面向复杂系统的知识发现过程模型KD(D&K)及其应用

为适应复杂系统的知识发现的需要,在双库协同机制及其诱导的KDD*过程模型,双基融合机制及其诱导的KDK*过程模型的基础上,借鉴协同原理,提出了将KDD*与KDK*有机地融合在一起的、双库协同机制与双基融合机制协同工作的知识发现过程模型KD(D&K);描述了KD(D&K)的总体流程、动态知识库系统及其特征;并在农业施肥和植保领域的应用过程中得到验证.     

一种基于关联分析的铝电解生产辅助控制方法*

通过关联分析对生产过程中积累数据的处理,可以得出客观知识,这些知识有益于领域专家的相关研究以及指导生产。基于双库协同机制的KDD*过程模型,是基于认知心理的创建意象和心理信息修复特征建立的新型数据挖掘模型,它实现了系统自主发现知识短缺和进行知识库的实时维护,使两个协调器协同工作,将协调器及双库协同机制融入经典的KDD过程模型。基于该模型,提出了一种新的辅助控制电解铝生产的方法,并通过现场实验说明其有效性。     

知识发现在农业生产中的应用研究

文章通过对基于数据库的知识发现系统(KDD)的研究,提出了双库协同机制,它改变了KDD的结构、运行过程与机制,形成新的知识发现系统KDD。将该发现系统应用于农业领域,为合理地指导农业生产提供了科学的决策,因而具有重要的理论意义和实用价值。     

基于双库协同机制的知识发现结构及其应用

文章在KDD（基于数据库的知识发现）的基础上,提出了KDD的开放系统-KDD的总体框架;探讨了其关键技术-双库协同机制的理论基础与实现技术。该系统提供了广泛应用于多个领域的知识发现结构与进程,具体的实例演示表明KDD这类新型构造是有效与可行的。     

分布式综合知识发现系统结构研究

利用多Agent技术，采用多层次结构，建立基于内在机理研究基础上的分布式综合知识发现系统（DKD（D＆K））总体结构模型。该模型设计了基于双库协同机制的分布式KDD＊的知识发现线路，使得分布式数据的预处理、挖掘算法及挖掘结果的评价和导航等研究贯穿于一体，形成了一个完整的系统。该模型不仅较好的继承原综合知识发现系统KD（D＆K）的主要特征，而且紧密结合了分布式数据库已经成熟的技术方法，并且与现在国际上比较典型的分布式知识发现系统比较有一定的优越性。     

基于知识库的知识发现结构研究

基于知识库的知识发现系统KDK(KnowledgeDiscoveryBasedonKnowledgebase)是直接从知识信息中提取潜在有用的、新颖的、未知的模式的过程,以解决目前知识爆炸而能提供给决策者有效的决策信息却矛盾很少。不同于KDD,KDK系统将直接作用于大型知识库的构建。该文讨论了KDK的描述性定义,给出了KDK的总体结构模型,及子系统描述。     

基于Multi-agent技术的知识发现新模型KDD的设计

KDD模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD的智能性,文章设计了一个基于Multi-agent技术的智能数据挖掘系统。利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能,为智能信息系统的发展提供了重要支持。     

基于双库协同机制的挖掘关联规则算法Maradbcm

关联规则是数据挖掘中一种重要的模式，Aprori算法是挖掘关联规则的典型算法，而Apriori算法存在一定的缺点：数据库的全局搜索和产生大项集时使用支持度阈值会删除有意义的规则等。Maradbcm算法是在KDD内在机理研究 的基础上提出的一种新的挖掘关联规则算法，它可以克服Apriori算法的上述缺点，在简要地叙述了双库协同机制和Maradbcm算法后，将该算法应用于蘑菇数据库，结果显示该算法是有效的，它充分显示了内在机理研究对KDD主流发展的重要作用与影响，并为整个知识发现系统的研究提供了一条全新的路径。     

一种基于双库协同机制的入侵检测系统

基于数据挖掘的入侵检测是当前入侵检测技术的重要研究方向,但大多数基于数据挖掘的入侵检测系统都采用传统的数据挖掘算法,性能不够令人满意。论文结合知识发现的双库协同机制,对该机制在入侵检测系统中的应用作了深入的探讨,提出了一种高效的入侵检测系统的模型。     

基于信息熵Petri网模型的知识发现研究

为描述命题和规则的可信度,定义了命题和规则的可信度信息熵。从熵的角度研究产生式规则中的不确定性推理,应用Petri网和可信度信息熵,建立了一类新的Information Entropy Petri网模型(IEPN),介绍了不确定性知识表示和推理步骤。同时分析IEPN推理对知识发现(KDD)的指导意义,并给出了IEPN推理过程及知识发现(KDK)方法。     

New construction for expert system based on innovative knowledge discovery technology

Knowledge acquisition is the bottleneck of expert system. To solve this problem, KD (D&K), which is a comprehensive knowledge discovery process model cooperating both database and knowledge base, and related technology are proposed. Then based on KD (D&K) and related technology, the new construction of Expert System based on Knowledge Discovery (ESKD) is proposed. As the key knowledge acquisition component of ESKD, KD (D&K) is composed of KDD* and KDK*. KDD*—the new process model based on double bases cooperating mechanism; KDK*—the new process model based on double-basis fusion mechanism are introduced, respectively. The overall framework of ESKD is proposed. Some sub-systems and dynamic knowledge base system are discussed. Finally, the effectiveness and advantages of ESKD are tested in a real-world agriculture database. We hope that ESKD may be useful for the new generation of expert systems. Supported by the National Natural Science Foundation of China (Grant No. 69835001), the Ministry of Education of China (Grant No. [2000] 175), and the Science Foundation of Beijing (Grant No. 4022008).     

关于KDD的一类开放系统KDD的研究

On the basis of KDD(Knowledge Discovery based on Database),the paper proposes the general framework of the open KDD system－KDD*, discusses its theoretical foundation and realization of its key technology－double base cooperating mechanism. The result of initial illustration shows that the structure of KDD' is effective and available.     

一种基于假说驱动的知识发现模型

介绍了一种新的KDD模型,和以往的数据驱动式KDD模型不同,并试图利用假说驱动(Hypothesis-driven)的方式来发现新的知识。该文的目标是提供一种KDD工具支持适合人脑风格的假说-检验发现过程,同时最大限度地削减在此过程中人类的工作量。文章提出了为削减人的工作量所作的各种努力。     

数据库中知识发现的处理过程模型的研究

1 前言数据库中的知识发现KDD(Knowledge Discov-ery in Database)是近年来随着数据库和人工智能技术的发展而出现的,它是从大量数据中提取出可信的、新颖的、有效的并能被人理解的模式的高级处理过程。它主要采用机器学习算法或统计方法进行知识学习,一般将KDD中进行知识学习的阶段称为数据挖掘(Data Mining)。数据挖掘是KDD中的一个非常重要的处理步骤。人们往往不加区分地使用两者。一般来说,在工程应用领域多称数据挖掘,而在研究领域人们则多称为数据库中的知识发现。人们进行的关于KDD的研究是为了将知识发现的研究成果应用于实际数据处理中,为科学的决策提供支持。正是因为这样,目前所进行的关于     

数据挖掘与知识发现综述

数据挖掘与知识发现是目前一种新的重要的研究领域。介绍了数据挖掘与知识发现的概念、功能、常用方法、数据挖掘过程及其广泛应用 ,阐述了数据挖掘技术的未来发展方向。