积累N次主动变换的传导知识挖掘

针对前N次可拓变换未引起与之相关的信息元发生传导变换,而N+1次主动变换才能引起与之相关的信息元发生传导变换的实际问题,运用可拓变换、传导效应等,并通过给出信息元某特征对于目标特征灵敏度的概念,深入挖掘此类可拓变换及其传导变换的传导知识。通过对某型导弹武器系统定型过程中的试验数据进行分析,表明该方法是对已有传导知识数据挖掘理论的完善和补充,使传导知识挖掘的理论更加丰富、全面。     

可拓数据挖掘方法在解决矛盾问题中的研究

阐述了可拓数据挖掘概念和矛盾问题的形式化模型,研究了可拓数据挖掘方法过程及解决矛盾问题的方法,并通过实例进行了说明,得出应用可拓数据挖掘解决矛盾问题的策略可以为技术实现策略生成探索出一条可行之路。     

基于本体的可拓知识链获取

相对于静态的知识，定义了基于可拓变换的可拓知识，可拓知识是变化的知识．在可拓知识定理（从知识中获取可拓知识）和可拓推理公式的基础上，证明了基于集合的可拓知识定理和基于本体的可拓知识链定理．通过实例，在多维层次数据中，获取问题产生原因的可拓知识链．     

挖掘同对象信息元的传导知识

传导知识是由于传导变换的发生而产生的一类规则知识. 由于传导变换包括同对象信息元间和异对象信息元间的传导变换,因此传导知识也有不同的形式. 这类知识对于人们解决矛盾问题、为决策者提供决策参考很有价值. 以可拓学中的传导变换理论为依据,首先给出传导特征和传导度等基本概念,然后探讨变换关于同对象信息元传导知识的表示和获取步骤,为从数据库中挖掘基于可拓变换的传导知识提供了可操作的方法,也为研究获取异对象信息元间的传导知识提供参考.     

导弹武器系统参数性能指标的可拓数据挖掘

为了挖掘导弹武器系统某些参数指标对其他指标及性能指标的影响规律和程度，创造性地将可拓数据挖掘理论引入到海军导弹武器系统性能的研究中，通过引入杀伤指数、探测指数和突防生存指数3个新的性能指数作为评价特征，研究改变导弹武器系统的结构设计及部件，使导弹武器系统的某些参数指标发生传导变换，运用挖掘正质变域和正量变域的可拓推理知识，对数据进行挖掘。通过对某型导弹的实验数据分析表明:基于工厂鉴定实验及设计定型实验中产生的大量实验数据，利用该理论，可以充分挖掘到有价值的知识。     

成品油税费改革对股票市场影响的传导知识挖掘*

给定两组不同对象不同特征的信息元集,其中一组信息元的主动变换会导致另一组信息元传导变换的发生。在发生传导变换的这组信息元中,利用可拓学的方法和数据挖掘技术,挖掘与传导变换有关的知识。这些知识包括哪些对象的哪些特征发生了变化、变化的程度有多大、变化的时效有多久、哪些信息元发生了质变、哪些信息元发生了量变。获取这些知识可以为解决矛盾问题提供依据,为决策者提出合理的策略提供参考。     

评价信息元及其原信息元的获取方法

首先介绍评价对象与原对象、评价特征与原特征、评价量值与原量值的概念及其确定方法,进而给出评价信息元及综合关联度的构造,探讨从数据库中获取评价信息元的原信息元的方法,并给出相应的规则．该研究是基于可拓变换的可拓数据挖掘的基础．     

基于粗糙分类的不确定可拓群决策数据挖掘及应用

针对可拓分类的不足及分类中存在的不确定性,将关联函数与决策函数相结合,研究不确定条件下可拓群决策的可拓变换与粗糙分类、属性约简与规则提取、数据分析与方案识别,以实现决策对象在不确定条件下的比较与选择;解决了多方案可拓分类和动态识别的系统分类问题,提高了可拓群决策数据挖掘的准确性和可信度.     

