基于双库协同机制的知识发现结构及其应用

文章在KDD（基于数据库的知识发现）的基础上,提出了KDD的开放系统-KDD的总体框架;探讨了其关键技术-双库协同机制的理论基础与实现技术。该系统提供了广泛应用于多个领域的知识发现结构与进程,具体的实例演示表明KDD这类新型构造是有效与可行的。     

基于双库协同机制的挖掘关联规则算法Maradbcm

关联规则是数据挖掘中一种重要的模式，Aprori算法是挖掘关联规则的典型算法，而Apriori算法存在一定的缺点：数据库的全局搜索和产生大项集时使用支持度阈值会删除有意义的规则等。Maradbcm算法是在KDD内在机理研究 的基础上提出的一种新的挖掘关联规则算法，它可以克服Apriori算法的上述缺点，在简要地叙述了双库协同机制和Maradbcm算法后，将该算法应用于蘑菇数据库，结果显示该算法是有效的，它充分显示了内在机理研究对KDD主流发展的重要作用与影响，并为整个知识发现系统的研究提供了一条全新的路径。     

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     

基于任务驱动的数据挖掘系统

本文介绍一个数据挖掘系统的设计思想和实现技术。该系统主要特点在于整个数据挖掘过程以任务为核心,协调系统中其他功能模块的运行。系统提供的句法制导图形编辑器集成了编辑、句法检查和解释执行的功能,以方便用户定义复杂的数据挖掘任务。系统的模型库按面向对象思想设计,采用COM技术实现,具有很好的可扩展性与灵活性。     

从数据挖掘到知识发现

<正> KDD简介 过去的十年里,生成和收集数据的能力迅猛发展。科学数据集、商品的条形码、商业的计算机化和政府事务等都产生了海量的数据。 如此大量的数据明显超出了传统手工数据分析方法的分析能力。这些方法能够从数据中产生信息报告,但不能分析这些报告的内容以便集中处理。这就要求新一代技术与工具具备智能地并且自动地帮助人们分析海量数据来获取有用知识的能力。 从原始数据中发现有用的模式(或知识)通常称之为数据库中的知识发现,简称KDD。这种称法出现于     

范例推理中的知识发现技术

范例推理中有许多相关的知识 ,相应地有知识获取过程 ,其中也存在一定程度的知识获取瓶颈问题 .本文着重探讨在范例推理系统中引入一系列可以使用的知识发现技术 ,以期提高范例推理系统的知识获取的自动化程度 ;本文针对提出的两类算法 ,进行了实验与讨论     

浅谈数据挖掘和数据库知识发现

本文介绍了数据挖掘和数据库知识发现的过程,分析其特点,归纳比较数据挖掘的主要方法及其各自优势、适应范围,横向比较多个应用软件,并指出数据挖掘和数据库知识发现的发展方向。     

利用数据库知识发现(KDD)技术构建新型质谱解析专家系统

通过在数据预处理,知识获取,知识库管理等模块中利用中断控制器和启发控制器把KDD有机集成起来,融合成一种新的专家系统结构,从而使系统能从海量数据库信息中提取蕴涵的知识来对知识库进行补充和核对。利用系统提供的KDD算法对NIST62质谱库进行分析,结果表明该系统具有较普通专家系统更强的解决实际问题的能力。     

基于数据仓库的综合知识发现系统的研究与应用

讨论了基于数据仓库知识发现的若干问题,并在此基础上给出了基于数据仓库的综合知识发现系统的建设模型。此模型支持联机分析、决策支持和协同工作等多种应用系统。     

一种基于双库协同机制的入侵检测系统

基于数据挖掘的入侵检测是当前入侵检测技术的重要研究方向,但大多数基于数据挖掘的入侵检测系统都采用传统的数据挖掘算法,性能不够令人满意。论文结合知识发现的双库协同机制,对该机制在入侵检测系统中的应用作了深入的探讨,提出了一种高效的入侵检测系统的模型。     

一种基于关联分析的铝电解生产辅助控制方法*

通过关联分析对生产过程中积累数据的处理,可以得出客观知识,这些知识有益于领域专家的相关研究以及指导生产。基于双库协同机制的KDD*过程模型,是基于认知心理的创建意象和心理信息修复特征建立的新型数据挖掘模型,它实现了系统自主发现知识短缺和进行知识库的实时维护,使两个协调器协同工作,将协调器及双库协同机制融入经典的KDD过程模型。基于该模型,提出了一种新的辅助控制电解铝生产的方法,并通过现场实验说明其有效性。     

面向复杂系统的知识发现过程模型KD(D&K)及其应用

为适应复杂系统的知识发现的需要, 在双库协同机制及其诱导的KDD* 过程模型，双基融合机制及其诱导的KDK*过程模型的基础上，借鉴协同原理，提出了将KDD* 与KDK* 有机地融合在一起的、双库协同机制与双基融合机制协同工作的知识发现过程模型KD(DK)；描述了KD(DK) 的总体流程、动态知识库系统及其特征；并在农业施肥和植保领域的应用过程中得到验证.     

