基于本体论的数据挖掘方法

数据挖掘是一个人机交互的过程,领域知识对数据挖掘起着重要作用,提出一种基于本体的数据挖掘算法,使领域知识和数据库无缝连接,该算法能更有效地发现有意义的多层次规则。     

数据挖掘方法本体研究

数据挖掘是包含多个阶段的知识发现过程。一个简单、但典型的数据挖掘过程可能包括数据预处理阶段,数据挖掘算法的应用阶段,以及对挖掘结果的可视化处理阶段。在每个阶段,都会有多个算法或方法供数据挖掘工作者选择,但仅有一些算法和方法组合是有效的。即使是数据挖掘领域的专家,也可能会忽略一些重要的、有助于知识发现的数据挖掘算法或方法。本文中,我们将讨论使用本体的方法来协助数据挖掘工作者在实施数据挖掘过程中对众多可供选择的算法和方法进行选择。     

一种本体和上下文知识集成化的数据挖掘方法

在数据挖掘中使用本体和上下文知识能够将普遍的知识和特定的知识引入数据挖掘的决策因素中,是增进数据挖掘准确性的有效手段,同时也是数据挖掘领域研究的热点和难点之一.针对该问题,首先探讨了本体与上下文知识的集成化表示方法,包括上下文知识分类方法、如何在本体描述方法上扩展上下文知识及上下文知识转化方法.其次,以层次化结构的本体与上下文知识为例,构建了一个依据于本体和上下文知识集成的归纳学习算法并验证了该算法的有效性和准确性.     

一种网格数据挖掘应用系统的设计

数据挖掘算法广泛地应用于数据分析。工业、科学和商业领域需要分析地理上分布的大量数据集,而网格能有效地提供高性能应用和分布式的基础设施。为了利用网格实现数据挖掘和知识表示,文中根据知识网格的概念,在GlobusToolkit的基础上,分析了知识网格的体系结构和它的主要组件,根据数据挖掘的过程设计了一种网格数据挖掘系统软件模型,并指出了该模型应提供的服务,这些服务会屏蔽所有关于网格底层的所有细节,使最终用户只关心知识发现的过程。     

在领域先验知识本体需求下的数据挖掘改进分析

以顾客需求及行为理论为基础,结合新时期顾客需求管理领域的先验性知识,对领域先验知识本体需求下的数据挖掘改进方法进行了积极探究,并在后续文章写作中研究了挖掘算法的选择及设置约束条件等,以期能为新时期顾客需求数据挖掘有效性的改进提供有益的参考,促进顾客需求知识的共享.     

一种网格数据挖掘应用系统的设计

数据挖掘算法广泛地应用于数据分析。工业、科学和商业领域需要分析地理上分布的大量数据集，而网格能有效地提供高性能应用和分布式的基础设施。为了利用网格实现数据挖掘和知识表示，文中根据知识网格的概念，在Globus Toolkit的基础上．分析了知识网格的体系结构和它的主要组件，根据数据挖掘的过程设计了一种网格数据挖掘系统软件模型，并指出了该模型应提供的服务，这些服务会屏蔽所有关于网格底层的所有细节，使最终用户只关心知识发现的过程。     

基于知识网格的数据挖掘研究

目前,尽管基于网格计算、知识网格的数据挖掘技术都还不成熟,但随着研究的不断深入,数据挖掘的工具及其算法也必将在分布性、并行性、灵活性和有效性方面得到进一步发展和提高.伴随着网格和数据挖掘技术的不断提高,基于知识网格的数据挖掘技术将得到广泛的应用.文中在讨论知识网格体系结构的基础上实现了基于网格的分布式数据挖掘过程.     

基于领域本体的数据挖掘服务发现算法

随着数据库的广泛应用,数据挖掘技术面临数据的海量化、分布化问题。采用面向服务的架构构造数据挖掘系统是解决该问题的方法之一。提出一种基于领域本体的数据挖掘服务发现算法,通过引入领域知识,定义数据挖掘本体,有效地解决了数据挖掘服务发现问题。首先给出了结合领域知识的数据挖掘服务发现框架,提出了数据挖掘方法本体和质量本体的定义,并给出了根据领域知识及用户需求进行数据挖掘服务发现的算法,为数据挖掘服务选择提供了较为完善的方案。     

基于贝叶斯网络的不确定性知识处理研究

贝叶斯网络因其在处理不确定性知识方面的优势近来受到数据挖掘等领域的重视。与当前流行的数据挖掘算法包括决策树、神经网络和遗传算法等相比，贝叶斯网络更易于理解，且有很好的预测效果，适用于处理那些本身存在着固有的不确定性的领域。在比较了贝叶斯网络处理不确定性知识的优势的基础上，描述了用贝叶斯网络进行数据挖掘的过程及其主要研究方向，最后对贝叶斯网络的应用领域、研究现状和前景进行了分析和展望。     

