Web文本挖掘系统及聚类分析算法

给出了Web文本挖掘系统WTMS的系统总体结构图，开发并实现了基于SOM的Web文档层次聚类算法。同时结合现代远程教育背景实现了Web文本挖掘的原型系统。该系统可以对各类远程教育站点上收集的文本资料信息自动进行聚类挖掘，从而帮助人们快速进行文本信息导航，获取重要的知识。     

非工程领域中的TRIZ

TRIZ是研究人类进行发明创造,解决技术问题过程中所遵循的科学原理和法则,目前已经成为国外研究者们研究的热点。为使我国各行各业的工作者了解TRIZ理论,论文对TRIZ的基本概念、组成和主要方法与工具进行了介绍,并在此基础上通过实例提出了TRIZ在非工程领域中的应用。最后对TRIZ当前研究的重点和方向进行了讨论。     

关于“一种信息系统求核的新方法”的注记

指出文献[3]的定理2中对核的理解是不正确的。在此基础上,讨论了信息系统中不同属性约简下核的定义。证明了在协调信息系统下基于代数观的属性约简中的核与基于差别矩阵的属性约简中的核的等价性;同时还证明了,在一般信息系统中基于代数观的属性约简中的核是基于差别矩阵的属性约简中的核的子集。     

关于KDD的一类开放系统KDD的研究

On the basis of KDD(Knowledge Discovery based on Database),the paper proposes the general framework of the open KDD system－KDD*, discusses its theoretical foundation and realization of its key technology－double base cooperating mechanism. The result of initial illustration shows that the structure of KDD' is effective and available.     

基于模糊状态描述的不确定因果归纳自动推理机制

文中提出基于模糊语言场和模糊语言结构的知识表示新型框架,并提出能够综合处理模糊不确定性与随机不确定性的广义细胞自动机和广义归纳逻辑因果模型。在此基础上,又提出基于模糊状态描述的新型不确定因果归纳自动推理机制,并讨论其在智能控制器研制中的应用。     

混沌神经网络在求解优化问题中的应用

本文运用GCM混沌神经网络对Hopfield神经网络在求解优化方面的问题进行了改进。通过混沌遍历,可使Hopfield网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值。通过对一个对弈的实例进行实验,结果显示Hopfield网络的寻优特性获得了较大改进。     

基于马尔可夫逻辑网的联合推理开放信息抽取

在自然语言处理的几个子任务上,传统的方法都是分而治之,例如分词、句法分析、命名实体识别、实体关系识别等。但是,孤立地分析和处理这些子任务会丢失一些彼此之间的内在联系,而这些子任务之间的内在联系往往会对每个子任务有很大帮助。所以,有人提出用联合集成式的模型,从整体上解决这些问题。但是,这些模型都只针对特定领域内的数据进行处理,还未能对开放式的信息进行处理。因此,提出了基于马尔可夫逻辑网的联合推理模型来处理开放式信息抽取(Open IE)。经过大量的实验证明,该模型的执行效率明显高于传统的模型。同时,该模型的适应性更好。     

基于高阶逻辑的复杂结构归纳学习研究

归纳学习的目的在于发现样例与离散的类之间的映射关系,样例及归纳的映射都需用某个形式化语言描述.归纳学习器采用的形式化语言经历了属性-值语言、一阶逻辑、类型化的高阶逻辑三个阶段,后者能克服前二者在知识表达及学习过程中的很多缺点.本文首先阐述了基于高阶逻辑的复杂结构归纳学习产生的历史背景;其次介绍了基于高阶逻辑的编程语言--Escher的知识描述形式及目前已提出的三种学习方法;复杂结构的归纳学习在机器学习领域的应用及如何解决一些现实问题的讨论随后给出; 最后分析了复杂结构归纳学习的研究所面临的挑战性问题.     

知识发现在农业生产中的应用研究

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。     

朴素贝叶斯分类器一阶扩展的注记

众多研究者致力于将朴素贝叶斯方法与原有的ILP系统结合,形成各种各样的多关系朴素贝叶斯分类器(MRNBC).该文提出形成朴素贝叶斯分类器的一阶扩展的一般方法.现实中关系数据库广泛存在,可以直接作用于数据库表,而无须转换表示形式的MRNBC则是研究的重点,该方法主要基于关系数据库理论,分析了进行一阶扩展的关键问题.