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。     

一个人工生态系统的构建

提出一种基于Agent的细胞自动机演化模型,并以天敌害虫捕食现象为例,对农田虫害的演化进行了模拟.它采用自底向上的建模思想,利用Agent的局部连接规则,建立复杂生态系统的整体模型.通过建立人工生态系统,并借以进行不同环境下的作物生长及虫害的演化仿真实验,可以作为预测专家系统的辅助工具,为作物病虫害的防治提供科学的决策依据.     

基于时间模型的蚁群算法

传统的蚁群算法,从仿生学的角度出发,已经成功应用于解决各种组合优化问题.但是由于其在应用时需要调试多个参数,这给那些没有经验的用户带来很多不便.本文从仿生的基础出发,回归到传统蚁群算法提出的基础,提出基于时间模型的蚁群算法.假定每只蚂蚁的速度相等,每时每刻都在爬行,单位时间内蚂蚁行进的距离为dmin.蚂蚁通过路径上遗留的信息素进行交流,趋向于浓度高的路径.经过若干时间后,蚁群的轨迹将停留在一条最优路径上.实验表明,较传统算法而言,该算法所需调整的参数更少,性能接近或更优,具有更好的可操作性,在仿真应用上更具直观性.     

结合限制的分隔模型及K-Means算法

将数据对象间的关联限制与K-means算法结合可以取得较好的效果,但由于划分是由K个中心决定的,每一类仅由一个中心决定,分隔的表示方法限制了算法效果的进一步提高.基于数据对象间的两类限制,定义了数据对象和集合间的两类关联,以及集合间的3类关联,在此基础上给出了结合限制的分隔模型.在模型中,基于集合间的正关联,多个子集中心可以用来表示同一类,使划分的表示可以更为灵活、精细.基于此模型,给出了相应的算法CKS(constrainedK-meanswith subsets)来生成结合限制的分隔.对3个UCI数据集的实验结果显示:在准确率及健壮性上,CKS显著优于另一个结合关联限制的K-means类算法COP-K-means,与另一个代表性的算法CCL相比,也有相当优势;在时间代价上,CKS也有一定优势.     

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     

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     

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.     

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。     

可变相似性度量的近邻传播聚类

近邻传播(AP)聚类算法面临的一个问题是不适用于多重尺度及任意空间形状的数据聚类处理。该文从数据分布特性的表征出发,提出了一种改进的近邻传播聚类算法AP-VSM (Affinity Propagation based on Variable-Similarity Measure)。首先,综合数据的全局与局部分布特性,设计了一种数据可变相似性度量计算方法,该度量可以有效地反映数据实际聚类的分布特性;然后在传统AP算法框架基础上,构造出基于可变相似性度量的近邻传播聚类算法,从而拓展了传统AP算法的数据处理能力。仿真实验验证了新方法性能优于传统AP算法。     

KDD中规则提取的收敛网络方法及其应用

提出一种新的基于神经网络的规则提取方法.提出的网络由一个主网络及其映射网络组成,具有二次收敛过程.通过主网络的学习(第1次收敛)完成知识学习和网络构造,在此基础上构造了其网络映射,通过该映射网络的收敛过程实现规则的提取.该方法在规则提取时无须遍历解空间,从而很好地提高了搜索效率,降低了计算复杂度.同时,还提出估计规则数下限的信度差方法.模拟实验和应用实验也验证了所提出方法的有效性和正确性.