基于信息粒的关联规则提取研究

粒计算作为一种新的信息和知识处理的方法,近年来在许多领域中得到了应用。本文在学习和研究粒计算基本理论与技术的基础上,将其应用于关联规则提取中。通过对信息粒进行二进制的与运算,分析计算结果中出现1的次数来进行规则的提取。     

一种可伸缩的粒计算知识获取方法

针对粒计算算法在处理海量数据时所面临的内存限制问题,通过对信息表分层粒化模型的研究,提出了一种粒分布链表结构的概念,并利用该链表结构改进了一个粒计算算法。通过实验验证,改进后的算法能够直接处理海量数据集,同时不影响原算法的有效性。     

一种新的基于粒计算的社团发现算法

提出了一种基于粒计算的社团挖掘模型,该模型改进了节点相似度的计算,通过不同粒空间分解问题,设计了相应的算法,从而实现了社团发现.     

基于粒计算的关联规则挖掘算法

讨论粒计算在关联规则挖掘中的应用,通过对基本信息粒的划分、对粒子对象集合的映射,减少扫描项集所在的对象集合,提高算法的运行效率,从而更好地处理海量数据的规则发现,更适用于支持度较小、复杂度较高的数据集。仿真试验证明该算法有较低的求解复杂度及较高的求解效率。     

智能故障诊断系统中的知识发现方法

从数理统计和关联规则的综合性出发,提出了一种从事例集中获取知识的机器学习方法。该方法利用Matlab进行编程,按照预定的优化目标生成最优的产生式规则。以旋转机械故障诊断知识发现为例进行了仿真实现,从中可获取各类故障的最优判别功能。结果表明,该方法是可行的,它验证了该方法在旋转机械故障诊断中的实用性和有效性。     

粒计算中决策规则的提取

为从决策表中获取最简决策规则,在研究粒计算理论的基础上,提出了一种基于粒计算的决策规则提取算法。该算法通过引入λ阶粒库的概念,利用粒计算的方法对由同一决策表所生成的粒库,从不同的角度和多个层次进行研究,尝试从较低阶的粒库中提取出尽可能多的具有一定规则覆盖度与置信度的简洁规则。最后通过实例验证了该算法的有效性。     

关系数据库中的知识发现研究

本文提出了一种关系数据库中的知识发规模型;介绍了相关的机器学习、关系数据库、模糊学和统计学等技术;分析了现有的一些系统;最后,讨论了进一步研究的问题。     

关系数据库中的模糊知识发现

本文提出用部分量词和模糊谓词来表示模糊知识这一方法，在简要介绍数据抽象这一关系数据库中知识发现的方法后，详细描述了该方法中对模糊性问题的处理方法．     

信息系统中近似本体获取的粒计算方法

研究近似概念以及由此而生成的近似本体不仅是必要,而且其重要性日益增加.本文基于粒计算理论,以信息表作为领域本体的语境,给出获取近似概念和生成近似本体的数据模型,并提出基于粒计算的获取近似概念和生成近似本体的生成算法.实例表明该算法是有效的.     

基于粒矩阵的相容关系的知识表示

Rough集以等价关系为基础建立了知识表达系统和知识发现算法,相容关系是等价关系的推广。从粒矩阵 角度定义了相容关系的知识表达系统、知识的依赖性与关联规则发现方法。在此基础上,把粒矩阵运算由等价关系推 广到相容关系。     

A Multistrategy Approach to Relational Knowledge Discovery in Databases

When learning from very large databases, the reduction of complexity is extremely important. Two extremes of making knowledge discovery in databases (KDD) feasible have been put forward. One extreme is to choose a very simple hypothesis language, thereby being capable of very fast learning on real-world databases. The opposite extreme is to select a small data set, thereby being able to learn very expressive (first-order logic) hypotheses. A multistrategy approach allows one to include most of these advantages and exclude most of the disadvantages. Simpler learning algorithms detect hierarchies which are used to structure the hypothesis space for a more complex learning algorithm. The better structured the hypothesis space is, the better learning can prune away uninteresting or losing hypotheses and the faster it becomes.We have combined inductive logic programming (ILP) directly with a relational database management system. The ILP algorithm is controlled in a model-driven way by the user and in a data-driven way by structures that are induced by three simple learning algorithms.     

