基于Rough Set理论的"数据浓缩"

本文了基于ＲｏｕｇｈＳｅｔ（ＲＳ）理论数据浓缩的几个问题。     

粗集数据挖掘方法MIE——RS的设计与实现

本文提出了一个基于粗集扩展模型的数据挖掘算法MIE－RS（Mining from Inconsistent Examples:a Rough Set Approach）,能有效处理例子集的不一致性,并且通过确定每个概念的覆盖,即最小相关属性集,为每一概念产生最简的满足给定可信度的产生式规则知识。另外,本文还提出了用Hash表来实现该算法的方法,从而大大降低了算法的时间复杂度。     

基于粗糙集理论的数据挖掘算法研究

本文提出一种基于粗糙集理论的数据挖掘模型，从实际数据出发，运用不同简化层次的算法，导出每个层次上的信息集，最后得到规则集，在进行推理和决策分析时，按照一定算法进行匹配得出结论。还给出了模拟例子说明如何建立和运用这种数据挖掘模型。     

基于数据挖掘技术的带钢力学性能质量模型

介绍了建立热轧带钢力学性能质量模型的数据挖掘过程。用普通神经网络建立起由工艺参数预测力学性能的质量模型，模型预测结果的5%命中率是0.508。提出了一种新的建模方法──逐层逼近法，并用它建立起质量模型，预测结果的5%命中率达到0.721，完全可以满足现实生产需要。     

基于小波理论的数据挖掘方法研究

小波理论在信号处理、图象处理、模式识别、计算机礼堂、多传感器信息融合等方面呈现出强劲的发展势头,数据挖掘能从大量的、不完全的、有噪声的、非稳定的、模糊的和随机的数据中,提取人们事先不知道的但又是潜在有用的信息和知识,本文基于国内外的最新研究成果,对小波理论和数据挖掘技术进行了研究,提出了基于小波理论的数据挖掘方法,并通过实验进行了可行性验证,从而为契约技术的广泛应用提供了依据。     

基于空间数据仓库的空间数据挖掘研究

分析了空间数据仓库的特点和体系结构，在空间数据仓库的基础上提出了一种空间数据挖掘的模型结构，介绍了一些常用空间数据挖掘算法，并展望了其广阔的应用前景。     

相容RS理论中的属性约简算法

1.引言 Skowron等提出的相容RS理论是经典的RS理论的推广,它用相容关系(tolerance)代替原来的不可分辨关系(indiscernibility),可以发现属性值之间的相似性、滤除属性值之间的微小偏差,提高系统决策的鲁棒性和决策效率。Duntsch、Gediga等从信息论的角度建立了粗糙集理论中的知识与信     

基于相关集合的数据挖掘理论基础研究

1 引言到目前为止,人们已经发现了很多数据挖掘方法,如Apriori算法、决策树方法、贝叶斯(Bayes)方法、人工神经网络方法,等等;各式各样的数据挖掘理论被提出与采用,如模糊集合、粗糙集(Rough sets)理论、数理统计、机器学习、人工神经网络、决策树、模式识别、高性能计算等;各种各样的数据被挖掘,从传统的关系数据库到各种文本数据、空间数     

基于粗集理论和神经网络的集成化数据挖掘方法研究

为了从大型数据库中获取有用的知识，本文提出了一种基于粗集理论和神经网络的集成化数据挖掘方法。论文以所提出的研究框架为基础，首先给出了一种改进的粗集属性约简的算法和消除冗余属性的方法，进而采用面向对象的概念泛化进一步对数据库进行属性约简，最后用相似权值法得到产生式规则，并将所得规则用决策树来表示，通过一个完整的应用实例演示了本文方法，证实了其有效性。     

基于分层神经网络模型的数据挖掘算法

介绍了建立带钢板形缺陷模式识别的数据挖掘过程。针对普通神经网络识别精度较低的缺陷,提出一种基于分层神经网络进行数据挖掘的新方法。该方法采用二叉树型结构,通过分层来细化预测范围并选用多个神经网络进行递推。实验结果证明了分层神经网络模型比普通神经网络模型的预测精度有较大提高,完全可以满足实际生产需要。     

电子商务网站的Web数据挖掘方案设计

没有有效的数据管理和分析工具, Web上日益增长的海量数据将变成＂数据坟墓＂.本文运用数据挖掘技术,从Web数据库中提取所感兴趣的信息,从不同角度分析它们,从而有效地利用数据库中的大量数据,将＂数据坟墓＂转换成＂知识金块＂.Web数据挖掘的关键在于如何收集有意义的原始数据,本文将重点阐述如何进行Web数据挖掘过程中的数据准备工作.     

