,从知识的组成出发,结合实际应用,给出了一种基于关系型数据库的简便通用的知识库结构设计。同时利用表记录项中的复合数据表示复杂信息,以较小的性能损失为代价,获得了相对较多的综合收益,使得该表示结构可以完善的表达事实-规则体系知识。文章最后给出了一个利用这种知识库进行推理的例子。     

某武器装备故障诊断专家系统的设计与实现

以Visual C 6.0开发环境，ACCESS2000为数据库结构形式，ADO为数据库访问技术，针对某武器装备开发了故障诊断专家系统平台，介绍了专家系统的具体实现过程，对基于规则、基于案例、基于模型以及混合推理的推理机制进行了研究。     

基于图的主动数据库E-RG规则执行模型研究

本文研究主动数据库的E－RG主动规则的执行模型。E－RG主规则包含由CA规则间基本时序关系导出控制结构，是一种高层次的主动规则。它既支持CA规则的并发执行，又易于规范规则集的行为特性。E－RG主动规则的执行需要扩展的嵌套事务模型，我们已经使用一种形式框架准确，完整地刻画该事务模型。本文依据扩展的嵌套事务模型的正确性准则，给出正确实现并发的嵌套事务原子性和隔离性的锁规则，并使用一种调度算法保证主动规则E－RG中所包含的时序语义。     

基于项目集知识库的关联规则挖掘与更新的高效算法

通过对已有的诸关联规则挖掘与更新算法进行深入的分析和研究，指出了其共同存在的问题与不足，提出了一种基于项目集知识库的关联规则挖掘与更新方法。该方法既适应当数据库D中数据不变而用户指定的最小支持度和最小置信度这两个阈值变化的情况，也适合事务数据库D中数据发生变化的情况。当事务数据库D中数据不变时，仅需扫描数据库一次，便可建立项目集知识库KBD，然后可反复调整最小支持度和最小置信度进行关联规则挖掘与更新。而当事务数据库D中数据发生变化时，仅需扫描数据集d 和d-各一次；通过对项目集知识库KBD的更新来达到对频繁项目集和关联规则的更新。     

一种基于矩阵的关联规则挖掘新算法

本文针时大型交易事务数据库数据间发现关联规则问题,提出了一个新的关联规则挖掘算法,BOM（Base ON matrix算法。该算法不同于经典的Apriori算法,对于大型交易事务数据库,具有较Apriori算法更加优越的性能。     

一种关联规则增量更新算法

针对事务数据库的内容不断增加后相应关联规则的更新问题，提出了一种简单高效的增量式关联规则挖掘算法SFUA，并和已有的FUP算法进行了分析比较。     

关系表上基于相似关系的关联规则挖掘

数据挖掘是目前数据库研究的一个重要方向。关于挖掘关联规则,其主要目标是从给定的事务库挖掘出类似XY形式的规则,X和Y都是事务库中事务所含有的项(item),并且规则需达到一定的支持度(support)和可信度(confidence)。支持度是指同时包含x和Y的事务占全部事务的百分比,可信度指包含X和Y的事务占包含X的事务的百分比。     

主动实时数据库事务及其处理

主动实时数据库事务较之传统数据库事务要复杂得多，文中首先对主动实时数据库事务的语义模型，信赖关系进行了初步的探讨；然后简要地分析了主动实时事务的构造及执行特征，并提出了截止时间计算模型，最后介绍了我们研制一和个主动实时的ＤＢＭＳ原型系统ＡＲＴＳ－Ｉ中主动实时事务的管理机制。     

给FoxPRO加上事务处理机制

本文通过介绍局域网环境下使用ＦｏｘＰＲＯ开发应用系统时，数据库系统完整性，一致性和数据库恢复等方面的考虑，介绍了一种基于事务处理需求的数据组织方法。同时，较详细地介绍了数据库操作事务中，构造恢复数据的方法，以及在事务失败时利用这些数据恢复数据库的方法。     

基于遗传算法的实时内存数据库查询优化

各种事务类型的查询处理是实时数据库实现的关键点之一．由于现有的关系查询处理不能适合于实时数据库，因此实时数据库系统必须具有自己的查询处理器．为此，结合正在开发的嵌入式实时数据库系统ERTDBMS，给出了一个实时数据库查询处理的系统RTQP，并在对实时数据库查询处理做了一般性探讨后，将重点放在内存代价和遗传算法上，类似于关系系统RTQP提供了在MMDB环境下节省内存的查询处理的实现算法，以及遗传算法和实时数据库规则相结合的查询优化方案。