批量增量规则获取算法

以规则库为切入点,提出一个决策规则的批量增量更新算法。为所有新增对象建立一个等价类表,将原有规则库与等价类表进行高效匹配,根据新对象的不同匹配类型分别进行规则更新。该算法既适用于完备数据也适用于不完备数据,且只需访问2遍规则库就可以实现规则更新。理论分析和UCI数据上的比较实验结果都表明该方法优于传统方法。     

不相容决策系统中的规则提取方法研究

现有规则提取方法大多数只能在相容决策系统中提取规则,并且提取出的规则冗余度高、用户不易理解。针对该问题,提出一种基于对象集覆盖的规则提取方法,利用粗糙集理论将对象集划分为相应的等价类,根据属性特征值的一致性程度和相似程度产生有效性规则,通过等价类划分和对象集覆盖解决不相容决策系统的规则提取问题。算例分析结果表明,该方法提取出的规则简单可靠,具有较好的鲁棒性。     

数据挖掘中的模糊聚类实现技术

提出了一种利用模糊集理论进行聚类的技术，详细阐述了在关系数据库中利用此技术实现聚类的方法和过程，并给出了程序流程和程序实现；经过聚类后的数据对象，既可以从中获取分类知识和信息，也可以为下一步的关联规则挖掘提供低噪声的数据源。     

基于对象立方体结构的类描述规则挖掘

在类描述规则中,特征规则用于描述目标类中对象的特征,区分规则用于区分一个类及其对比类。研究基于对象立方体结构的类描述规则表示及其发现方法。通过实验验证该方法的可行性,得到用高层概念表示的类描述规则,该规则有助于用户对特定类进行识别。     

概念格上规则提取的一般算法与渐进式算法

许多研究表明概念格是数据分析与规则提取的一种有效工具。本文首先提出一种在对象与描述符数目较多、概念聚类具有一定规模条件下,在已建造好的概念格上有效地提取规则的算法。这种方法主要依据格结点的直接泛化来产生相应无冗余规则,然后改进了一种渐进式更新概念格与相应Ｈａｓｓｅ图的算法,并将之应用于渐进式提取规则。目前,这些方法已用于我们所开发的数据库知识发现工具原型系统中。     

面向对象程序的类信息的抽取规则

通过计算机自动实现对程序的理解是目前国内外研究的热点内容。以面向对象程序为研究对象,提出了一种从面向对象程序中抽取类信息的规则,利用该规则可以将程序中的类以及其它程序信息抽取出来,并以UML类图形式表示出来,进而为计算机自动实现对程序的理解奠定基础。在本文中描述了产生UML类图中的各类规则,包括了类、属性、操作、对象、关系、继承、关联和接口等。最后介绍了该规则的一个应用实例。     

基于密度峰值优化的谱聚类算法

针对经典谱聚类算法无法自适应确定聚类数目、以及在处理大数据量的聚类问题时效率不高的问题,本文提出了一种基于密度峰值优化的谱聚类算法。该方法首先计算数据对象的局部密度,以及每个数据对象与较其他数据对象的最小距离,并依据一定的规则自适应产生初始聚类中心,确定聚类数目。其次,使用Nystr?m抽样来降低特征分解的计算复杂度以达到提高谱聚类算法的效率。实验结果表明,本文方法能够准确地得到聚类数目,并且有效提高聚类的准确率和效率。     

由神经网络提取规则的一种方法及其应用

提出一种由预处理和规则提取两阶段组成的方法从神经网络中提取规则，预处理阶段包含有动态修正、聚类和删枝３部分。动态修正是自动生成或由初始规则集构造出全联接或非全联接网络初步拓扑结构；聚类和删枝分别删截掉不重要或多余的隐含节点和联接，从而可以得到最简洁和规模小的拓扑结构，成为提取规则的基础，提出了规则提取算法并用于已删截好的网络提取规则。该方法应用于美国ＡＤ报告中气象云图的数据，提取出规则集，经过测试     

HLA中对象模型模板向关系表映射方法研究

分析了对象模型模板的原理,提出了对象模型模板向关系模型映射的规则,重点分析了对象类结构表和对象类属性表的映射方法.     

