智能系统开发中的软件重用

自从软件重用的概念提出以来，软件重用技术在应用系统，特别在大型系统的开发中发挥了极其重要的作用。新一代知识工程也要求采用软件重用技术来支持和促进大型智能系统的开发、运行和维护。     

基于表示本体论的智能系统开发

知识建模，知识共享和综合集成是近年来研究的开发智能系统的新技术，但三者各自仅是一个层次的技术，不能形成经有力的方法论。本文提出基于表示本体论的智能系统开发方法ＯＭＳＩ，其以知识表示的本体论为贯穿线索和共同基础，把这三个层次的技术紧密综合在一起，支持     

LMS Imagine.Lab AMESim Rev 10新功能

LMS Imagine.Lab AMESim是一个完整的一维系统级仿真平台,支持对多领域智能系统进行建模和分析,并预测其多学科专业耦合性能.模型中的元件通过代表系统中的液压、气动、电和机械性能的解析模型来描述.     

分布式传感器网络系统故障预测方法

针对分布式传感器网络很难采用一种通用方法来实现算法简单的故障预测问题,提出了一种基于知识发现的故障预测方法。该方法首先建立了时间信息的数学描述系统,以实现基于因果指数的知识发现;然后,利用因果关系的知识推理机制,实现分布式传感器网络系统的故障预测。通过对瓦斯抽放监控系统的故障预测实验,证明该方法能准确预测分布式传感器网络系统故障,具有算法简单、实用高效的优点。     

基于知识的人力资源智能系统的研究

利用神经网络、人工智能及决策技术等理论对人力资源智能系统进行了研究，提出一种基于知识的人力资源智能系统(IHRMS)的体系结构，对系统功能进行了深入的分析，以基于神经网络的组织责献度权重模型及职业生涯管理的知识推理模型为例示重点对系统模型的构造与算法的实现作了探讨，其目的旨在使该智能系统能满足组织在不同发展时期的人力资源战略管理要求，进行自学习、自组织，从而为决策者提供决策支持功能，提升组织的人力资源管理效能。     

商业智能在连锁企业进销存管理中的应用研究

商业智能的应用能够对企业中具有价值的数字信息进行知识转化,并且提供合理和准确的决策支持信息给企业管理者。文中在连锁企业进销存管理系统OLTP数据库的基础上,构建了一个商业智能系统。文中还通过对需求预测和库存管理模型的研究,提出了一种前驱性需求预测锁门店订货管理模型,从而使系统可以为连锁企业提供连锁门店进销存管理决策支持,利用该系统管理者能够及时获得反映连锁门店的销售、库存以及采购订货数据,从而提供重要的依据给连锁企业的经营决策。     

基于OOP的一种分布式多任务智能系统的实现

作者在Ｎｏｖｅｌｌ４８６微机局部网络上，采用面向对象的程序设计方法（Ｏｂｊｅｃｔ Ｏｒｉｅｎｔｅｄ Ｐｒｏｇｒａｍｍｉｎｇ），用Ｃ＋＋语言编程实现了一种以知识处理为基础的分布式多任务智能系统，该系统在ＮｅｔｗｅｒｃＶ３．１及ＤＯＳ６．２２和ＵＣＤＯＳ５．０支持下模拟运行表明，系统所采用的知识表示方法、推理机制和控制策略可有效地进行协作问题的救解，有广阔和应用前景。     

商业智能在连锁企业进销存管理中的应用研究

商业智能的应用能够对企业中具有价值的数字信息进行知识转化,并且提供合理和准确的决策支持信息给企业管理者.文中在连锁企业进销存管理系统OLTP数据库的基础上,构建了一个商业智能系统.文中还通过对需求预测和库存管理模型的研究,提出了一种前驱性需求预测锁门店订货管理模型,从而使系统可以为连锁企业提供连锁门店进销存管理决策支持,利用该系统管理者能够及时获得反映连锁门店的销售、库存以及采购订货数据,从而提供重要的依据给连锁企业的经营决策.     