模糊聚类分析在KDD中的应用研究

应用模糊聚类算法确定关键条件属性集，探索教师教学质量评估数据库中评估等级同评估项目之间的规则知识。     

基于RBFCM的启发型协调器算法的研究

用于知识发现的启发型协调器能够模拟认知心理学中的创建意向,提高机器的认知自主性。为了进一步提高启发型协调器算法的认知特性和运算效果,构造了一种基于规则模糊认知图的启发型协调器算法,该算法用规则模糊认知图表示知识和进行有效推理,发现知识库中的不关联态,进而对海量数据库进行定向挖掘。实验证明该方法与有向超图方法相比,缩小了知识发现算法的搜索空间,增强了智能化程度。     

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.     

Extraction of Fuzzy Knowledge Bases from Experimental Data by Genetic Algorithms

This paper deals with the problem of determination of linguistic "IF-THEN" rules from available experimental data, which is inverse to the problem of identification of nonlinear dependences by fuzzy knowledge bases. A method of genetic algorithms is proposed. The method is based on the operations of crossover, mutation, and selection of initial variants of solutions or so-called chromosomes, from which the most optimal solutions are subsequently chosen. The method is illustrated by a computer experiment consisting of the determination of knowledge on a nonlinear object with two input variables and one output variable.     

动态挖掘进程中参数演化与矛盾域分布规律的研究

基于内在认知机理的知识发现理论研究基础,宏观地描述了其核心内容之一——信息扩张机制的内涵及主要研究内容,给出了动态挖掘进程规律的部分成果,详细阐述了参数演化规律及矛盾域的分布规律,揭示了动态（在线）挖掘进程中潜在的本质、规律与复杂性,为进一步解决海量数据、动态数据给挖掘进程带来的本质的、极富挑战性的难题奠定了较为坚实的理论基础。     

带回馈机制网格资源发现算法在多域环境中的改进

网格资源发现算法是网格资源发现机制的核心,带回馈机制的网格资源发现算法充分利用响应报文与请求报文可能经不同路径返回的特点,在正向搜索失败时,启动反向搜索机制,在一个往返时间里进行二次搜索.但是算法在讨论时将整个网格的拓扑结构看成是一个全分布的系统,所有节点位置平等,而现实中的网格大部分是由多个不同的自治系统联结而成,具有一定的区域性.本文对带回馈机制的网格资源发现算法在多域环境中进行了改进,将资源发现过程分为域内发现和域间发现两部分,分别采用不同的资源发现机制,性能分析和模拟实验表明该算法具有良好的可扩展性和较高的性能,更适合真实的网格环境.     

数字油藏中知识发现方法研究

知识发现是数字油藏的重要内容，也是建设数字油藏的主要目的之一。针对油气田开发的需要和油藏数据体的特点，本文综合利用数据清洗、数据挖掘、知识评估、知识解释、可视化等技术，提出了在数字油藏中进行知识发现的一种新思路，并用实例分析说明其实现方法，即以决策树技术分析油气田开发中采收率的影响因素为倒，通过连续属性值的离散化处理和决策树的构建、剪枝以及知识评估和解释，从而达到准确、快速地挖掘出油藏数据库、油藏数据仓库和其它油藏数据体中大量有意义的规则、模式等知识。     

二级倒立摆控制器设计及稳定性研究

在二级倒立摆控制器优化设计的研究中,由于二级倒立摆系统是一种复杂多变量、强耦合的不稳定系统,较难达到稳定平衡状态,首先要建立模型,之后才能够进行系统仿真与实际控制实验.由于系统对控制器性能要求较高,因此选用遗传算法训练的小波神经网络控制器,并针对遗传算法仍然存在的收敛速度慢,泛化性能差,可能陷入“早熟”等许多问题,对算法加以改进.将采用罚函数为基础的小生境技术引进到遗传算法中;并根据个体适应度来改进交叉概率.在仿真与实物控制实验中,控制器能够实现二级倒立摆系统的稳定控制,且抗干扰能力、系统平衡恢复速度优良,验证了设计的二级倒立摆控制器的有效性.