GIS中的知识发现研究

本文从介绍有关数据库中知识发现的技术入手，探讨了从ＧＩＳ中发现知识的方法。     

KDD：数据库中的知识发现

一引言 随着数据库技术的不断发展及数据库管理系统的广泛应用,数据库中存储的数据急剧增大。但目前数据库系统所能做到的只是对数据库中已有的数据进行存取,人们通过这些据所获得的信息量仅     

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     

知识发现的若干问题及应用研究

知识发现是一个众多学科诸如人工智能、机器学习、模式识别、统计学、数据库和知识库数据可视化等相互交叉、融合所形成的一个新兴的且具有广阔应用前景的领域。目前国际上对识发现的研究     

事件序列中频敏串行情节的增量式发现算法

本文研究了事件序列中情节的发现问题,提出了在事件序列中发现频繁串行情节的增量式算法。如果在事件序列中发现了频繁情节及其出现频率,我们就可以生成描述或预测该序列行为的情节规则。     

数据库中发现知识的方法

本文介绍了从数据库中发现知识的含义，讨论了ＫＤＤ中发现知识的基本方法。     

从数据挖掘到知识发现

<正> KDD简介 过去的十年里,生成和收集数据的能力迅猛发展。科学数据集、商品的条形码、商业的计算机化和政府事务等都产生了海量的数据。 如此大量的数据明显超出了传统手工数据分析方法的分析能力。这些方法能够从数据中产生信息报告,但不能分析这些报告的内容以便集中处理。这就要求新一代技术与工具具备智能地并且自动地帮助人们分析海量数据来获取有用知识的能力。 从原始数据中发现有用的模式(或知识)通常称之为数据库中的知识发现,简称KDD。这种称法出现于     

数据库知识发现系统及领域知识在其中的作用

论述了一种理想化的知识发现系统模型 ,及其各组成部分的功能。进一步讨论了领域知识在其中的重要作用。     

基于奇异事件特征的时间序列相似模式匹配

现有的时间序列特征提取方法多为单尺度方法,导致特征点的时间定位不准确,从而影响模式发现的质量。该文基于小波奇异检测理论,提出了一种多尺度时间序列特征提取方法,利用奇异特征将时间序列压缩为事件序列表示,定义了事件序列动态时间弯曲相似度量,给出了基于事件序列相似模式匹配算法。实验表明,该方法具有较高的匹配精度和较低的计算代价。     

浅谈数据挖掘和数据库知识发现

本文介绍了数据挖掘和数据库知识发现的过程,分析其特点,归纳比较数据挖掘的主要方法及其各自优势、适应范围,横向比较多个应用软件,并指出数据挖掘和数据库知识发现的发展方向。     

网格中基于本体的服务和知识发现服务

管理和利用由网格应用和网格操作所产生的海量数据,以及对网格资源和网格服务的智能使用是新一代网格的两个主要特征。为此,新一代网格应当具有被称为网格智能的知识发现和知识管理的功能。本体和元数据是实现网格智能的两个基本要素。此外,语义建模是网格支持高层服务和动态服务发现与组成的必要条件。本文对这些新兴服务进行了描述．并在知识网格上实现了一个基于本体的知识发现服务。     

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。     

基于关联规则的空间数据知识发现及实现

空间数据挖掘就是从空间数据库中抽取隐含知识、空间关系及空间数据库中存储的其它模式的方法。空间关联规则是空间数据挖掘的一个重要表现形式,利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。本文在分析空间关联规则的基础上,用基于关联规则的逐步求精挖掘算法,得出空间数据库中的知识,通过实例证明其方法的可行性。     

CRM环境下面向知识发现的数据分类技术的应用研究

为提高CRM对市场活动和销售活动的分析能力,本文提出将数据挖掘技术应用于CRM系统中,采用数据分类方法从CRM数据库的大量信息中发现企业产品的销售规律和客户群的特征。讨论了数据分类的定义和方法,介绍了决策树分类和朴素贝叶斯分类的算法,并给出了具体的数据分类实例,以期为企业更好地掌握市场动态以及潜在客户的挖掘提供有力的技术支持。     

基于语义Web的常用软件领域知识发现系统研究

当前,在语义Web中,基于OWL的知识表示、知识推理成为了研究和应用的热点.给出了常用软件本体的设计方法、规则定义和谓词扩展,并介绍了常用软件领域知识发现系统的总体模型.     

ESTIMATING DBLEARN'S POTENTIAL FOR KNOWLEDGE DISCOVERY IN DATABASES

We propose a procedure for estimating DBLEARN's potential for knowledge discovery, given a relational database and concept hierarchies. This procedure is most useful for evaluating alternative concept hierarchies for the same database. The DBLEARN knowledge discovery program uses an attribute-oriented inductive-inference method to discover potentially significant high-level relationships in a database. A concept forest, with at most one concept hierarchy for each attribute, defines the possible generalizations that DBLEARN can make for a database. The potential for discovery in a database is estimated by examining the complexity of the corresponding concept forest. Two heuristic measures are defined based on the number, depth, and height of the interior nodes. Higher values for these measures indicate more complex concept forests and arguably more potential for discovery. Experimental results using a variety of concept forests and four commercial databases show that in practice both measures permit quite reliable decisions to be made; thus, the simplest may be most appropriate.     

网络蠕虫目标发现策略研究

要有效地防止蠕虫攻击,了解它的传播是很关键的.主要对蠕虫的目标发现策略进行研究,分析目标发现策略在蠕虫传播中的作用,给出了一种蠕虫目标发现策略的分类并对每种策略进行探讨.     

事件序列中频繁串行情节的增量式发现算法

本文研究事件序列中频繁情节的发现问题,提出了在事件序列中发现频繁串行情节的增量式算法．如果在事件序列中发现了频繁情节及其出现频率,我们就可以生成描述或预测该序列行为的情节规则．