模糊数据挖掘

本文在数据库中知识发现（KDD）和数据挖掘（DM）技术的基础上,提出了模糊数据库中知识发现（KDFD）和模糊数据挖掘（FDM）的概念与技术,并给出FDM的算法,它能有效地挖掘出模糊数据库中潜在的有价值的知识。本文具体讨论了模糊关联规则及模糊数据依赖的挖掘。     

一种模糊专家数据库数据模型

本文提出了一种能处理模糊知识的专家数据库数据模型。详细介绍了其模糊知识表示，模糊关系代数及不精确推理的实现策略。     

模糊聚类分析在KDD中的应用研究

应用模糊聚类算法确定关键条件属性集，探索教师教学质量评估数据库中评估等级同评估项目之间的规则知识。     

一种基于知识的多层概念化数据查询方法

近年来,越来越多的数据库查询研究工作开始致力于对模糊查询条件的概念化处理,称之为概念化查询.运用基于知识的数据查询方法可以实现这类查询,基本的方法是根据领域知识将用户的模糊概念转换成标准的SQL语句,实现概念化查询.但是,如果查询条件中包含了更高层次及多层次的模糊概念,则其概念转换非常复杂,查询的效率将受到严重影响.为了提高多层次数据查询的效率,以村镇住宅建筑产品查询为例,提出一种基于知识的多层概念化数据查询方法.首先需要建立描述模糊概念的知识库;然后,生成多层次的概念化数据,在概念化数据上实现基于知识库的多层数据查询处理.并采用人工数据集进行了实验分析,实验结果表明,在高层和多层概念化查询中,本文提出的方法与基本的方法相比查询效率至少提高40%.基于知识的多层概念化查询将为我国村镇住宅建筑产品查询提供高效的处理手段,能够满足不同知识水平用户的查询需求,具有较高的实用价值.     

基于参考点的模糊知识表示

本文分析了模糊关系模型的知识表示途径，并由此提出基于参考点的模糊知识表示，分析了它与人类记忆经验性知识的相信性，并证明模糊关系模型能以任意精度逼近具有有限个极值点的有界连续函数。     

数据库中发现知识的方法

本文介绍了从数据库中发现知识的含义，讨论了ＫＤＤ中发现知识的基本方法。     

一种模糊知识处理模型

本文介绍一种基于模糊子集理论的知识处理模型ＦＫＰＭ，它适用于专家系统、管理信息系统中模糊信息的处理。本文主要讨论ＦＫＰＭ的模糊知识的表达和模糊推理方法。     

故障仿真预测系统的知识处理

在对某装备故障仿真预测知识分析的基础上，利用模糊数学理论导出了模糊推理运算规则，研究了模糊知识的表示形式和实现方法。此种方法已成功的应用在反后坐装置故障模糊预测系统中。     

炼焦中模糊专家系统的研究

由于在炼焦过程中涉及到大量的模糊性知识，本文将动态模糊技术引入炼焦中的专家系统，探讨了模糊知识的动态表述、模式匹配，并给出了专家系统的具体实现形式。     

关系数据库中的模糊知识发现

本文提出用部分量词和模糊谓词来表示模糊知识这一方法，在简要介绍数据抽象这一关系数据库中知识发现的方法后，详细描述了该方法中对模糊性问题的处理方法．     

一种测试数据挖掘算法的数据源生成方法

随着数字时代的来监,数据挖掘成为知识领域中的研究热点,但由于保密、数据多样性等问题,测试数据源的获得取一直困扰着数据挖掘算法的研究,为此,提出一种基于云模型的测试数据源生成方法,利用此方法,给出了数量型数据的生成算法,对范畴型数据的生成进行了讨论,由于云模型中随机性与模糊性和特点,各属性的数据之间除了包含已知的先验知识以外,数据的分布、各属性之间的关系也会存在一定的随机和模糊,使得构造的数据源中又     

用于机器人信息融合的RS智能系统

粗集理论是一种处理不精确知识的数学工具.该文提出了一种将粗集理论与人工神经 网络、模糊聚类结合起来的信息融合方法,用于装配机器人的工件识别与分类.实验结果表明, 该方法在优选属性、分类正确率方面具有优越性.     

基于小波理论的数据挖掘方法研究

小波理论在信号处理、图象处理、模式识别、计算机礼堂、多传感器信息融合等方面呈现出强劲的发展势头,数据挖掘能从大量的、不完全的、有噪声的、非稳定的、模糊的和随机的数据中,提取人们事先不知道的但又是潜在有用的信息和知识,本文基于国内外的最新研究成果,对小波理论和数据挖掘技术进行了研究,提出了基于小波理论的数据挖掘方法,并通过实验进行了可行性验证,从而为契约技术的广泛应用提供了依据。     

动态模糊数据模型研究

动态模糊数据在我们的研究对象中普遍存在，基于此，文中给出了动态模糊数据模型。该模型的建立，为人们用计算机处理这类数据提供了理论依据。     

MEASUREMENT OF POSSIBILISTIC HISTOGRAMS FROM INTERVAL DATA

Abstract

Measurement methods are a central requirement for the semantic grounding of any mathematical systems theory. Therefore possibility theory, as a branch of General Information Theory (git), requires objective measurement methods to extend its agenda and applications beyond the fuzzy theory from which it emerged. General measuring devices, when defined on intervals of R, yield empirical random intervals which, when consistent, yield possibility distributions as their plausibilistic traces. These empirical possibility distributions are called possibilistic histograms, and are fuzzy intervals. Their continuous approximations, even for very small sample sizes, yield the the standard fuzzy interval forms commonly used in fuzzy system applications.     

基于语义贴近度的模糊数据依赖

本文基于语义贴近度的概念给出了模糊函数依赖（ＦＦＤ）、模糊多值依赖（ＦＭＶＤ）和模型联接依赖（ＦＪＤ）的定义。本文得到一组类似于Ａｒｍｓｔｒｏｎｇ公理的正确、完备的ＦＦＤ和ＦＭＶＤ的推理规则。进一步，我们证明了经典数据依赖满足模糊数据依赖的定义，ＦＦＤ是ＦＭＶＤ的特例，而ＦＭＶＤ又是ＦＪＤ的特例。     

A PSO-BASED METHOD FOR EXTRACTING FUZZY RULES DIRECTLY FROM NUMERICAL DATA

In this paper, a PSO-based method is proposed for automatically constructing a fuzzy system with an appropriate number of rules to approach the identified system. In the PSO-based method, each individual in the population is constructed to determine the number of fuzzy rules and the premise part of the fuzzy system, and then the recursive least-squares method is used to determine the consequent part of the fuzzy system constructed by the corresponding individual. Consequently, an individual corresponds to a fuzzy system. Subsequently, a fitness function is defined to guide the searching procedure to select an appropriate fuzzy system with the desired performance. Finally, two identification problems of nonlinear systems are utilized to illustrate the effectiveness of the proposed method for fuzzy modeling.     

GENERATING FUZZY RULES FROM TRAINING DATA CONTAINING NOISE FOR HANDLING CLASSIFICATION PROBLEMS

It is obvious that one of the important tasks in a fuzzy system is to find a set of rules to deal with a specific classification problem. In recent years, many researchers focused on the research topic of generating fuzzy rules from training data for handling classification problems. In a previous paper, we presented an algorithm to construct membership functions and to generate fuzzy rules from training examples. In this paper, we extend that work to propose a new algorithm to generate fuzzy rules from training data containing noise to deal with classification problems. The proposed algorithm gets a higher classification accuracy rate and generates fewer fuzzy rules and fewer input attributes in the antecedent portions of the generated fuzzy rules.