用语言云模型发掘关联规则

该文提出用语言云模型用于KDD中知识表达和不确定性处理,引入了多维云模型作为一维模型的扩展.语言云的数字特征量将语言值的模糊性和随机性用统一的方式巧妙地综合到一起,基于云模型的概念层次结构可以跨越定量和定性知识之间的鸿沟.为了发现强关联规则,属性值要在较高的概念层上泛化,同时允许相邻属性值或语言项间有重叠.这种软划分可以模仿人类的思想,使发现的知识具有稳健性.将基于云模型的泛化方法与Apriori算法结合起来,从空间数据库中发掘关联规则.试验显示了其有效性、高效性和灵活性.     

从空间数据库发现聚类：一种基于数学形态学的算法

聚类算法能从空间数据库中直接发现一些有意义的聚类结构而不需要背景知识，是空间数据发掘和知识发现的重要手段。在分析已有聚类算法的基础上，提出了一种基于数学形态学的聚类算法，该算法能够处理任意形状的聚类，采用启发式方法自动确定最优聚类数。同时，该算法也可以在矢量型空间数据库中得到实现。试验表明算法是可行和有效的，且能处理存在噪音的数据。     

基于联邦滤波的航迹推算方法研究

由于传统的基于IMU/里程仪组合的航迹推算系统受地形起伏及其打滑影响较大,影响了探测车导航系统的精度和稳健性,为了提高探测车导航系统的定位精度和稳健性,提出了一种基于联邦滤波的IMU/里程仪组合导航方法,该方法充分利用IMU提供的信息,在原航迹推算的方法上增加一个滤波器,将IMU的比力输出作为观测量进行滤波,并建立联邦组合导航系统的数学模型实现最优融合;从而提高了探测车导航系统的定位精度;最后地下矿道实验证明该方法能有效提高移动平台导航定位结果的精度和稳健性。     

用探测性的归纳学习方法从空间数据库发现知识

将探测性数据分析,面向属性的归纳和Ｒｏｕｇｈ集方法结合起来,形成了一种灵活通用的探测性归纳米学习方法ＥＩＬ,可以从空间数据库中发现普遍知识,属性依赖,分类知识等多种知识,同时提出了和总结了多种生成空间数据库概念层次结构的方法用于归纳学习,用中国分省农业统计数据的发掘试验说明了ＥＩＬ的可行性和有效性。     

云理论及其在空间数据发掘和知识发现中的应用

云理论是以研究定性定量间的不生转换为基础的系统处理不确定性问题的一新理论,包括云模型,虚云,云运算,云变换,不确定性推理等内容,云理论为数据发掘和知识发现中的许多基础性关键问题提供了新的解决方法,如概念和知识表达,定性定量转换,概念的综合与分解,从数据中生成概念和概念层次结构等。