首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
目前在工业现场中能很容易地获取大量的过程参数数据,而传统方法处理这些数据既费时又费力,在这些大量的未分析或待分析的数据中很有可能隐藏着有用的信息.KDD(数据库中的知识发现)旨在大量数据中发现有价值的信息.本文针对工业领域中数据信息的特点,介绍了KDD技术在工业领域的应用关键,并结合火力发电厂阐述了KDD在工业领域中的应用前景.  相似文献   

2.
农业数据库中知识发现的研究   总被引:3,自引:0,他引:3  
余建桥  梁颖 《计算机科学》1999,26(12):82-84
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  相似文献   

3.
一、引言 KDD是指从数据库中发现有价值信息的整个过程,而数据开采(DM)则是指在这个过程中的一个步骤,是针对某一具体问题的算法的实现。除了DM步骤,KDD还包括前处理(数据准备等)和后  相似文献   

4.
数据库中知识发现的处理过程模型的研究   总被引:6,自引:1,他引:5  
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  相似文献   

5.
知识发现(KDD)与数据挖掘(DataMining)是一个飞速发展的领域,随着方法和技术手段日趋丰富,应用也更加广泛深入。本文简论了数据挖掘与知识发现技术及其特点、结合采掘系统原型框架探讨了数据采掘技术在油田生产辅助决策中的应用。  相似文献   

6.
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。  相似文献   

7.
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。  相似文献   

8.
KDD中的特征选择   总被引:1,自引:0,他引:1  
随着数据库、数据仓库技术的发展,各种数据处理和分析工具不断出现,数据库中的知识发现(简称KDD)就是现在受到研究人员和软件开发商广泛关注的一种数据分析方法。文章主要针对KDD的数据预处理阶段的一类重要问题———分类问题,描述了特征选择的概念,分析了它在KDD中应用的重要性和必要性,并针对KDD的特点介绍现有的特征选择的各种方法并进行归纳,为下一步的研究和开发提供一个有益的框架。  相似文献   

9.
基于可变精度粗集模型的增量式归纳学习   总被引:5,自引:0,他引:5  
李莉 《计算机科学》1999,26(1):55-58
知识获取是知识信息处理系统的关键问题之一,特别是计算机与网络技术的飞跃发展使得各个领域的信息量急剧增加,90年代以来,人们把目光转向了一个新的研究领域—知识发现(KnowledgeDiscovery),或数据库知识发现(Knowledge Discov-ery from Databases,KDD)。今天,基于Web的分布式知识发现更为KDD展示了广阔的应用前景。  相似文献   

10.
将模式识别方法应用到入侵检测领域,用以区分正常和异常的用户或主机行为。采用KDD99作为实验数据集,通过计算信息增益,从原始数据中选取对分类结果影响较大的特征属性;再分别选取两种带监督的模式识别方法支持向量机(SVM)和多层神经网络(MNN)以及两种不带监督的聚类方法Single-Linkage和K-Means进行实验。实验结果表明,上述方法在入侵检测领域中具有很好的应用前景。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号