数据库中加权关联规则的发现

关联规则发现是数据库中知识发现研究中的热点课题,有着广泛的应用领域.在现有的研究中,数据库中的各个项目是按平等一致的方式加以处理的.然而,在现实世界数据库中却并非如此,不同的项目往往有着不同的重要性.为了将它们反映出来,对项目引入权值,从而提出了新的加权关联规则问题.由于项目权值的引入,频繁项目集的子集不再一定是频繁的.为此,又提出了项目的k-支持期望概念,并由此提出了加权关联规则的发现算法.     

不完备信息系统中基于相容粒度计算的知识获取方法

研究在不完备信息系统(incomplete information system,IIS)中的知识获取已经成为近期粒度计算研究的热点方向之一.为探索一种高效的知识获取方法,基于相容粒度计算的基本原理,针对不完备信息系统的特点,提出了一种完整的知识获取算法.该算法包括不完备信息系统的属性约简算法和系统中对象的约简算法.其主要特点是在由完全覆盖构成的粒度世界中去研究知识的表示和获取问题,其基本粒就是最大相容类.对算法的性能进行了理论和实验分析,证明了算法的有效性和可行性.     

生化企业生产数据知识挖掘系统

对于生物化工产品的工业生产而言,更要有合适的生产环境条件,然而由于生产过程的复杂性,确定适宜的生产环境较为困难。就生化企业生产的数据特征,提出了生产数据的指标分割预处理及针对稀有数据的关联规则挖掘方法,对数据指标分割的过程进行了详细的阐述,并针对稀有数据挖掘,提出了关联规则挖掘中相对支持度的概念,在此基础上设计并开发生化企业关联规则挖掘数据分析系统,给出了系统的结构和功能,并对系统应用进行了试验和分析,取得了较好的效果。     

部分数据缺失环境下的知识发现方法

介绍了目前的不完全数据环境下的知识发现研究工作,分两个部分提出了一个不完全数据库中的知识发现方法.首先具体讨论了如何猜测丢失的数据,给出了基于距离的关联规则的定义及挖掘方法.然后在此基础上详细描述了一个不完全数据库中的知识发现算法,分析了算法的复杂度,并给出了相应的实验结果.最后,将所提方法与其他相关方法进行了比较.     

Knowledge Discovery for A Temporal Prediction Rules

We are obtaining a large database of some objects' records of fluctuations of a stock market,medical treatments,changes of weather in certain area and so on,where each record consists of multi-attributes taking multi-values changing with time. Our work is motivated by prediction,which is different from the work in 4,5,8,11. We want to help learn from past data and make informed decisions for the future. This paper is very significant to perfect the theory and the development of the temporal data mining.     

基于粒计算的属性约简改进算法

粒计算是基于问题求解、模式分类及信息处理的多层次粒结构分析方法,它是粗糙集、模糊集、数据挖掘以及人工智能等多领域交叉的一门新学科。在讨论知识粒度的基本概念和性质后,介绍了通过计算属性对约简核的重要度SigCore(A)(a)来进行信息系统约简的方法。考虑到有的信息系统没有约简核,提出了基于粒计算的约简算法的改进。改进后的算法既可以用于有约简核的系统,也可以用于没有约简核的系统。数值实验证实了算法的有效性。     

神经网络中的粒子权重计算

讨论了将粒子信息存入神经网络的机制,以加速网络训练,提高清晰度,提出了语言权重的GNN及语言算法规则。GNN比标准BP网络需要少训练时间来学习已矧问题,同时知识的表示更易于理解。     

Ontological Approach for Information Discovery in Internet Databases

The Internet has solved the age-old problem of network connectivity and thus enabling the potential access to, and data sharing among large numbers of databases. However, enabling users to discover useful information requires an adequate metadata infrastructure that must scale with the diversity and dynamism of both users' interests and Internet accessible databases. In this paper, we present a model that partitions the information space into a distributed, highly specialized domain ontologies. We also introduce inter-ontology relationships to cater for user-based interests across ontologies defined over Internet databases. We also describe an architecture that implements these two fundamental constructs over Internet databases. The aim of the proposed model and architecture is to eventually facilitate data discovery and sharing for Internet databases.