PROPS：一个实用的智能CAD系统辅助工具

将智能系统与已有(传统)CAD系统相结合,从而使CAD系统智能化,是当前实现智能CAD系统的一条迅速、有效的途径。本文介绍我们设计并实现的智能CAD系统辅助工具PROPS,该系统能将用户编写的智能系统程序编译为容易与已有CAD系统(代码)相结合的C语言代码,并向用户提供丰富的接口命令以调试智能系统、跟踪推理过程,是一个实用的智能CAD系统辅助工具。     

空间数据挖掘及其与智能系统的集成框架

空间数据挖掘是指从空间数据库中抽取隐含的知识、空间关系和非显式地存储在空间数据库 中有意义的特征或模式.它在遥感、地理信息系统、医疗影像、信息融合系统等领域具有广 阔的应用前景,因此日渐受到关注和重视.本文从知识发现、认知科学与智能系统交叉结合的 角度,提出了基于数据库和知识库双库协同机制的空间数据挖掘模型,并系统地介绍了从空间 数据库中可发现的知识类型及挖掘方法,然后提出了基于空间数据挖掘的新型智能系统总体 框架和系统开发基本原则,最后探讨了空间数据挖掘的发展方向.     

基于Agent的知识发现模型的设计

ＫＤＤ（ｔｈｅ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅ）模型的研究是数据挖掘领域中的一个重要分支,现有的一些模型各有其优势,但又不是完美的,尤其在智能性方面都表现得较差。文章设计了一个基于Ａｇｅｎｔ的智能数据挖掘系统,利用多智能体技术实现了信息的收集、预处理、查询、知识的自动提取、数据挖掘等功能,使整个挖掘过程实现了知识性、智能性,它可以为智能信息系统提供必要的支持。     

Knowledge discovery techniques for predicting country investment risk

This paper presents the insights gained from applying knowledge discovery in databases (KDD) processes for the purpose of developing intelligent models, used to classify a country's investing risk based on a variety of factors. Inferential data mining techniques, like C5.0, as well as intelligent learning techniques, like neural networks, were applied to a dataset of 52 countries. The dataset included 27 variables (economic, stock market performance/risk and regulatory efficiencies) on 52 countries, whose investing risk category was assessed in a Wall Street Journal survey of international experts. The results of applying KDD techniques to the dataset are promising, and successfully classified most countries as compared to the experts' classifications. Implementation details, results, and future plans are also presented.     

基于Multi-agent技术的知识发现新模型KDD的设计

KDD模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD的智能性,文章设计了一个基于Multi-agent技术的智能数据挖掘系统。利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能,为智能信息系统的发展提供了重要支持。     

数据挖掘和知识发现方法研究

摘 归纳了最新的数据挖掘和知识发现方法的理论和应用进展,详细总结了研究和应用的一些关键技术,最后对数据挖掘和知识发现将来的理论发展趋势和应用趋势做出了展望。     

基于网络环境的分布式KDD及Data Mining研究

本文针对ＫＤＤ的研究现状及其面临的挑战,主要讨论了基于网络环境下,面向多个站点机,多种数据库、多类数据源的分布式ＫＤＤ和Ｄａｔａ Ｍｉｎｉｎｇ的整体方案和实验系统模型,研究内容包括高效分布式开采算法,ＫＤＤ过程的无缝集成,ＫＤＤ中的知识表示、知识更新以及开采结果可视化的有效方法等。     

MFDM:开放式可视化知识发现平台的设计与实现

MFDM是一个开放的可视化知识发现平台。知识发现是一个复杂的过程,需要高效规范的工程管理。MFDM知识发现平台在形式化模型的基础上,提供了可视化过程建模,模型管理等功能。论文阐述了MFDM的思想和基于组件和面向对象技术的系统设计和实现方案。     

基于Hilbert空间理论的图像知识发现

最近几年，知识发现研究的进展很快。目前，在知识发现领域图像数据知识发现形成了新的研究热点。本文介绍了基于Hilbert空间理论的图像知识发现模型IMDFSSM，采用模式（定义为Hilbert空间中的矢量）来定量地表征图像数据的知识表示和参与知识发现过程。然后用图像挖掘系统作为实例进行了验证，结果表明该模型对于图像数据的知识发现过程具有指导性作用。     

KDD中的数据预处理技术──相关性分析

数据库中的知识发现（ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ,简称ＫＤＤ）是最近随着实际应用而发展起来的新兴计算机技术,广泛地用于智能处理系统和决策支持系统。伏而许多ＫＤＤ算法常常强调方法和模型,把方法和模型建立在理想的数据来源上。这样就和实际应用存在一定的差距。现实数据的性质通常并不是很理想。因此有必要通过数据预处理来缩小ＫＤＤ算法和实际应用之间的差距。该文提出了一种数据预处理方法──相关性分析：使数据的性质和ＫＤＤ的目标更紧密地相连,形成正确的、容易理解的数据,用于后续的ＫＤＤ分析。     

基于Web的数据采掘

本文论述了知识发现的数据采掘的概念以及所使用的技术，并分析了在ＩＮＴＥＲＮＥＴ进行数据采掘的特点和难点。