基于Skowron差别矩阵属性约简的矩阵表示

针对目前基于Skowron差别矩阵的属性约简中缺少矩阵表示的问题,定义一种新的矩阵,并给出基于新矩阵的属性约简定义,证明该定义与基于Skowron差别矩阵的属性约简等价。以矩阵为基础,定义属性的重要性,设计一个基于Skowron差别矩阵的属性约简算法,实例证明了算法的有效性。     

一种改进的基于正区域的决策树算法

首先分析了基于正区域、基于粗糙边界和基于依赖度的属性选择标准的关系,并证明了这三种属性选择标准彼此等价.然后以正区域的属性选择标准为代表,分析了、基于正区域的决策树生成算法的优点和不足.针对这些不足,给出了一种新的属性选择标准,即基于伴随正区域的属性选择标准.用新的属性选择标准生成的决策树一般具有叶子数目较少,叶子的平均深度也较小,且叶子具有较强的泛化能力.最后,用一实例说明了新的属性选择标准的优越性.     

一种基于决策表的快速属性约简矩阵算法

针对目前基于决策表的属性约简矩阵算法效率不理想的情况,首先引入了简化决策表的概念,有效剔除了决策表中大量重复冗余的对象,并给出了正区域模型下简化矩阵的构造,从而有效地缩小了求解属性约简的搜索空间;然后从理论上详细分析了基于简化矩阵的属性约简与基于正区域的属性约简是一致的,并给出了一种有效的属性重要性度量方法.为此,在简化矩阵的基础上设出了一种快速的属性约简矩阵算法,最后通过实例分析和实验对比说明了算法的有效性和可行性.     

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。     

HICAI系统中基于信息熵的自学习算法

本文针对现有CAI系统的弊病，在分析人的认知心理的基础上，将人工智能与超媒体技术相结合，应用知识表示、推理规则、推理机制等技术，构建了HICAI系统模型，并且提出了基于信息熵的系统自学习算法，使系统更加适应于学习者．     

图像挖掘技术研究

对目前图像挖掘的研究及应用现状进行综述,首先阐明图像数据的特点及图像挖掘的主要问题,随后分析了图像的表示模型、图像挖掘的框架模型,介绍了图像挖掘的主要技术,最后对图像挖掘应用和未来研究方向进行展望。     

基于布尔矩阵表示的粗集属性约简启发式算法

属性约简是粗糙集理论研究中的核心内容之一，现已证明寻找最小约简是NP-hard问题。该文对信息系统中属性的条件区分能力给出定义。在此基础上，提出了一种基于条件区分能力的属性约简的启发式算法。通过实例分析表明，在多数情况下该算法能够得到信息系统的最小约简。     

概率逻辑模型与学习研究进展

近年来，概率逻辑学习研究取得了很大进展，已经提出各种不同的形式化方法和学习方法，包括概率关系模（PRMs）、贝叶斯逻辑程序（BLPs）、逻辑贝叶斯网络（LBNs）和随机逻辑程序（SLPs）等。文章重点介绍了贝叶斯网络与一阶逻辑的结合，并以PRMs、BLPs和LBNs为例，描述了基于贝叶斯网络的概率逻辑模型（PLMs）的知识表示方法，给出了此类PLMs一般使用的参数估计方法和结构学习方法，并给出了建议的研究方向。     

基于Web挖掘与IIPP技术融合的IDSS研究

随着Internet的迅猛发展,面对信息的海量增长,本文分析了传统的智能决策支持系统,并简述了Web挖掘及其分类,结合智能信息推拉技术,提出了将Web挖掘与智能信息推拉技术融合的IDSS 的研究.     

面向复杂系统的知识发现过程模型KD(D&K)及其应用

为适应复杂系统的知识发现的需要,在双库协同机制及其诱导的KDD*过程模型,双基融合机制及其诱导的KDK*过程模型的基础上,借鉴协同原理,提出了将KDD*与KDK*有机地融合在一起的、双库协同机制与双基融合机制协同工作的知识发现过程模型KD(D&K);描述了KD(D&K)的总体流程、动态知识库系统及其特征;并在农业施肥和植保领域的应用过程中得到验证.