基于粗糙集数据分析的可拓推理机制研究

目前可拓变换推理中的可拓变换主要依靠历史资料、人为指定或过往经验来进行,这大大制约了可拓变换在智能化推理中的应用。为解决此问题,提出了一种基于粗糙集数据分析的可拓推理机制。该机制首先采用粗糙集对数据进行分析来获取分类及规则知识,然后利用这些知识来指导可拓推理,从而实现了可拓变换及推理的可控性和高效性,为可拓推理的智能化应用莫定了基础。     

基于可拓理论的Apriori数据挖掘算法分析

介绍了数据挖掘以及可拓学理论,阐述了两者之间的关系。对经典的数据挖掘Apriori算法和基于可拓理论的Apriori算法进行算法实现和对比。结合实际应用对这两种算法进行测试。测试结果表明基于可拓理论的Apriori算法能够避免冗余规则的产生,挖掘出的结果集简洁而且完备。     

一种获取渔场知识的数据挖掘模型及知识表示方法研究*

提出了一种获取渔场知识的数据挖掘模型及知识表示方法。首先利用SVM(支持向量机)和模糊分类器从数据库中提取出有利于渔情预测的静态知识,然后通过可拓挖掘方法将静态知识转换为动态知识,最后采用本体构建技术对渔场的静态知识和动态知识进行表达,建立本体知识库。在上述方法的研究基础上,建立了以印度洋大眼金枪鱼为例的渔情预测原型系统。系统运行结果表明,提出的获取渔场知识的数据挖掘模型及知识表示方法是有效可行的。     

一种基于fMRI数据的脑功能网络构建方法*

人脑可以用复杂网络方法进行定量分析。为了研究基于功能磁共振成像数据来构建脑功能网络,首先,用标准脑模板将全脑分割成90个功能区域,每个区域定义为一个网络节点;然后,用脑区的平均时间序列来计算相关系数, 网络节点间是否有边相连取决于其相关水平;最后,生成一系列不同网络密度的无向无权图,用来分析网络统计特性。结果表明,所构建的网络具有小世界拓扑结构。该脑功能网络的构建方法可以应用在某些认知障碍的临床诊断上。     

基于属性拓展的数据挖掘预处理技术研究

目前的数据挖掘技术基本上依据的是原始数据库中的信息,数据预处理技术要维护原始数据库的信息基本不变,只是进行简单的数据标准化、数据平整、异常点发现、缺失数据修补、数据离散等基本预处理工作,不能从根本上拓展原始数据库中的信息。同时,为保密起见,兴起的隐私保护数据挖掘技术对原始数据库中的敏感数据进行处理,隐藏了一些基本信息,进一步弱化了原始数据库中的信息含量。基于属性拓展的数据挖掘预处理技术,从原始数据库出发,通过属性拓展,拓展基础数据库所蕴含的信息,使数据挖掘能产生更深的隐藏关联规则。     

基于SQL的不产生候选集的频繁模式挖掘

频繁模式挖掘是数据库挖掘中的一个十分重要的组成部分，然而以前的许多研究都是基于Apriori的产生候选集的测试迭代方法。这些方法普遍存在需要多次扫描数据库，对产生的大量候选集进行迭代测试的缺陷，尤其是对于挖掘长模式时这种缺陷就尤为突出。FP-growth方法采用分而治之的策略，只需对数据库进行二次扫描，而且避免了产生大量候选集的问题。文中的基于SQL的频繁模式挖掘方法既是在此基础上提出的，采用子查询及DBMS扩展技术(如用户定义函数等)对该方法进行了改进。     

快速的混合进化子结构发现算法

将混合进化算法引入图数据挖掘,避免了陷入局部极值问题,提高了解的质量。在此基础上提出了一种基于单标签扩展的子结构扩展方法,该方法可以减少进化过程中图同构操作执行的次数。在典型数据集上的仿真实验和理论证明表明了该方法的高效性和正确性。     

频繁子图挖掘算法研究

图像能表达丰富语义,但增加了数据结构的复杂性和感兴趣子结构的挖掘难度。综合应用图论知识和数据挖掘的各种技术,对图像进行规范化编码,通过连接和扩展操作产生所有候选子图,引用嵌入集概念,计算候选子图的支持度和频繁度。提出频繁子图挖掘算法FSubgraphM,能从图数据库中挖掘频繁导出子图。     

一个开放数据挖掘系统的分析与设计

采用数据挖掘标准研制挖掘系统正逐渐成为一种趋势。无论是对商业用户还是对系统开发者,这都具有非常重要的意义。对于用户,将大大减少在知识发现和模型配置过程中会遇到的困难,并从低运行成本和方便使用中获益;对于开发者,这些标准将影响着新一代挖掘系统的设计思想、挖掘算法与不同系统中数据的交互途径、异构环境中预测模型的配置方式。采用相关数据挖掘标准,笔者开发了一个开放数据挖掘原型系统XMiners。文章在简要分析了相关挖掘标准的基础上,给出了XMiners的系统结构设计和类模型设计。