不完备决策表的差别矩阵属性约简算法

给出一个差别矩阵的属性约简定义,证明该属性约简的定义与广义决策属性约简的定义是等价的,对差别矩阵进行了有效的压缩。在此基础上,为求出不完备决策表的属性约简,设计了一个基于该差别矩阵的不完备决策表属性约简算法,其时间复杂度为O(|C|2|U|2),最后用实例说明了该算法的有效性。     

KDD中双库协同机制的研究（Ⅱ）

在"KDD中双库协同机制的研究(Ⅰ)"的理论基础上,实现了对知识库的简约并实现了双库协同机制的两个协调器,从而建立了由KDD融入双库协同机制的新结构模型--KDD*,这是一个在结构和功能上相对于KDD而言的开放的、优化的扩体。基于双库协同机制与KDD*,提出了挖掘关联规则和聚类规则的新算法,充分体现了内在机理研究对主流发展的影响,开辟了一条全新的研究方向与路径。     

模糊归纳逻辑初探

本文论述关于模糊归纳逻辑中的两类重要问题:一是模糊因果联系;二是模糊归纳推理(完全的与不完全的),兼论与此相关的渐近推理。     

快速求正区域的渐增式方法研究

正区域是粗糙集理论中的核心概念之一,提高计算正区域算法的效率对于其相关算法的效率有重要的影响。本文提出了一种求正区域的渐增式方法,它能有效地去掉求正区域算法中的一些冗余运算,其计算正区域的时间复杂度为,替换掉该算法的一部分将得到一个属性约简算法,它是高效而往往能满足用户需求的,比较适用于大型数据集。理论结果和实验表明,该方法确实能高效地计算出正区域。     

基于用户评价的查询串与搜索结果特征权重计算

提出了利用大量用户评价结果来进行特征权重的计算方法，用于解决搜索引擎中查询串与搜索结果的相似度分析。该方法完全利用用户对搜索结果的“潜在评价”来进行。用户对输入查询串所做的点击反映了其内部的关联性，该文提出的方法可获取这种关联性，对该问题建立了数学模型，利用EM算法解决了特征权重的计算。由于模型的函数比较复杂，难于计算其收敛性，因此，使用了模拟退火算法作为EM算法的补充，用于验证算法的收敛性。实验使用百度搜索引擎在竞价广告上进行，提取的测试数据样本为100个广告和144 132个query，获得的数据结果显示，所有特征收敛到全局最优解，抽样部分数据获得检索相似准确率为93.32%，召回率为87.43%。     

差别矩阵属性约简的信息观解释

常见的属性约简定义有三种，即基于代数观的属性约简，基于信息观的属性约简和基于HU差别矩阵的属性约简。已有文献证明这三种属性约简彼此之间不等价。王国胤教授定义了一种新的决策表信息熵计算方法，在此方法基础上给出了粗糙集理论代数观的一种新的信息观解释。最近有学者提出了一种基于新信息熵的属性约简。经深入研究，我们证明了该属性约简与基于HU差别矩阵的属性约简是等价的，从而给出了基于HU差别矩阵的属性约简的信息观解释。     

基于小波和支持向量机的多尺度时间序列预测

介绍了相空间重构和基于支持向量机的时间序列预测建模技术,提出了基于小波和支持向量机的复杂时间序列预测方法,利用小波对复杂时间序列进行多尺度分解,对重构后的近似序列和细节序列分别利用支持向量机进行回归预测并将结果融合。对股票数据进行预测,试验结果表明该方法预测精度高于单尺度支持向量机和神经网络预测方法,可用于复杂非平稳时间序列的预测。     

动态数据挖掘过程中矛盾性知识的研究

目前知识发现领域中前沿的、棘手的但又是亟待解决的问题之一就是有关矛盾性知识的问题。本文在积累多年来对知识发现内在机理研究成果的基础上,进一步探求在动态大系统的知识发现过程中,矛盾性知识的概念模型及其突变规律,对当前主流的发展、解决KDD所面临的若干难题和挑战将具有一定的理论意义和实际意义。