基于蚁群算法的分类规则挖掘算法

提出了一种基于蚁群算法的分类规则挖掘算法。算法实质上是一种序列覆盖算法:蚁群搜索一个规则,移去它覆盖的样例,再重复这一过程,从而得到共同覆盖样例的一组规则。针对蚁群算法计算时间长的缺点,提出了一种变异算子。对两个公用数据的实验及其与C4.5和Ant-Miner的对比表明,算法能够发现更好的分类规则,包括预测能力更强,有更少规则的规则集,以及形式更简单的规则。实验同时显示变异算子有效节省了计算时间。     

一种基于回归分析的空间划分方法

针对子空间连通性约束情况下空间对象的局部回归分析问题,本文提出基于最小拟合误差平方和准则的空间划分方法,从一个空间的初始划分开始,按照拟合误差平方和下降的原则调整子空间边界,获得新的空间划分和对应的回归模型,不断迭代直到准则函数收敛。     

面向应用领域的知识发现系统开发平台KDIST

介绍了一个面向应用领域的知识发现系统开发平台KDIST。将数据挖掘技术巧妙地封装在应用领域的问题中,使开发出的知识发现系统操作傻瓜化,用户无须关心数据挖掘本身,有效地减轻了领域用户使用负担,提高了数据挖掘技术实用性。所开发出的知识发现系统将挖掘得到的知识融合到已有专家系统的知识库中。两个实例系统的应用证明知识发现系统是专家系统自动半自动知识获取和知识库精化的良好工具。     

一种用于空间对象属性预测的空间广义线性回归模型

泛Kriging和广义线性回归模型是空间对象属性值预测最常用的方法,两种模型各有侧重.本文结合这两种模型的优点,并针对实际问题将两种模型合并,形成新的空间广义线性回归模型,并通过混合模型进行参数估计.实验表明,采用空间广义线性回归预测模型能获得更高的预测精度.     

加权模糊规则系统研究

本文讨论了基于遗传算法的模糊规则系统,设计了一种加权模糊规则系统,使用遗传算法来学习模糊集隶属函数的位置和形状参数,规则集,包括规则的数目,以及规则的权重.使用Iris数据检验了算法,得到了满意的结果.实验显示,与无权重模糊规则相比,有权重模糊规则能够形成更好的模糊系统.     

一种对二维空间对象进行聚类的算法

地理信息系统存储了大量的二维空间对象,对这些对象进行聚类分析是数据挖掘的一项重要任务.本文提出一种针对二维空间对象的聚类算法.该算法引用层次聚类方法的思想,将子聚类信息用一个聚类特征表示.采用基于密度的方法,发现任意形状的簇,能较好地处理孤立点,并且支持增量式聚类.实验证明该算法是有效的.     

一种通过动态聚类训练椭圆形模糊分类器的方法

研究了椭圆形模糊分类器的训练问题 .首先从分类器的结构入手 ,分析异类训练样本形成的椭圆相互重叠时 ,两种原因引起样本被误分 ,由此提出两种动态聚类的方案来增加新的分类规则 ,并且采用基于实数编码的遗传算法训练椭圆 .将提出的训练方法应用于实例 ,并与其它训练方法比较 ,结果表明提出的方法在椭圆重叠复杂时更有效     

基于模糊聚类的模糊关联规则挖掘

通过模糊聚类，从已知数据中得到数据点对数据类的隶属度，并以此进行模糊关联规则的挖掘，从而使得模糊关联规则的发现不依赖于人类专家预先给出的隶属度函数；并且实验表明。聚类并没有带来显著的顿外计算时间，对于大型数据库，文章提出的方法是有效的。     

一个多形式的知识库管理系统XFKBMS/V1.0

提出了一个多形式的知识库管理系统 XFKBMS/ V1 .0 .XFKBMS/ V1 .0在采用面向对象的“知识体·对象块·构件”知识表示方法的基础上 ,向用户提供了三种知识库管理环境 :基于 DBMS的数据库格式知识获取 &编辑环境 ;基于图的可视化知识获取 &编辑环境 ;基于知识库描述性语言的文本格式知识获取 &编辑环境 .这三种环境相互感应 .用户可以从一种环境切换到另一种环境 ,继续知识的获取 &编辑 .用户可以以自己熟悉的方式工作 ,大大提高了知识获取和编辑的效率     

基于最小拟合误差平方和准则的空间聚类

在一些回归分析问题中，数据来自于空间对象的非空间属性．许多问题中不用考虑空间属性，而直接分析非空间属性．如果在整个问题空间中，对象空间差异较大，需要将空间对象划分为若干子空间，子空间对应的局域回归模型，可以减小空间差异性的影响．针对子空间连通性约束情况下空间对象的局域回归分析问题，提出基于最小拟合误差平方和准则的空间划分方法，从一个空间的初始划分开始，按照拟合误差平方和下降的原则调整子空间边界，获得新的空间划分和对应的回归模型，不断迭代直到准则函数收敛．