基于数据挖掘的知识发现在水电站优化调度中的应用研究

主要讨论基于数据挖掘技术的知识发现在水电调度系统中的应用，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。     

过程监控中数据挖掘与知识发现理论及应用

过程监控中数据挖掘和知识发现是近几年发展起来的新技术，目前仍处于起步阶段，显示了极大的应用前景。本文简要叙述了一般数据挖掘和知识发现的发展、现状及一般过程；从数据挖掘和知识发现方法、应用和理论技术三个方面概括了工业过程监控中的数据挖掘和知识发现；结合工业过程数据特点指出了过程监控数据挖掘和知识发现面临的挑战及今后的研究趋势。     

数据采掘与知识发现综述

来自应用、社会、经济等各方面的迫切需求，以及不断升温的研究兴趣，使知识发现和数据采掘成为目前一个不断发展的领域。本文介绍了知识发现和数据采掘技术的产生背景、基本任务、方法及其应用，同时还简要介绍了目前已有的成熟的KDD系统及其将来的发展。     

数据挖掘技术在农业数据中的有效应用

农业信息系统的建立和大量农业数据的增长,人工获取知识和分析数据变得越来越难,需要对数据进行自动分析并获取知识。KDD和数据挖掘技术在农业中得到应用,由于农业领域本身的特点,通常的数据挖掘技术得不到有效应用。该文提出了几种对农业数据库进行知识发现的有效方法,并将知识发现方法与信息系统紧密结合。     

面向应用领域的知识发现系统开发平台KDIST

介绍了一个面向应用领域的知识发现系统开发平台KDIST。将数据挖掘技术巧妙地封装在应用领域的问题中,使开发出的知识发现系统操作傻瓜化,用户无须关心数据挖掘本身,有效地减轻了领域用户使用负担,提高了数据挖掘技术实用性。所开发出的知识发现系统将挖掘得到的知识融合到已有专家系统的知识库中。两个实例系统的应用证明知识发现系统是专家系统自动半自动知识获取和知识库精化的良好工具。     

数据挖掘和知识发现方法研究

摘 归纳了最新的数据挖掘和知识发现方法的理论和应用进展,详细总结了研究和应用的一些关键技术,最后对数据挖掘和知识发现将来的理论发展趋势和应用趋势做出了展望。     

论知识发现与数据挖掘

知识发现和数据挖掘是空间数据获取、空间数据库、空间计算机以及网络通信、管理决策支持等技术发展到一定阶段的产物,作为一门新型的边缘学科,其汇聚了例如人工智能、数据库、模式识别等多种学科的研究成果。本文将简要介绍知识发现与挖掘技术的相关概念、过程及常用的技术方法,并介绍一下知识发现和数据挖掘的应用。     

知识发现状态空间模型及其在图像挖掘中的应用*

提出了知识发现状态空间统一模型,将结构化数据挖掘与复杂类型数据挖掘联系起来,成为知识发现领域的一种统一框架理论,为复杂类型数据挖掘提供理论指导,并给出了该模型在图像挖掘中的应用实例。     

数据挖掘方法与可视化

迄今为止,数据挖掘与知识发现软件的功能不再停留在“挖掘”这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程．即包括数据的预处理、数据挖掘、模型评估与可视化;在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化：本文着重讨论了数据挖掘的方法与可视化技术,最后提出了未来的研究方向。     

数据挖掘与知识发现综述

数据挖掘与知识发现是目前一种新的重要的研究领域。介绍了数据挖掘与知识发现的概念、功能、常用方法、数据挖掘过程及其广泛应用 ,阐述了数据挖掘技术的未来发展方向。     

面向工业领域的KDD技术及其应用前景

目前在工业现场中能很容易地获取大量的过程参数数据,而传统方法处理这些数据既费时又费力,在这些大量的未分析或待分析的数据中很有可能隐藏着有用的信息.KDD(数据库中的知识发现)旨在大量数据中发现有价值的信息.本文针对工业领域中数据信息的特点,介绍了KDD技术在工业领域的应用关键,并结合火力发电厂阐述了KDD在工业领域中的应用前景.     

基于影响空间的多维对象代数结构

介绍了OLAP模型,OLAP数据采掘的体系结构,指出它与决策支持系统之间的关系.描述了多维对象代数结构的基本概念及所涉及的计算.最后讨论了cube与影响域之间的联系与区别.     

关联规则发现:综述

围绕ＫＤＤ的一个重要发现任务──关联规则发现,介绍了这一领域基本概念、处理技术以及面临的问题。     

基于Multi-agent技术的知识发现新模型KDD的设计

KDD模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD的智能性,文章设计了一个基于Multi-agent技术的智能数据挖掘系统。利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能,为智能信息系统的发展提供了重要支持。     

面向多层应用的数据系统设计

在设计许多大型以数据为中心的系统时,往往只针对比较单一的具体应用。而随着网络共享技术、数据仓库技术的发展,对数据需求的类型也在不断增加,所以系统设计的要求也应随之改变。分层设计是一套行之有效的方法,该文通过一个实际的项目设计对此类问题作了实际说明。     

数据挖掘在XML的维修管理系统中的应用研究

数据挖掘(Data Mining,DM)技术是当前研究热点之一。本文根据维修管理系统利用XML(可扩展标记语言)的格式标记交换数据的特点,建立了数据挖掘系统模型,对数据结构和数据取样处理进行分析,最后利用决策树ID3修正算法,给出了数据挖掘的具体实现,通过项目验证了该数据挖掘模型在系统中的可行性。     

预测性模型中的一种数据挖掘算法

在数据挖掘中,预测性模型是一个重要的方面。文中提出一个基于N阶转移概率的数据挖掘规则。给出了基本模型和算法,并评估了该算法的复杂性和优缺点。根据该算法,结合序列树提出了一个改进算法。     

一种基于密度和网格的聚类算法在KDD中的应用

聚类是数据挖掘领域中的一个重要研究方向。文章主要讨论数据挖掘中一种基于密度和网格的聚类算法的设计思想,并进行了编程实现,同时给出该算法在KDD(KnowledgeDiscoveryinDatabase)中的应用。     

一种基于假说驱动的知识发现模型

介绍了一种新的KDD模型,和以往的数据驱动式KDD模型不同,并试图利用假说驱动(Hypothesis-driven)的方式来发现新的知识。该文的目标是提供一种KDD工具支持适合人脑风格的假说-检验发现过程,同时最大限度地削减在此过程中人类的工作量。文章提出了为削减人的工作量所作的各种努力。