PHVB：基于GEP的一阶谓词逻辑规则挖掘算法

为了有效挖掘一阶谓词逻辑规则,提出了一种基于基因表达式编程(GEP)技术的挖掘算法:PHVB算法.提出了规范一阶谓词规则概念;设计了量词隐含、变元绑定策略,将一阶谓词规则挖掘问题转化为GEP算法能够解决的形式;提出了基于GEP的一阶谓词逻辑规则挖掘算法PHVB算法.实验结果表明,采用PHVB算法可以有效发现一阶谓词关联规则.     

基于多基准属性概化的知识归纳

在分析基本面向属性归纳算法不足的基础上,针对中药方剂数据挖掘的特征提出基于面向关联属性概化层次的优化技术及算法。根据中医理论为各关联的维度创建概化层次及概念树,利用关联属性阈值与多基准属性阈值的相关性以提高归纳概化的效率和发现知识的准确率。实现面向关联属性归纳的中药方剂知识发现分析系统。通过实验验证了新算法的有效性,在相同条件下较传统算法的效率提高了27%以上。新系统能更快发现符合中医理论的领域知识和规则。     

基于干预规则挖掘因果关系与分段干预事件及对比不等式

为揭示亚复杂系统(SCS)在干预下的特殊行为,提出了对比不等式概念,提出并实现了分段干预规则的挖掘算法;通过在亚复杂系统中施加扰动式干预并分析其动力学效应,提出并实现了基于扰动因果关系挖掘算法。在真实数据上的实验表明,分段干预规则发现了传统挖掘方法难以发现的新干预事件,因果挖掘算法发现了传统方法难以发现的因果关系。     

干预规则挖掘的任务分类和三项技术进展

介绍了亚复杂系统中干预规则的基本概念和挖掘方法,提出了干预规则挖掘技术的分类准则,综述了三项干预规则挖掘技术的最新进展,包括疾病状态干预技术、基于数据流的未知干预发现技术和基于并行事件序列的干预规则挖掘。在实践基础上分析了干预规则挖掘的难点,展望了进一步的研究工作。     

准确高效的动态干预决策发现

干预决策是数据挖掘领域关注的重要问题,致力于评价干预措施对干预目标的影响或发现满足干预目标的最优干预措施,而朴素干预规则模型简单,无法精确表达干预知识,且效率较差。在模型设计中引入了马尔科夫链,提出了干预过程动态模型,设计并实现了基于干预力度的动态精确干预评价体系。在中国出生缺陷数据集上的实验表明,该方法可比较精确地发现干预规则。     

无表达式树的基因表达

传统基因表达式编程（GEP）进行基因表达时,动态生成释放大量表达式树（ET）,成为GEP的性能瓶颈。提出基于Scale的基因表达算法解决此问题。Scale是一个约束线性表。由于Scale支持一次创建,永久使用,而无须更多维护。所以把基因表达至Scale中避免了ET的动态生成和释放。实验结果表明,在多数情况中,基于Scale的基因表达较基于ET的基因表达快6~10 倍。     

基因的无树评估(英文)

传统基于表达式树ET的基因评估从性能角度讲主要缺点是:重复遍历表达式树和进行大量重复计算。提出基于Scale的基因评估。变量矩阵用来避免基因评估中的重复计算。实验表明,在绝大多数数据分布下和参数选择情况下:基于Scale的基因评估较基于ET的基因评估快3～5倍。     

中国出生缺陷数据挖掘系统HealthyBaby

在国家"十一五"科技支撑计划"出生缺陷干预效果评价系统"和国家自然科学基金"亚复杂系统中干预规则挖掘"支持下,中国出生缺陷数据挖掘系统HealthyBaby的测试版本已经在具有30年数据的全国出生缺陷数据仓库运行.介绍并演示HealthyBaby特色技术,包括中国出生缺陷数据仓库的列存储方式,可视化的OLAP查询,出生缺陷地理信息分析BD-GIS技术,面向出生缺陷数据的关联、分类、聚类知识发现,干预规则挖掘,亚复杂系统等.     

在不确定数据集上挖掘优化的概率干预策略

提出了不确定干预分析模型,主要工作包括:(1)建立了用于多维不确定数据分析的不确定监测点模型(uncertain surveillance);(2)建立了基于不确定监测点的不确定干预策略及挖掘评价算法;(3)在真实数据及仿真数据上对所提出的两种算法作了大量实验比较,验证了所提出的干预策略评价优化算法具有较高精度,效率比朴素方法高出3个数量级,适合在实际系统中处理海量干预评价.     

基于显露模式的出生缺陷判别算法

出生缺陷是目前世界各国关注的公共卫生问题,采用数据挖掘技术提高出生缺陷的诊断水平是当前数字医学的热点研究方向。为此,提出了适合出生缺陷特征提取的两种显露模式：有缺陷相比于无缺陷的显露模式和无缺陷相比于有缺陷的显露模式。将新模式与决策树C4.5算法结合,实现了基于显露模式的出生缺陷判别(BDD-EP)算法。实验结果表明BDD-EP算法判别准确率高达90.1%,判别正常类的F度量值为93.9%,判别缺陷类的F度量值为74.1%,均高于其他几种著名的分类算法的判别效果。