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 .     

基于限制的分类效用及其应用

在分析了 COP- COBWEB算法之后 ,给出了一种结合背景知识计算分类效用的方法 .它考察数据对象之间的已知关联 ,通过比较预期关联数与实际关联数 ,来获得限制系数 .限制系数将直接参与分类效用的计算 ,得到基于限制的分类效用 CCU .有关实验证明 :利用基于限制的分类效用 ,COBWEB算法将更为有效 ;在有噪声的情况下 ,基于CCU的 COBWEB算法明显优于 COP- COBWEB算法     

基于模糊聚类的模糊关联规则挖掘

通过模糊聚类，从已知数据中得到数据点对数据类的隶属度，并以此进行模糊关联规则的挖掘，从而使得模糊关联规则的发现不依赖于人类专家预先给出的隶属度函数；并且实验表明。聚类并没有带来显著的顿外计算时间，对于大型数据库，文章提出的方法是有效的。     

一个多形式的知识库管理系统XFKBMS/V1.0

提出了一个多形式的知识库管理系统 XFKBMS/ V1 .0 .XFKBMS/ V1 .0在采用面向对象的“知识体·对象块·构件”知识表示方法的基础上 ,向用户提供了三种知识库管理环境 :基于 DBMS的数据库格式知识获取 &编辑环境 ;基于图的可视化知识获取 &编辑环境 ;基于知识库描述性语言的文本格式知识获取 &编辑环境 .这三种环境相互感应 .用户可以从一种环境切换到另一种环境 ,继续知识的获取 &编辑 .用户可以以自己熟悉的方式工作 ,大大提高了知识获取和编辑的效率     

元规则指导下的逐步求精多层空间关联规则挖掘算法

提出了元规则指导下逐步求精的多层空间关联规则挖掘算法，该算法采用了自顶向下、逐步求精以及元规则等技术。文章最后以挖掘农产品市场的芝麻价格与铁路、国道和河流间的空间关联关系为例，介绍此算法的应用。     

基于多维关联规则的本体规则扩展方法

目前扩充和丰富本体存在很大的局限性.对此,文中提出采用多维关联规则技术扩展本体规则方法.通过对本体规则提取,在本体指导下的一致性处理,规则映射的建立,以及对概念本体的重新识别和更新等技术和方法充实和扩展概念本体.茶病虫害预测本体的实验结果表明该方法易于实现且具有较高的可行性和有效性.