粗糙集理论在步战车故障诊断专家系统中知识自动获取的应用

根据粗糙集理论,实现步战车故障诊断专家系统知识自动获取。首先根据历史故障数据建立决策表,利用粗糙集数据挖掘算法对决策表进行属性约简,对得到的决策表消除冗余,再利用属性值约简算法对决策表进行属性值约简,最后得到决策规则。知识库由条件表、结论表和事实表组成,保存在Access2003中。把条件属性保存到知识库的条件表中,把决策属性保存到知识库的结论表中,这样就很方便的建立了知识库。     

基于知识地图的隐性知识获取系统的设计

提出了一种多页式的知识地图,并深入研究了基于多页式知识地图的隐性知识获取问题.而且还本着以用户为中心的思想,实现了一个基于知识地图的可视化知识获取系统,提高了隐性知识获取的效率,并较好地实现了知识的共享与传播.     

基于知识转移的高校学生知识获取模型研究

通过分析高等教育的现状,提出以知识管理的理论和方法为指导培养创新型复合人才;以知识转移理论为依据,给出了学生作为知识接受者的知识获取的方法和模型。     

无线网络自动优化模型的知识获取

给出了移动通信无线网络自动优化系统的体系结构,提出了一种知识获取,即利用贝 叶斯概率模型构建无线网络自动优化模型的方法和过程。理论分析表明,该方法是可行的。 对于当前和未来移动通信无线网络自动优化的实现,该方法具有一定的理论指导意义和 实际应用价值。     

文本理解,知识获取及自动文摘系统研究与实现

本系统模拟人的理解，知识获取认知过程，利用全信息词典，有效地组织语言学适应的背景知识。采用语法语义语用一体化分析方法，实现了计算机病毒类文章的理解和自动文摘。 时，该系统将该类领域的任一篇文章转换为计算机内的一个知识框架实体，故它又可作为计算机病毒领域知识自动获取系统。     

网际网上的知识获取

网际网（Internet）目前是一个巨大的、分布广泛的和全球性的信息服务中心，人们越来越多地使用它来查找数据和知识。同时也出现了大量各种基于网页的搜索算法。根据网页数据半结构化的特点，文章基于数据挖掘领域的半结构化数据模型，由此模型提出了一种新的网际网上的知识搜索算法。     

基于神经网络算法的知识获取分析

人的思维大致可分为三种思维方式:抽象思维、形象思维和顿悟思维。抽象思维是将人的感官认知符号,进行有效地提纯、整合最后的出结论的过程。这一过程的程序是在人脑的组合下完成的。换做计算机就可视为是一连串的指令、运算和执行过程。形象思维就是讲感官认识进行存储。顿悟思维就将瞬间获得的想法进行分析、组合指导大脑将这种瞬间的灵感转化成实际行动的过程。而他们的三种思维都是要通过神经元来完成的。并且分布到神经元的网络组织上。而本文就是针对这一理论来简析神经网络算法的知识获取。     

一个基于符号神经网络的知识获取系统

本文提出了一种基于符号神经网络的知识获取方法，该方法首先用传统的机器学习方法获取关于某领域的粗略知识，然后把这些知识映射到神经网络结构。     

基于本体的数学知识获取与知识继承机制研究

基于本体、框架和逻辑给出了数学知识表示语言，采用了面向概念的数学知识获取方法，利用半自动的方式对数学知识进行了获取。提出了知识树的概念用于所获得的知识的管理，设计并实现了数学知识获取和管理平台。研究了数学概念知识体系结构以及概念之间的知识继承机制，并对知识继承的一致性进行了分析。在数学知识的应用方面，对基于Web的数学知识问答系统、数学智能教学系统、数学知识的多语言版本自动生成等进行了初步的探讨。     

带传动设计CAD软件的研究与实现

在系统研究机械设计CAD软件特点的基础上,提出了带传动设计CAD软件的目标模型,并对具体的实现方法进行了探讨,作者以WINDOWS环境下带传动设计CAD软件的研制,并将对开发过程进行总结,同时提出进一步的发展方向和展望。     

故障诊断教学专家系统的知识处理

本文通过对人工智能知识系统的研究．运用知识工程的原理．系统地讨论了故障诊断教学专家系统中知识处理．即知识的表示、知识的获取、知识的管理．针对故障诊断教学专家系统的特点，提出了一个知识处理模型。     

专家系统开发工具的知识表示及结构

专家系统开发工具ESDT-HKD是一种通用的知识工程语言，具有良好的知识表示结构、开发环境和使用环境，采用规则 框架 黑板作为系统的知识结构。详细地介绍它的知识描述结构及组织形式。     

基于粒计算的增量式知识获取方法

该文在研究粒计算理论的基础上,提出了一种基于粒计算的增量式知识获取方法。该方法通过建立决策信息系统原始的知识粒树,对新增数据,在原始知识粒树中查找相匹配的知识粒,并依据决策值更新知识粒树,实现快速高效地处理动态信息系统。算法分析及实验对比结果表明,该方法在动态信息系统知识获取方面优于RGAGC和ID4方法。     

连续值属性决策表中的知识获取方法

 提出了一种从连续值属性决策表中获取知识的方法KACVA(Knowledge Acquisition from decision tables containing Continuous-Valued Attributes).该方法将经典粗糙集理论对数据空间的等价划分转换为相似划分,把传统粗糙集理论中正域的表示方法扩充到连续值属性决策表中;通过计算连续值属性决策表中各条件聚类对决策类的分类能力,生成决策规则.不同数据集的实验测试结果表明:对连续值属性决策表中的知识获取,KACVA方法与传统的粗糙集相关知识获取方法及C4.5决策树分类方法相比,有更高的分类准确率.