径向基函数神经网络的一种有效的在线学习方法

本文提出了一种径向基函数神经网络的有效在线学习方法。该学习方法不仅能根据输入信息的增加而动态地分配网络资源,而且能有效回收网络的冗余资源。在学习过程中网络的参数可以自适应地序贯进行调整。文中详细论述了这种神经网络的学习准则、动态增减隐节点算法和参数调整算法。同时通过分析和实验说明网络具有较强的映射能力和预测性能。     

一种领域本体自动构建策略

本体是一种知识重用、知识共享和知识建模的重要工具。提出了一种以概念分层理论和KDD（knowlegde discovery in databases）技术进行领域本体自动构建策略,通过对信息提取、建模以及利用概念分层理论进行领域本体的自动框架建设,并使用KDD技术进一步对领域本体进行自动扩建,达到自动构建领域本体的目的。实验结果表明该策略精度高且简便易行,具有较高的可行性和有效性。     

一种通过动态聚类训练椭圆形模糊分类器的方法

研究了椭圆形模糊分类器的训练问题 .首先从分类器的结构入手 ,分析异类训练样本形成的椭圆相互重叠时 ,两种原因引起样本被误分 ,由此提出两种动态聚类的方案来增加新的分类规则 ,并且采用基于实数编码的遗传算法训练椭圆 .将提出的训练方法应用于实例 ,并与其它训练方法比较 ,结果表明提出的方法在椭圆重叠复杂时更有效     

多最小支持度策略的关联规则挖掘方法

关联规则的数据挖掘是当今数据挖掘领域的重要内容之一 .国内现有的关联规则挖掘算法大多是在最小支持度的限定条件下 ,发现挖掘数据的各属性间的所有关联型知识 .而事实上由于基于不同数据属性的事件的发生频率是不同的 ,这样仅通过唯一的支持度限定的挖掘就无法正确反映挖掘对象本身的特征 .本文从客观事实的本质出发 ,在原有 Apriori算法的基础上 ,采用了一种多支持度的关联规则挖掘策略 .最后通过实验结果表明 ,这种挖掘方法能够更加准确和高效地进行知识挖掘 .     

一个智能型模糊专家系统开发工具--IFEST

本文在对模糊推理问题分析抽象的基础上,讨论提出了一种具有普遍应用价值的模糊知识表示方法和相应的推理方法,并设计实现了一个具有智能引导功能的模糊推理专家系统开发工具--IFEST.IFEST采用智能引导的机制,用友好的、问答式的会话来逐步引导用户一步步地建立系统,并以图形化的方式展示系统知识库,极大地方便了模糊推理专家系统的构建.     

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。     

专家系统中的特征展开三Ⅰ模糊推理模型及其应用

本文探讨基于三Ⅰ机制的特征展开模糊推理模型及其在专家系统中的实现问题.以特征系数和支持度作为证据与规则的不精确性描述参量,以特征系数的更新或合并算法为不精确性的传播算法,在雄风4.1专家系统开发平台中,运用规则对象块的"规则架+规则体"的规则组知识表示方法,实现了该平台上的特征展开三Ⅰ模糊推理.并以作物营养诊断与矫治专家系统为实例验证该模型在雄风系列专家系统开发平台中尚属首次使用,并且具有广泛的适用性和可借鉴性.     

具有成本约束和噪声数据信息表的知识约简方法

知识约简是基于粗集理论进行数据挖掘的重要步骤获取最优知识约简是典型的Np-hard问题.在实际应用中,数据属性往往具有成本约束,并且数据本身含有噪声.本文提出了将粗集理论与遗传算法相结合来求解这种信息表的最优知识约简和近似知识约简的方法实验结果表明该方法具有很强的全局搜索能力,在有限的代数内找到信息表的最优约简:最小基约简集、最小成本约简集.当信息表含有噪声数据时,该方法能找出信息表的近似知识约简.     

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。