办公自动化系统中知识发现的研究

针对传统办公自动化系统只能处理公文数据,阐述了知识管理在办公自动化系统的作用,给出知识发现的体系模型,并对知识发现与提取的算法进行了研究,利用知识聚类与相似度的计算生成知识。     

数据库中知识发现与挖掘

本文对当今计算机科学中的热点研究问题－数据库中知识发现进行了全面的介绍。讨论了春与其它学科的关系,并介绍了数据库中知识发现的重要阶段－数据挖掘中的一些概念。     

基于数据挖掘的知识发现在MDSS中的应用研究

主要讨论基于数据挖掘技术的知识发现在军事决策支持系统中的应用,提出了基于数据挖掘的知识发现方法,建立了知识向量集的拓扑空间概念并提出了基于拓扑空间向量集的不确定性知识表示方法.     

网格知识发现服务架构的研究

网格知识发现是一种并行分布武的知识发现模式．克服了以数据挖掘为代表的传统知识发现技术的种种局限,将网格上分散分布的数据挖掘算法、工具、软件等整合起来,并将这些元素通过元数据进行组织形成一个高度集成的知识发现体系．笔者进行了网络知识发现的知识发现服务架构的研究,并将知识发现服务作为知识网格的一部分集成到网格知识环境中．     

基于数据仓库技术的决策支持系统中的知识发现

基于数据仓库技术的决策支持系统结构框呆，探讨了决策支持系统中知识发现的主要方法及关键技术，并进一步阐述了知识发现过程加应注意的几个问题以及知识发现的发展方向。     

数据库知识发现技术及发应用

随着社会信息化进程的飞程发展，各种应用数据库及存储数据量急剧增长，已远远超人类目前的分析和理解能力，因此如何从大量的数据中智能地、自动地提取出有价值的知识和信息的研究，即数据库知识发现KDD（Knowledge Discovery in Dafabase)具有十分重要的现实意义。     

知识发现在客户关系管理系统中的应用研究

首先结合知识发现的基本概念对知识发现技术在客户关系管理系统中的应用情况进行分析,然后围绕着客户交易和行为以及领域知识,提出了客户关系管理系统的客户知识发现的基本模式,并对这一模式中所涉及的相关知识发现技术进行了深入讨论．最后在这一模式下讨论了一种具体实现．     

基于知识的网格技术应用研究

知识网格作为知识管理的前沿技术,其实现模型和体系结构一直是研究的重点．笔者首先介绍了网格技术的应用和现状,然后讨论了知识网格所涉及的基础服务和知识发现服务层划分的问题,最后提出了知识网格应用和土木工程专业相结合的方向．     

基于数据仓库技术的决策支持系统中的知识发现

基于数据仓库技术的决策支持系统结构框架 ,探讨了决策支持系统中知识发现的主要方法及关键技术 ,并进一步阐述了知识发现过程中应注意的几个问题以及知识发现的发展方向     

基于模式语言的设计知识描述与发现方法研究

针对网络协同产品设计过程中知识表现形态的复杂性、多样性和不确定性特征,在对模式语言概念分析的基础上,应用信息论和模糊综合评价方法,提出一种基于模式语言方式设计知识描述方法与知识描述存储表结构,建立了基于模式语言的知识发现和知识综合模糊评价模型.以冲压模具的设计为例,验证了基于模式语言的设计知识描述和知识积累方法的可行性和实用性.     

ESKD-A New Structure of Expert System Based on Knowledge Discovery

A new structure of ESKD (expert system based on knowledge discovery system KD (D&K)) is first presented on the basis of KD (D&K)-a synthesized knowledge discovery system based on double-base (database and knowledge base) cooperating mechanism. With all new features, ESKD may form a new research direction and provide a great probability for solving the wealth of knowledge in the knowledge base. The general structural frame of ESKD and some sub-systems among ESKD have been described, and the dynamic knowledge base based on double-base cooperating mechanism has been emphased on. According to the result of demonstrative experi- ment, the structure of ESKD is effective and feasible.     

基于证据理论的知识发现分类算法

决策树方法是一种重要的可完成分类任务的知识发现技术 ,目的是通过构造一个分类模型 ,把数据库中的元组映射到给定类别中的某一个。决策树分类算法效率高且应用广泛 ,但是不能处理在决策树的构建和分类过程中的不确定数据。针对决策树分类算法的局限 ,利用证据理论是对概率论的扩展 ,将置信函数与概率的上下值相联系 ,可用于不确定数据的表达这个有力工具 ,把决策树分类技术扩展到含有不确定数据的环境中 ,提出了 D- S决策树分类算法。实验结果表明 D- S决策树分类算法能有效的对不确定数据进行分类。     

知识表示应用模型研究

作为当今社会的关键性资源,知识管理成为研究和应用人员普遍关注的问题.为了研究知识表示的数学理论基础,定义了一种知识表示模型,以库所、变迁和弧等组成的有色多元组集合表示知识库系统,单个知识对象由元组表示,运用替代变迁对知识进行层次化和结构化的系统表示,以城市给水管网设备系统为例说明该模型的应用.     

概率条件下基于双目标交替优化的知识表示模型

针对TransD模型参数多和实体两种表示间没有关联的问题,提出一种改进的知识表示模型PTransD。通过减少实体投影数,并对实体进行聚类来减少参数量,同时利用K-L(Kullback-Leibler)散度限制实体投影和对应实体类,使其概率分布相同。在模型训练时,对三元组损失和K-L损失交替优化,从类间距大的实体类中替换实体,提高负例质量。最后,在知识图谱数据集上进行三元组分类和链接预测实验。结果表明,该模型的性能在各项指标上均有明显提高,可以应用于知识图谱的完善和推理等。     

聚类分析技术与基因数据知识发现

聚类方法是面向基因数据库知识发现的主要手段之一。随着后基因时代的到来，巨量的基因数据向现有的聚类分析方法提出了严峻的挑战。就基因数据库知识发现的内容、聚类方法在基因数据分析中的应用和基因数据库的特征进行了分析与探讨，指出面向基因数据分析的聚类方法必须解决基因数据集巨量性、异构性、高维性等6个固有特征所产生的一系列问题。     

访问控制中基于粗糙集的授权规则知识发现

为实现访问控制中客体对主体预授权的准确和及时,针对基于信任的访问控制信任和权限的映射问题,将成功交互的实体授权信息作为用于知识发现的数据决策信息表,结合访问控制的授权规则,提出了一种基于粗糙集的授权规则知识发现方法,实现授权规则中的属性约简、知识决策规则的提取.最后,通过算例分析验证了基于粗糙集的授权规则知识发现方法的有效性.     

故障预测中基于模糊神经网络的规则发现方法

为分析和发现故障预测中表征网络运行状态的多指标和故障间的关联关系,提出了一种基于模糊神经网络的规则发现方法. 该方法利用模糊神经网络具有的学习能力和模糊推理能力,分析和发现网管系统中多指标和故障的关联关系,实现基于多指标的在线故障预测. 仿真实验结果表明,有效的参数初始化确定了算法收敛方向,从而加速了收敛速度;新方法能够准确预测故障的发生,并且优化了预测准确度、真正率、误判率等性能指标.