空间数据挖掘理论与方法探讨

文章概括了空间数据库与空间数据挖掘的理论和特点，分析了空间数据挖掘的层次、方法与可发现的知识分类，指出了当前空间数据挖掘尚需解决的问题、发展趋势和方向。     

基于粗糙集理论的数据挖掘算法研究

本文提出一种基于粗糙集理论的数据挖掘模型，从实际数据出发，运用不同简化层次的算法，导出每个层次上的信息集，最后得到规则集，在进行推理和决策分析时，按照一定算法进行匹配得出结论。还给出了模拟例子说明如何建立和运用这种数据挖掘模型。     

基于粗糙集合理论的决策树生成

决策树算法是一种采用发治策略的自顶向下的归纳算法，传统的决策树算法往往是基于信息论度量的。文章以粗糙集合理论中的区分观点为基础，提出了两种新型的属性选择判据：区分度和区分价值。实验结果表明，采用区分价值的属性选择策略所生成的决策树要明显优于基于熵的属性选择策略。     

基于集合理论的KDD方法

本文运用集合理论对ＫＤＤ进行了描述，介绍了基于集合理论从数据库中发现分类规则的方法，并给出了实现算法和一个应用实例     

基于粗糙集理论的数据挖掘的应用

在粗糙集理论的基本思想及其特点的基础上说明它是数据挖掘的一种工具,并对其广泛的应用作了描述。介绍了常见的粗糙集理论的应用工具软件（如Rosetta),并给出了一个应用粗糙集技术来实现数据挖掘的实例系统（电力系统中操作点的分类）。     

数据挖掘的概念、系统结构和方法

首先对数据挖掘的概念及相关流派加以归纳，然后给出一个数据挖掘系统的体系结构，并通过它介绍数据挖掘系统的主要功能部件，最后对数据挖掘的主要方法进行分析。     

数据挖掘理论与技术

对数据挖掘的概念及所要达到的目标进行了深入剖析。介绍了数据挖掘的核心技术：人工神经网络、决策树、遗传算法、近邻算法等。对数据挖掘的应用前景进行了展望。     

一个新的数据挖掘模型与算法

提出一个新的数据挖掘结构ＦＰ＿tree及相应的构造算法。基于ＦＰ＿tree之上的挖掘算法及相关的性质与引理也相应给出,最后给出了本算法与以往算法的性能评价。     

目前数据挖掘算法的评价

首先讨论了数据挖掘算法的评价标准问题,然后运用数据封装分析的方法评价了目前的分类算法,基于实验结果,对目前的关联规则挖掘算法进行了评价。     

数据挖掘发展研究

1 引言世纪之交,人类面临着新的问题:不缺数据缺知识。随着数据库技术的成熟和数据应用的普及,人类积累的数据量正以指数速度增长。例如,Wal Mart公司每天要处理二千万个事务;美国航天局1999年发射的地球观测系统每小时要产生50Gb的图像数据等。毫无疑问,这些庞大的数据库及其中的海量数据是极其丰富的信息源,但是仅仅依靠传统的数据检索机制和统     

基于粗糙集的属性约简在数据挖掘中的应用研究

属性约简是粗糙集理论知识获取中的关键问题之一。先利用差别矩阵求得核属性,再利用属性的重要度作为启发式去求约简,可取得合理的属性组合,避免了基于代数方法与基于信息熵方法的复杂运算。最后通过实例分析验证了算法的有效性与可行性。     

一种基于粗糙集的多层次、逐步求精的发掘算法

数据量的巨大和高维、用户交互与先验知识的利用等等是KDD（数据库中知识发现与数据发掘）面对的问题和难点,该文针对这些问题提出了一种基于概念普遍化和粗糙集的多层次、逐步求精的发掘算法CRCG。该算法利用概念普遍化和粗糙集对数据进行压缩和维数精简的特长,达到高效发掘感兴趣模式的目的。     

基于数据仓库的高效关联规则的挖掘

提出在基于数据仓库的关联规则发现中生成最小关联规则集来代替完全关联规则集,最小关联规则集必须具备两个条件：（1）最小关联规则集是最小、最简单的关联规则集合;（2）最小关联规则集与完全关联规则集有相同的置信度。通过最小关联规则集,可以有效地剪除弱关联规则,大幅度减少候选频繁项目集,从而提高规则发现效率。是后,在传统经典算法Apriori基础上设计了一个相应的高效算法。     

区间值属性决策表的数据挖掘

Data mining in incomplete information systems is a hard problem but inevitable in uncertain decision. In thispaper ,an extended rough set model based on dominance relation is combined with fuzzy set theory for data mining ininterval valued decision table ,then decision rules can be obtained from the decision table. Simulation results show that the method is effective.     

模糊决策表的数据挖掘

论文利用基于优势-等价关系的扩展粗糙集模型,结合三角模糊数基于可能度的序关系,给出了一种模糊决策表的数据挖掘方法,该方法能有效地挖掘出决策系统的决策规则。实验分析表明了该方法的有效性。     

基于数据挖掘的中医药数据预处理方法

中药文化的地区差异带来了中医药数据的众多不确定性，为解决基于数据挖掘的新药研制决策支持系统的数据问题，提出了一套规范原始中医药数据的处理方法。应用了数据归约技术、聚类的方法、模糊集理论改进了中医药数据的质量，使得在预处理后的中药方剂数据库中成功挖掘出重要规则，为研制中药新药提供了有力的决策支持。     

一种基于属性集重心的多概念层数据采掘方法

文章在属性测度空间和有序分割类概念基础上,仿照力学上的重心概念,定义了属性集的重心及属性重心的高阶中心矩,将属性集重心和多概念层次生成相结合,提出了一种基于属性集重心的多概念层的数据采掘算法,特别是属性集重心概念的引入,极大地方便了人们对属性数据的采掘,提高了数据采掘结果的可信度,符合人们思维推理的习惯。并以年龄概念为例,表明了这种方法直观、切实可行。     

基于数据挖掘的模块评估法

提出了将数据挖掘应用于软件工程学中,数据挖掘是一个涉及多领域的交叉学科,它拥有许多成熟的技术。其中,模糊聚类法就是数据挖掘的核心技术之一。在对大量的软件工程数据进行挖掘处理后,经过λ水平截集,将相似的模块聚为一类,作为模块评估的基础,从中得出有价值的知识模式,用于指导软件工程实践。     

The Research of Wind Turbine Fault Diagnoses Based on Data Mining

Wind turbine is the key equipments of the wind farm, the distribution area is wide, and the working condition is poor, in the event of failure, caused by the loss and consequences are incalculable. Therefore, in order to ensure the safe and stable operation, it is necessary to research the fault diagnosis for the wind turbine. As the wind turbine produces vast amounts of data in the daily monitoring process, these data imply a large number of potential rules, and meet the necessary conditions for data mining. So the authors can use data mining technology to diagnose potential faults. This paper introduces methods and process of data mining and the rough set technology in wind turbine fault diagnosis applications, finally an example is analyzed to verify.     

一种基于模糊集的时间序列挖掘算法的设计与实现

针对商业销售的智能分析需求,文章提出了一种基于模糊集合的数据挖掘时间序列模式算法。该算法已得到有效的应用,对企业的经营决策有一定的参考价值。