部分数据缺失环境下的知识发现方法

介绍了目前的不完全数据环境下的知识发现研究工作,分两个部分提出了一个不完全数据库中的知识发现方法.首先具体讨论了如何猜测丢失的数据,给出了基于距离的关联规则的定义及挖掘方法.然后在此基础上详细描述了一个不完全数据库中的知识发现算法,分析了算法的复杂度,并给出了相应的实验结果.最后,将所提方法与其他相关方法进行了比较.     

一种互联网信息智能搜索新方法

提出了一种互联网信息智能搜索新方法。该方法能够从组织结构和内容描述类似的同类网站中,准确有效搜索出隐藏于其内部的目标网页。为此它采用了将网页间相互关联特征与网页内容特征描述有机结合而形成的一种新的搜索知识表示方法。基于这种知识表示方法及其所表示的知识;该智能搜索方法不仅能够对风站中网页进行深度优先的智能搜索,而且还能够通过对其搜索过程和结果的自学习来获取更多更好的搜索知识。初步实验结果表明,这种智能搜索新方法在对同类型网站的目标网页搜索中具有很强的深度网页搜索能力。     

一种新的不确定推理方法

提出了一种基于认知结构的不确定推理方法:采用四值认知结构表达不确定知识,采用定义在认知结构上的双向认知推理结构来处理推理规则的不确定性.介绍的不确定推理方法可以包容精确的概率推理、容忍信息的不确定性、有效地避免推理规则之间的相互关系问题,并且使认知结构最简推理的计算复杂度与推理节点个数成线性关系.     

在数据库中发现具有时态约束的关联规则

目前,国际上的关联规则研究尚未考虑时间因素.然而,时间是现实世界的固有属性,许多现实 世界数据库都存在时态语义问题.该文考察称为有效时间的时态约束问题,提出了时间区间延 展与归并技术以及新的时态关联规则发现算法,从而进一步推广了关联规则的应用.     

用户自治性在软件Agent设计中的研究

软件Agent是计算机科学研究的热点领域并已成为现代软件系统的特征。随着软件Agent的发展,研究Agent设计的评价标准显得尤为重要。文中讨论了软件Agent的用户自治性标准,提出了用户自治性标准在Agent设计中的定义,探讨了Agent影响用户自治性的几个特征,并在此基础上提出了一个新的软件系统模型。     

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。     

一种基于泛化的在线分类规则挖掘算法

分类规则挖掘是数据挖掘中一项重要的挖掘任务,现存的分类算法对小数据集非常有效,但如果直接作用于大型的现实数据库,效率不能令人满意,研究了一种基于泛化的分类算法,能够对数据库进行直接的在线分类规则挖掘。     

可增量更新的关联规则挖掘算法

本文给出了一种新奇有效的增量式关联规则挖掘算法,以处理因事务数据库内容增加后相应关联规则的更新问题,该算法认真研究了关联规则挖掘过程中的数据存储的结构,充分利用以前挖掘的结果,从而大大减少了对数据的重复扫描,提高了数据挖掘算法的效率。     

一类递归逻辑程序的强构造学习

定义了一类强构造学习问题ＥＲＰ;探讨了以数据驱动方式提高强构造学习系统效率的途径,特别是学习系统的主动采样方式与系统性能的关系;给出了一个效率较高、输入条件基本实用的ＥＲＰ（１）学习算法,该算法原则上可推广到任意ｎ〉１的ＥＲＰ（ｎ）问题。．     

超文本协调分类器的性能研究

为了获得高效的超文本分类算法,提出了一种新的协调分类超文本算法,并将ｋ－ＮＮ,Ｂａｙｅｓ和文档相似性引入了超文本分类领域,且这对３种分类器的超的分类效果进行了实验比较,最终得出一个高效的超文本分类器,目前,该方法已应用于新开发的两个实验系统;智能搜索引擎系统ＷｅｂＳｅａｒｃｈ和智能软件助理ＷｅｂＳｏｆｔ。