从源程序中获取可重用构件—对象和类

软件重用被广泛地认为是提高软件生产率和质量的关键。面向对象方法中的对象类是一种很好的可重用构件形式。为了快速获取和积累可重用构件，本文研究从源程序中获取对象类的问题，提出了一套较完整的从命令式语言程序中获取对象类的方法和规则。该方法能够从被分析的软件中提取尽可能多的可重用性较好的大粒度和小粒度的对象类。     

基于数据挖掘的非单调问题的缺省规则框架

提出一个求缺省规则的框架,通过合并条件属性所决定的类,生成组合类,可以构造覆盖更多对象的规则,生成从这些组合类映射到占优决策的规则。结果规则比确定规则至少具有两个重要的优点:(1)结构上简单;(2)即使规则相对训练集可能不完全,但是当处理未见的新事例时将表现得更好。系统对未来对象的分类质量,将在很大程度上依据系统一般化知识的能力。     

基于业务行为与业务对象约束的业务规则研究

研究了一类基于业务行为与业务对象约束的业务规则。从业务需求的复杂业务规则出发，探讨了这类复杂业务规则的含义，以及业务行为和业务对象、业务约束的关系。在此基础上，对此类业务规则提出了一种形式化描述。提出了此类业务规则驱动的面向对象建模方法。实例表明，该方法较好地解决了由于类之间关系改变使得应用程序频繁变化的问题。     

遗传算法在数量型关联规则提取中的应用

关系数据库中数量属性的关联规则挖掘问题是关联规则挖掘中经常要遇到的问题。该文利用遗传算法解决FCM模糊聚类问题主要是为了避免FCM算法的局部极小问题。利用聚类的结果可以使数量型属性关联规则转换成类别型属性,类别型属性再转化为布尔型属性,这样,即可以使用许多已有关联规则挖掘方法挖掘出有意义的规则。     

基于决策规则的形式背景属性约简*

在经典形式背景中,利用对象和属性间的二元关系定义一对粗糙模糊上、下近似算子,讨论算子的基本性质,指出算子与已有粗糙近似算子的关系.利用定义的粗糙模糊上、下近似算子,得到两类决策规则,即确定性决策规则和可能性决策规则.针对两类决策规则,提出下近似约简和上近似约简的概念,关于上近似约简,得到可约属性和属性协调集的判别条件,给出属性约简方法,并举例说明方法的可行性.     

工程图对象识别规则自动获取方法的研究

分析了工程图中工程对象的构图特点，设计了适用于识别的对象特征组结构．提出了通过抽取对象特征组、由特征组自动生成识别规则的方法．提出了在识别系统中加入对象特征抽取以及识别规则自动生成与调整功能使识别系统能方便地适应新图例从而提高适应能力的方法．该方法已应用于一个建筑工程图自动分析软件并取得了较好的效果．     

粗集理论中基于规则及其参数的分类识别

粗集理论的提出为获取if...then...形式的规则提供了重要方法,但是现有的方法一般没有考虑决策表中属性的权重信息。此外,在利用规则进行分类识别时,还可能用到其他方面的信息,如导出规则的等价类、规则前件的长度等。因此,笔者从规则的支持量、精度、适用度、权重、导出规则的等价类和前件长度几个参数对一条规则进行全面描述。利用规则及其参数,提出了几种分类识别的策略。     

一种改进的量化关联规则算法在零售业中的应用

以超市的量化属性为研究对象,提出一种基于模糊聚类和减类聚类的量化关联规则算法.该算法基本思想是把模糊聚类技术融入到离散化过程中,使数据离散到合理的区间,再利用经典的布尔关联规则挖掘算法Apriori进行挖掘.实验证明,这种方法能够有效挖掘量化关联规则,提高交叉销售的可能性.     

最小闭树特征集的聚类与分类方法

提出一种基于最小闭树特征集的聚类与分类方法,有效地解决了在实际应用中因数据量大而无法聚类与分类的问题。其基本思想为：以最小闭树特征集作为候选聚类与分类特征,采用动态阈值按相似度聚类,使得树聚类快速而精确;提出树分类规则等级概念,并应用于树分类方法中,能迅速预测未知的树结构。实验结果表明,在树节点数较多或数据量大时,新方法有效可行,且与类其他方法相比效率有显著提高。     

PID控制器参数的优化整定方法

针对存在临界点的A类被控对象及不存在临界点的B类被控对象,分别采用其-180?和-120?相位点的频率和增益提出了PID (Proportional-integral-derivative)控制器参数的优化整定方法.基于Tchebyshev多项式和分数阶积分器求取被控对象-180?或-120?相位点的频率和增益,建立其积分滞后模型.采用负载扰动下跟踪误差平方和(Sum of squares of tracking errors, SSE)最小作为优化指标,使闭环系统具有强的鲁棒性的最大灵敏度和最大补灵敏度为约束方程,针对两类被控对象,分别建立了基于-180?和-120?相位点频率和增益的PID控制器比例、积分与微分三个参数的优化整定规则.通过与其他常用PID控制方法的仿真与物理对比实验,表明所提方法的优越性.     

调整模糊控制规则的规则表旋转法

提出了用规则表旋转法修改控制规则的方法. 模糊控制器通常是基于专家经验或对象模型而设计的. 无论模糊模型或是经验都是粗糙和不能令人满意的. 提出的方法可以通过旋转规则表来调整原始的规则. 仿真结果说明, 这个方法是一种在模糊控制系统中有效调整规则的方法.