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。     

基于Multi-agent技术的Web文本挖掘模型及应用

介绍了一个基于Multi-agent技术的Web文本挖掘模型，该模型利用多智能体技术，将文本挖掘和多维文件分析技术结合起来实现了文档收集、预处理、分类、聚类等功能。最后给出了根据该模型设计和实现的某企业人才素质评价系统的实例，系统运行结果证明了模型的有效性和科学性。     

基于移动代理的分布式知识发现模型设计

KDD模型的研究是数据挖掘领域中的一个重要分支.在移动Agent技术被引进知识发现领域后,使得知识发现过程具有了智能性,但也存在着一些问题,例如:由于网络故障、服务设施故障、长时间停机等情况使得移动被破坏和失败.基于以上考虑,文章设计了一个基于移动Agent的分布式知识发现模型,利用一个暂存机制确保了移动Agent的可靠性.     

基于知识发现的实用智能系统总体结构模型

知识发现系统与实用智能系统的有机融合成为信息管理、辅助决策支持、智能预测支持等领域亟待解决的关键问题之一。该文将以系统的观点和方法，从哲学方法论的角度来审视和研究基于知识发现的实用智能系统(如专家系统、决策支持系统和预测系统)的总体结构模型，并在此基础上为形成统一的、完备的和具有认知自主性的实用智能系统提供指导依据。     

KDD：数据库中的知识发现

一引言 随着数据库技术的不断发展及数据库管理系统的广泛应用,数据库中存储的数据急剧增大。但目前数据库系统所能做到的只是对数据库中已有的数据进行存取,人们通过这些据所获得的信息量仅     

主动式KDD系统的设计与实现

介绍了一种主动式KDD系统的思想及其设计与实现。在建模挖掘的基础上主动推送信息，利用感知机模型对用户的反馈信息进行修正，逐步增强系统的推送信息的准确性，从而进一步提高KDD系统的智能性和自动性。     

KDD中知识评价的研究综述

在知识发现过程中,通过挖掘算法产生大量的模式,但是大多数用户对此不感兴趣。如何对它们进行评价,选取出用户感兴趣的和有用的知识成为至关重要的一环,故对知识评价的研究具有重要的意义。首先分析了评价过程与知识发现的结合方式;针对评价的综合度量标准（感兴趣度）,从客观性和主观性两个方面分别进行了介绍;并针对因果关联规则概述了我们提出的一种新的评价方法。     

基于Multi-agent的选课系统模型设计

选课系统是当代学校信息化教务管理的重要组成部分,但是传统系统有许多缺点和不足之处。该文在简单介绍了选课工作流程之后,用Multi-agent技术和思想设计了这个系统,提出了基于Multi-agent的选课系统的模型框架和结构设计,大大地提高了当代学校教务管理系统的高效性、智能性和高度集成,促进学校的信息化建设。     

一个基于语义相关性知识发现的模型与算法

办公自动化系统的发展方向是以知识管理为核心的办公自动化系统，知识发现、知识提取是其中重要的技术。基于语义相关性提出了一种知识发现的模型．并根据TextTiling算法给出了其实现方法。     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的。方法贝叶网络就是根据各个变量之间概率关系用图论方法建立的模型,本文概率统计图的贝叶斯规则应用于知识发现。建立图论模型进行数据挖掘,文章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

KDD中知识的自动评价系统

How to automatically evaluate the discovered knowledge is very important in KDD,but the research on this problem is very little. The paper gives one automatic system for evaluating the knowledge, and provides many solutions. First some relative concepts are described,and the construction of this system is given,and uses the case to prove it.     

基于Agent的个性化主动KDD系统

介绍一个用多Agent实现的主动式KDD系统的设计与实现。系统在建模的基础上挖掘知识,结合Agent技术和机器学习的方法,逐步建立出越来越符合用户兴趣的模型,并试图发现尽可能多的用户兴趣点。     

一种基于遗传算法的知识挖掘算法

数据挖掘是近年来数据库领域中出现的一个新兴研究热点。传统的数据挖掘是从大量数据中获取知识。该文基于遗传算法提出了一种新的知识获取方法－ＧＡＫＤＫ,通过对知识树的交叉交异操作,从现有规则中获取未发现的知识。     

基于知识发现的范例推理系统

1 引言范例推理(Case-Based Reasoning,CBR)是近十几年来人工智能中发展起来的区别于基于规则推理的一种推理模式,它是指借用旧的事例或经验来解决问题、评价解决方案、解释异常情况或理解新情况。CBR兴起的主要原因是传统的基于规则的系统存在诸多的缺点,如:在知识获取问题上存在困难,对于处理过的问题没有记忆而导致推理效率低下,不能有效地处理例外情况,整体性能较为脆弱等等,而CBR恰好能解决以上问题。     

多Agent信息系统知识发现研究

本文根据信息系统的定义,提出了采用集合方法描述的多Agent信息系统,研究了在多Agent交互中规则的形成过程.对规则表示和存储方法进行了研究.鉴于各Agent的规则可存储在数据库中,采用ID3算法对这些规则进行挖掘是可行的.对该方法用实例进行了验证.     

基于数据库的知识发现系统设计与实现

文章分析了知识发现和数据开采的关系及研究现状,针对数据开采面临的挑战,给出了参照ChristopherM．的KDD参考模型设计的基于数据库的知识发现系统的体系结构和多数据源数据获取的数据库接口设计。该系统能从多数据源获取数据或通过数据产生器产生数据,并能从这些数据中抽取信息,如能自动生成复合公式。     

基于知识发现的电力负荷预测模型

负荷预测是电力系统的一个传统研究问题。针对黑龙江省的气象和经济特点,提出了基于知识发现的负荷预测模型。首先通过传统的近大远小方法生成基本预测曲线,并根据从历史气象资料及负荷数据中提取的规则加以修正,生成最终预测曲线。该模型在黑龙江省电网公司得以应用,收到了较为理想的效果。