基于数据挖掘、智能代理的入侵检测和响应

入侵检测和响应问题一直是诸多计算机科学家们努力去解决而又至今尚未完全解决的一个问题，该文引入数据挖掘技术和智能代理技术，提出了由传感器、检测器、数据仓库、模型生成器及分析机制等组成的体系机构。该机构能很方便地对大量特征数据进行存储、共享，使检测模型的生成、分发自动化，使大量异构数据的处理智能化，提高了入侵检测和响应的精确性、效率和速度。     

一种基于模糊神经网络的数据挖掘算法

提出了一种基于模糊神经网络的数据挖掘算法,把模糊理论和神经网络结合起来构造、训练模糊神经网络,弥补了神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。经过模糊神经网络的建立和训练达到精度要求,实现了运用模糊神经网络方法从数据库中提取知识的目标。     

一种基于粗糙集的分类数据挖掘算法

目前,粗糙集理论及数据挖掘的研究已经成为热点领域.本文提出一种基于粗糙集理论的分类数据挖掘算法,从实际数据出发,运用不同简化层次的算法,导出每个层次上的信息集,最后得到规则集.在进行推理和决策分析时,按照一定算法进行匹配,得出结论.算法分析表明,这一算法属性约简具有较好有效性,可减少未知样本参与分类的决策属性,适合模型相对稳定、更新不频繁且建模过程可以在后台进行的应用.     

基于可拓理论的Apriori数据挖掘算法分析

介绍了数据挖掘以及可拓学理论,阐述了两者之间的关系。对经典的数据挖掘Apriori算法和基于可拓理论的Apriori算法进行算法实现和对比。结合实际应用对这两种算法进行测试。测试结果表明基于可拓理论的Apriori算法能够避免冗余规则的产生,挖掘出的结果集简洁而且完备。     

基于Multi-agents系统的分布式数据挖掘

计算机网络的发展以及海量数据的分布式存储,滋生了分布式数据挖掘（DDM）这一新的数据挖掘方式。本文针对多agent系统下的分布式数据挖掘进行了初步的研究,对agent方法用于DDM的优势、基于agents的分布式数据挖掘的问题,以及典型的基于agent的分布式数据挖掘系统和该领域的进一步研究方向作了一个概要的综述。     

基于数据立方体的数据挖掘系统

介绍了一个通用的数据挖掘系统-基于数据立方体的数据挖掘系统的设计与实现过程。该系统基于C/S构架，引入了挖掘模型的概念，集成了两种算法，图形化显示挖掘结果。文中详细介绍了系统的这些特点。     

基于博弈论的隐私保护分布式数据挖掘

隐私保护的分布式数据挖掘问题是数据挖掘领域的一个研究热点,而基于经济视角,利用博弈论的方法对隐私保护分布式数据挖掘进行研究只是处于初始阶段。基于收益最大化,研究了完全信息静态博弈下分布式数据挖掘中参与者(两方或多方)的策略决策问题,得出了如下结论:数据挖掘在满足一定的条件下,参与者(两方或多方)的准诚信攻击策略是一个帕累托最优的纳什均衡策略;在准诚信攻击的假设下,参与者(多方)的非共谋策略并不是一个纳什均衡策略。同时给出了该博弈的混合战略纳什均衡,它对隐私保护分布式数据挖掘中参与者的决策具有一定的理论和指导意义。     

基于数据挖掘的网络性能分析系统的设计和实现

针对目前网络性能分析工具的不足,提出了一种基于数据挖掘的网络性能分析模型,设计并实现了一个基于该模型的性能分析系统。该文详细讨论了系统的体系结构及其关键技术。关键技术包括基于分类挖掘思想的智能决策机的挖掘算法和能够有效地进行网络性能分析的性能分析器的工作机制。实际应用表明,该系统能够有效地对当前网络的性能作出精确的诊断和预测。     

基于POSC平台的油气勘探数据仓库及数据挖掘

根据POSC软件集成平台技术建立油气勘探数据仓库，并对基于油气勘探数据仓库的数据挖掘技术进行讨论。介绍了系统的总体结构，基于Epicentre的多维数据模型，数据完整性和一致性，探讨了数据挖掘技术在油气勘探中的一些应用。