基于知识粒度的异常数据挖掘算法

粒计算理论提供了一种新的处理不确定、不完全与不一致知识的有效方法。知识粒度是粒计算理论中度量不确定信息的重要工具之一。已有的异常数据挖掘算法主要针对确定性的异常数据挖掘,采用知识粒度度量不确定性数据,进行异常数据挖掘的研究尚未报道。为此,在引入知识粒度概念的基础上,定义了相对知识粒度及异常度来度量数据之间的异常程度,并提出基于知识粒度的异常数据挖掘算法,该算法可有效进行异常数据的挖掘。实例验证了该算法的有效性。     

知识发现状态空间模型及其在图像挖掘中的应用*

提出了知识发现状态空间统一模型,将结构化数据挖掘与复杂类型数据挖掘联系起来,成为知识发现领域的一种统一框架理论,为复杂类型数据挖掘提供理论指导,并给出了该模型在图像挖掘中的应用实例。     

知识发现状态空间统一模型UMKDSS

在分析与研究已有研究成果的基础上,该文提出了知识发现状态空间统一模型UMKDSS,将结构化数据挖掘与复杂类型数据挖掘联系起来,成为知识发现领域的一种统一框架理论,为复杂类型数据挖掘提供理论指导。     

一种有效的用于数据挖掘的动态概念聚类算法

概念聚类适用于领域知识不完整或领域知识缺乏时的数据挖掘任务.定义了一种基于语义的距离判定函数,结合领域知识对连续属性值进行概念化处理,对于用分类属性和数值属性混合描述数据对象的情况,提出了一种动态概念聚类算法DDCA(domain-baseddynamicclusteringalgorithm).该算法能够自动确定聚类数目,依据聚类内部属性值的频繁程度修正聚类中心,通过概念归纳处理,用概念合取表达式解释聚类输出.研究表明,基于语义距离判定函数和基于领域知识的动态概念聚类的算法DDCA是有效的.     

面向应用领域的知识发现系统开发平台KDIST

介绍了一个面向应用领域的知识发现系统开发平台KDIST。将数据挖掘技术巧妙地封装在应用领域的问题中,使开发出的知识发现系统操作傻瓜化,用户无须关心数据挖掘本身,有效地减轻了领域用户使用负担,提高了数据挖掘技术实用性。所开发出的知识发现系统将挖掘得到的知识融合到已有专家系统的知识库中。两个实例系统的应用证明知识发现系统是专家系统自动半自动知识获取和知识库精化的良好工具。     

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。     

基于本体的数据挖掘方法研究

.数据挖掘是信息技术自然演化的结果,使用数据挖掘工具进行数据分析可以方便的获得重要的知识并应用于决策,提出一种基于本体的数据挖掘算法,讨论使用本体的方法来协助数据挖掘.     

ILP在语义Web数据挖掘研究中的应用

语义网络数据挖掘是基于语义网络环境的数据挖掘,它给数据挖掘技术的应用研究提出了新的课题。归纳逻辑程序设计是由机器学习与逻辑程序设计交叉所形成的一个研究领域,它为知识工程等人工智能的应用领域提供了新的强有力的技术支持。分析了现有几种常用数据挖掘技术在语义Web环境下应用的局限性,提出了采用归纳逻辑程序设计(ILP)作为语义Web上适合的数据挖掘技术,给出了应用这种技术的算法描述,通过具体实例验证了其可行性。     

ILP在语义Web数据挖掘研究中的应用

语义网络数据挖掘是基于语义网络环境的数据挖掘,它给数据挖掘技术的应用研究提出了新的课题.归纳逻辑程序设计是由机器学习与逻辑程序设计交叉所形成的一个研究领域,它为知识工程等人工智能的应用领域提供了新的强有力的技术支持.分析了现有几种常用数据挖掘技术在语义Web环境下应用的局限性,提出了采用归纳逻辑程序设计(ILP)作为语义Web上适合的数据挖掘技术,给出了应用这种技术的算法描述,通过具体实例验证了其可行性.     

农业数据库中知识发现的研究

1.引言数据库中的知识发现KDD(Knowledge Discoveryin Database)是近年来随着人工智能和数据库技术的发展而兴起的研究领域。它是从大量的数据中提取出隐含的、先前未知的、平凡的、具有潜在应用价值的信息或模式,如知识规则、约束、规律等。KDD主要采用机器学习算法、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。KDD作为数据库和信息建设领域的前沿研究领域,已成为各重要科     

基于灰色关联分析的高感兴趣度数据挖掘算法研究

数据挖掘与知识评价相结合是数据挖掘工作研究的重要方面,也是发挥数据挖掘潜力的重要手段.讨论了数据挖掘和知识评价的结合方式以及灰色关联分析,提出并实现了用灰色关联分析方法构建"感兴趣产生器"并结合关联规则的数据挖掘框架及算法.最后,通过实例证明了该算法挖掘效率高、挖掘效果好,挖掘结果有较高的用户感兴趣度.