发现广义序贯模式的增量式更新技术

提出一种称为FAST的增量式更新技术,以处理因最低支持的改变而引起的广义序贯模式的维护问题.其主要思想是再次利用在对旧的最低支持度进行处理时所获得的结果.     

在大型数据库中多层序贯模式的发现

在数据库中现发知识ＫＤＤ是当今国际人工智能和数据库研究的新兴序贯模式是其中的重要研究课之一。     

发现序贯模式的增量式更新技术

本文提出一种称为ＦＡＳＴ的增量式更新技术，以处理因最低支持的改变而引起的序贯模式的维护问题。其主要思想是再次利用在对旧的最低支持度进行处理时所获得的信息。     

序贯模式的一种高效挖掘算法

序贯模式是时间相关数据库中存在的一种十分有用的知识模式,其发掘方法的研究有着十分重要的意义,本文给出了一种挖掘数据库中序贯模式的算法,通过认真地研究了挖掘过程中的中间及结果数据的存储结构,从而大大地减少了对数据库的扫描遍数,提高了算法的效率。     

大型数据库中多层关联规则的元模式制导发现

本文将元查询制导技术与多层关联规则发现技术结合起来，提出了发现多层关联规则的自顶向下逐层递进风格的元模式制导方法．元模式是一个预先确定待发现规则的形式的规则模板，从而可引导数据的发掘过程．     

一种高效的挖掘序贯模式的算法

本文给出了一种挖掘数据库中序贯模式的算法,通过认真地研究了挖掘过程中的中间及结果数据的存储结构,大大地减少了对数据库的扫描遍数,提高了算法的效率。     

基于决策粗糙集的广义序贯三支决策方法

三支决策是求解动态不确定性问题的有效方法之一。相比传统的二支决策,序贯三支决策方法在信息不充分或证据不足时能有效平衡决策结果代价和过程代价。在研究多层次的粒结构、多选择的处理对象和多样化的代价结构的基础上,提出了一种基于决策粗糙集的广义序贯三支决策模型。该模型在每一层都考虑了7种不同的对象处理方式。最后,通过实验对比分析了该模型中7种方法的效率和性能。     

数据库中混沌模式的发现和预测

在社会和自然现象中存在着大量的混沌模式,相应地,在用 来表示这些现象的数据库中同样也存在着混沌模式.一般在KDD中,混沌模式经常出现在确定 模式与纯噪声关系之间,表现出很大的随机性,因此都将其作为随机噪声关系而忽略.该文通 过使用J.Zytkow的基于统计分析的Forty-Niner方法说明了这一点.通过对混沌模式的分析, 提出了一种混沌模式发现的网络方法.该方法不仅能判断数据库中是否存在混沌模式,而且能 有效地描述和预测该混沌模式.另外,该算法非常适合处理大型数据库,在当今活跃的KDD研究 领域中具有广泛的应用前景.     

一种在数据库中发现偏离模式的线性算法

偏离检测在是数据库发现知识的一种重要的启发式方法。     

一种基于时间窗口的关系数据库中挖掘序贯模式的算法

序贯模式是数据挖掘领域的重要研究课题之一.鉴于目前国内外在此方面的研究主要是集中在对交易数据的分析处理上,而从数据挖掘本身的角度考虑,交易数据库与常用的关系数据库两者之间却存在着很大的差异,这就要求新的挖掘算法与之相适应.本文针对如何从一般关系数据库中进行序贯模式的知识发现问题做了初步的研究和探讨,并在此基础上形成了一种基于时间窗口的序贯模式挖掘算法TW_SP.     

关系数据库中的知识发现研究

本文提出了一种关系数据库中的知识发规模型;介绍了相关的机器学习、关系数据库、模糊学和统计学等技术;分析了现有的一些系统;最后,讨论了进一步研究的问题。     

ESTIMATING DBLEARN'S POTENTIAL FOR KNOWLEDGE DISCOVERY IN DATABASES

We propose a procedure for estimating DBLEARN's potential for knowledge discovery, given a relational database and concept hierarchies. This procedure is most useful for evaluating alternative concept hierarchies for the same database. The DBLEARN knowledge discovery program uses an attribute-oriented inductive-inference method to discover potentially significant high-level relationships in a database. A concept forest, with at most one concept hierarchy for each attribute, defines the possible generalizations that DBLEARN can make for a database. The potential for discovery in a database is estimated by examining the complexity of the corresponding concept forest. Two heuristic measures are defined based on the number, depth, and height of the interior nodes. Higher values for these measures indicate more complex concept forests and arguably more potential for discovery. Experimental results using a variety of concept forests and four commercial databases show that in practice both measures permit quite reliable decisions to be made; thus, the simplest may be most appropriate.     

基于关联规则的空间数据知识发现及实现

空间数据挖掘就是从空间数据库中抽取隐含知识、空间关系及空间数据库中存储的其它模式的方法。空间关联规则是空间数据挖掘的一个重要表现形式,利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。本文在分析空间关联规则的基础上,用基于关联规则的逐步求精挖掘算法,得出空间数据库中的知识,通过实例证明其方法的可行性。     

序列模式挖掘的一种渐进算法

序列模式挖掘是数据挖掘中最重要的研究课题之一,基于时序相关数据的序列模式挖掘有其自身的特色。作者提出一种渐进式序列模式挖掘算法ＩＭＳＰ,目的是在数据库变化不大时,能够利用前次的结果,加速本次挖掘过程。     

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．     

Web日志序列模式挖掘

从Ｗｅｂ日志中挖掘出的序列模式可以用于改善Ｗｅｂ信息服务。本文分析了Ｗｅｂ日志序列列模式挖掘过程中的一些难点及相应的解决方案,并在此基础上设计了一个Ｗｅｂ日志序列模式挖掘工具ＳＰＭｉｎｅｒ。     

事件序列中的知识发现研究

事件的序列是数据的一种常见形式,其中的知识发现问题是近年来ＫＤＤ的一个活跃的研究领域。本文首先给出了事件序列中知识发现问题的形式描述和框架算法,然后讨论了数据库中发现大序列的问题,具体描述了发现数据库中大序列的算法。