基于信息熵的二进制差别矩阵属性约简算法

给出一个简化的二进制差别矩阵的属性约简定义,并证明该属性约简的定义与基于信息熵的属性约简的定义是等价的。为求出简化的二进制差别矩阵,设计了一个快速求简化决策表的算法,其时间复杂度为O（|C||U|）。在此基础上,设计了基于信息熵的简化二进制差别矩阵的快速属性约简算法,其时间复杂度和空间复杂度分别为max{O（|C||U|）,O（|C|²|U/C|²）}和max{O（|C||U/C|²）,O（|U|）},最后用一个实例说明了新算法的高效性。     

混沌神经网络在求解优化问题中的应用

本文运用GCM混沌神经网络对Hopfield神经网络在求解优化方面的问题进行了改进。通过混沌遍历,可使Hopfield网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值。通过对一个对弈的实例进行实验,结果显示Hopfield网络的寻优特性获得了较大改进。     

知识发现在农业生产中的应用研究

文章通过对基于数据库的知识发现系统(KDD)的研究,提出了双库协同机制,它改变了KDD的结构、运行过程与机制,形成新的知识发现系统KDD。将该发现系统应用于农业领域,为合理地指导农业生产提供了科学的决策,因而具有重要的理论意义和实用价值。     

基于简化的二进制差别矩阵的快速属性约简算法

目前,基于二进制差别矩阵的属性约简算法有如下不足：算法的时间和空间复杂度不理想;所得到的属性约简与由基于正区域的属性约简的定义得到的属性约简不一致。本文给出一个简化的二进制差别矩阵和相应的属性约简的定义,证明了该定义与基于正区域的属性约简的定义是一致的。由于在简化的二进制的差别矩阵中,要先求出IND（C）,故设计了一个较好的求IND（C）的算法,其复杂度被降低为O（｜U‖U｜）。在此基础上设计了一个快速属性约简算法,其时间复杂度和空间复杂度分别被降为max{O（｜C｜^2（｜U＇pos‖U/C｜））,O（｜C‖U｜）}和max{O｜U｜},O（｜C｜（｜U＇pos‖U/C｜））}。     

基于广义归纳逻辑因果模型的知识发现与算法实现

以语言场、广义细胞自动机和广义归纳逻辑因果模型为理论依据,分析了广义因果联系类知识的发现机理,给出了因果联系类知识发现的实现算法.该算法为解决具有随机不确定和模糊不确定性特征的因果联系类知识的发现提供了行之有效的方法.通过算法的运行实例,验证和说明了算法的正确性和有效性.     

基于简化差别矩阵的完备属性约简算法

由于基于老差别矩阵的属性约简的定义与基于正区域的属性约简的定义是不一致的,给出一个简化差别矩阵和相应的属性约简的定义,并证明了该定义与基于正区域的属性约简的定义是一致的。由于在简化差别矩阵中,要先求出IND(C),故设计了一个较好的求IND(C)的算法,其复杂度被降为O(｜C‖U｜)。在此基础上设计了一个完备属性约简算法,其时间复杂度和空间复杂度分别被降为max｛O(｜C｜2(｜U′pos‖U/C｜)),O(｜C‖U｜)｝和max｛O(｜U｜),O(｜C｜(｜U′pos‖U/C｜))｝。     

多关系频繁模式发现研究

频繁模式发现是数据挖掘的重要任务之一。现实数据通常存储于由多个关系组成的关系数据库中。传统的频繁模式发现方法只能直接完成单一关系中的模式发现,如果要完成多关系数据的挖掘,会产生操作复杂性和信息丢失等问题。多关系数据挖掘是当前数据挖掘研究中快速发展的重要领域之一。多关系频繁模式发现方法能够直接从复杂结构化数据中发现涉及多个关系的复杂频繁模式,避免了传统方法的局限。本文首先归纳多关系频繁模式发现方法的发生历史背景,其次分析总结多关系频繁模式发现方法,最后提出了多关系频繁模式发现将来发展需重点解决的问题和面临的挑战。     

基于索引数组和复合频繁模式树的频繁闭项集挖掘算法

频繁闭项集惟一确定频繁项集且规模小得多.CROP是一种基于复合频繁模式树的、频繁闭项集高效挖掘算法,但存在着候选结点过多的问题.这些非闭合结点的生成、检查和剪裁带来了大量不必要的操作.提出了一种改进的频繁闭项集挖掘算法CROP_Index.该算法用＂索引数组＂来组织数据,找到频繁共同出现的项集.基于二进制位图,给出了一个包含索引的计算方法,并利用索引启发信息合并,得到复合型频繁模式树的初始结点;同时给出一些新的性质,使得改进的算法只生成闭合结点,从而节省了大量不必要的操作,缩小了搜索空间.实验结果表明该算法效率较高.     

基于自组织的智能诊断技术研究

通过分析智能诊断过程的内在属性,结合国内外的相关研究状况,提出了研究基于自组织的智能诊断技术的重要意义,并指出其优越性.详细阐述了智能诊断的自组织规划过程,结合多代理技术的自身特点及优越性.提出将多代理技术应用于智能诊断过程中.深入研究了基于多代理的自组织过程实现策略,采用基于响应时间、服务质量、服务成本、安全性目标准则的资源优化调度算法,解决了自组织过程规划中的资源管理和协调等关键问题,并通过实例验证了算法的正确性.     

分布式综合知识发现系统结构研究

利用多Agent技术,采用多层次结构,建立基于内在机理研究基础上的分布式综合知识发现系统（DKD（D＆K））总体结构模型。该模型设计了基于双库协同机制的分布式KDD＊的知识发现线路,使得分布式数据的预处理、挖掘算法及挖掘结果的评价和导航等研究贯穿于一体,形成了一个完整的系统。该模型不仅较好的继承原综合知识发现系统KD（D＆K）的主要特征,而且紧密结合了分布式数据库已经成熟的技术方法,并且与现在国际上比较典型的分布式知识发现系统比较有一定的优越性。