一类基于认知心理特征的知识发现新模型

为克服数据挖掘过程中的"数据海量,算法复杂"的困扰,建立了两个用于在知识发现系统与过程中模拟认知心理特征的协调器--启发型协调器和维护型协调器,从而实现了系统自主地发现知识短缺和进行知识库的实时维护;创建了双库协同机制,它揭示了数据库与知识库在特定构造下,两个范畴间的等价关系(即结构对应定理);并将这两个协调器和双库协同机制融入经典的数据库中的知识发现(KDD)过程模型,诱导出新的知识发现过程模型--KDD和基于数据库和知识库双库数据挖掘(KD (D&K))过程模型,实现了"定向搜索"与"定向挖掘".最后通过实例验证了其有效性与先进性.     

数据库知识发现技术及发应用

随着社会信息化进程的飞程发展，各种应用数据库及存储数据量急剧增长，已远远超人类目前的分析和理解能力，因此如何从大量的数据中智能地、自动地提取出有价值的知识和信息的研究，即数据库知识发现KDD（Knowledge Discovery in Dafabase)具有十分重要的现实意义。     

数据挖掘与数据库知识发掘

介绍了数据库析近发展起来的数据挖掘（MD）和数据库发掘（KDD）技术，阐述了DM和KDD之间的区别和联系，综述了DM技术的常用方法，剖析了在处理DM问题时应注意的问题，并指出DM技术的优势和希望所在，最后对这两门交叉学科的发展提出了建议。     

基于粗集理论的Null值估算方法研究

在数据库管理系统中，空值（Null）在所有非主码属性中都可能出现。粗集数据分析不同于其它知识发现方法，特别大模型假设方法的一种方法。文章通过扩展粗集理论，研究了空值的估算方法。     

基于遗传算法的关联规则挖掘

数据挖掘是关联规则中一个重要的研究方向.对关联规则的数据挖掘和遗传算法进行概述,阐述关联规则数据挖掘的意义,提出一种采用改进型遗传算法的关联规则的提取算法,并从编码方法、适应度函数的构造和变异、选择、交叉算子设计方面进行讨论和分析,最后结合一个具体实例进行应用.实验证明这种算法是有效的.     

关系型数据库中关联规则挖掘与实现技术

在Apriori算法的基础上,根据强项集向下封闭的原理,结合改进的Apriori算法,对数据库表进行过程性缩减,最后采用关系型数据库的存储过程进行算法实现,从而提高运算效率.     

基于专家系统的学习目标规划系统

通过对专家系统的研究,利用已获知的专家经验建立学习目标规划系统,为考研同学提供有针对性的进度安排。可以有效解决考生备考期间迷茫、没有合理规划等问题,结合学校师资力量及众多考研培训机构,整理出较为准确的专家经验,将其运用到该系统中可以实现针对不同性格、执行力、记忆力的同学输出合理进度安排。     

薄宽带钢平整机支撑辊辊型设计

针对单机架四辊光整机生产薄宽镀锌板过程中的边浪、复合浪问题，进行了现场试验和理论研究。以二维变厚度有限元程序为辊型设计的工作平台，建立了四辊光整机辊系弹性变形有限元模型，提出了变接触支撑辊（VCL辊型）技术，并与不同工作辊辊型配套使用进行仿真计算。结果表明，VCL支撑辊辊型可以增加光整机板形控制能力，消除边浪并改善支撑辊轴向不均匀的磨损状态。     

A typical process route discovery method based on clustering analysis

A typical process route is a sample of planning the process route. It is a kind of the process planning knowledge. In order to discover the typical process route in the process planning database from the Computer Aided Process Planning (CAPP), Knowledge Discovery in Database (KDD) is applied. Process data selection, process data purge and process data transformation are employed to get optimized process data. The clustering analysis is adopted as the algorithm mining the typical process route. A mathematics model describing the process route was built by the data matrix. There are three similarities in process route clustering: the similarity between operations was measured by the Manhattan distance based on operation code; the similarity between process routes was calculated by the Euclidean distance and expressed as a dissimilarity matrix; the similarity between process route clusters was evaluated by the average distance based on the dissimilarity matrix. Then, the process route clusters were eventually merged by the agglomerative hierarchical clustering method. And the process routes clustering result was determined by the clustering granularity of process route. This method has been applied successfully to discovering the typical process route of a kind of axle sleeves. This project is supported by the National High-Tech. R&D Program for CIMS, China (Grant No. 2003AA411041).     

KDD2010比赛中基于Mahout协同过滤算法的应用研究

由于在线教育的迅猛发展,个性化教育应运而生,怎样在网络教育当中存储的海量用户数据提取反映用户学习能力水平与有助于提高用户学习水平的有价值信息特别关键,为此商业推荐领域广泛应用协同过滤推荐算法,以便将个性化推荐提供给用户使用者.本文通过在KDD2010比赛当中过滤技术作用发挥,有效结合教育数据挖掘,借助Apache Mahout的Taste组件各种方法,仿真建模教育数据,根据实施的实验反馈取得良好预测效果.