多值逻辑中的命题相关性与逻辑运算研究

命题的属性包括结构属性和值属性.命题的结构决定了命题之间的关系,决定了命题之间的逻辑运算.命题的真值只是一个由命题的结构决定的值属性,并不能代表整个命题.逻辑运算是命题的运算,不是真值的运算.多值逻辑中,命题逻辑运算结果由命题的关系决定,真值相同的不同命题,逻辑运算结果的真值不一定相同,逻辑运算不是处处同态于某一个或某一簇真值函数(算子),有时复合命题的真值不能被它的成分命题的真值完全确定,所以多值逻辑的联结词并不总能定义成真值函数(算子)的形式.多值逻辑的命题公式不能再看作真值函数,命题公式是关于命题的函数.     

一种基于决策表的快速属性约简矩阵算法

针对目前基于决策表的属性约简矩阵算法效率不理想的情况,首先引入了简化决策表的概念,有效剔除了决策表中大量重复冗余的对象,并给出了正区域模型下简化矩阵的构造,从而有效地缩小了求解属性约简的搜索空间;然后从理论上详细分析了基于简化矩阵的属性约简与基于正区域的属性约简是一致的,并给出了一种有效的属性重要性度量方法.为此,在简化矩阵的基础上设出了一种快速的属性约简矩阵算法,最后通过实例分析和实验对比说明了算法的有效性和可行性.     

感兴趣度的研究综述

1 引言在知识发现过程中,通过数据挖掘算法产生大量的模式和规则,但是大多数用户并不感兴趣。面对如此众多的模式和规则,用户不能很好地去理解它们从而无法把精力集中在其中真正感兴趣的子集上。因此,如何定义和确定好的度量标准,识别出用户感兴趣的和有用的知识成为至关重要的一环,所以对感兴趣的度量标准(感兴趣度)的研究是知识发现的重要内容。感兴趣度分为客观感兴趣度和主观感兴趣度。客观感兴趣度主要根据模式或规则的形式和数据库中的数据进行定义,属于数据驱动;而主观感兴趣度还要考虑用户的参与等人为因素的影响,属于用户驱动.单纯的只使用客观感兴趣度是不够的,它不能考虑模式和规则的所有方面,同时感兴趣的问题从本质上将是一个主观的问题,不同的用户感兴趣的规则和模式是不一样,因此需要用户的参与。所以要综合使用客观感兴趣度和主观感兴趣度这两种度量标准。比较合理的方     

基于文本过滤的数字图书馆个性化服务技术

在数字图书馆的应用中,个性化服务可以为用户提供符合其兴趣的检索结果。提供了一种针对数字图书馆个性化服务策略的文本过滤技术,通过在向量空间内建立用户兴趣模型和文本内容特征模型,计算它们的相似度后,将用户不感兴趣的文本过滤掉。详细描述了具体的建模过程和个性化文本过滤算法,最后给出了在实际的数字图书馆工程中的验证结果。     

基于支持向量机的复杂时间序列预测研究

介绍了相空间重构和基于支持向量机的时间序列预测建模技术,提出了复杂时间序列的多尺度分解方法,对支持向量机回归与预测的各项参数设置进行了试验分析。对股票数据进行建模和预测,结果表明支持向量机对复杂时问序列具有较好的预测效果。     

语言场理论及其在知识发现中的应用

提出了基于认知物理学的语言场理论,给出其基本定义和定理;引入势函数等概念、公式,并把它们分别应用到知识发现的连续属性离散化、聚类两个方面,用以研究解决复杂信息的表示和处理问题。     

基于布尔矩阵表示的粗集属性约简启发式算法

属性约简是粗糙集理论研究中的核心内容之一，现已证明寻找最小约简是NP-hard问题。该文对信息系统中属性的条件区分能力给出定义。在此基础上，提出了一种基于条件区分能力的属性约简的启发式算法。通过实例分析表明，在多数情况下该算法能够得到信息系统的最小约简。     

概率逻辑模型与学习研究进展

近年来,概率逻辑学习研究取得了很大进展,已经提出各种不同的形式化方法和学习方法,包括概率关系模（PRMs）、贝叶斯逻辑程序（BLPs）、逻辑贝叶斯网络（LBNs）和随机逻辑程序（SLPs）等。文章重点介绍了贝叶斯网络与一阶逻辑的结合,并以PRMs、BLPs和LBNs为例,描述了基于贝叶斯网络的概率逻辑模型（PLMs）的知识表示方法,给出了此类PLMs一般使用的参数估计方法和结构学习方法,并给出了建议的研究方向。     

基于簇的K最近邻(KNN)分类算法研究

传统K最近邻(KNN)分类算法为了找出待分类文本的k个邻居,需要与样本空间中的每个样本向量作比较,当训练样本较多时,导致相似度计算次数过多,分类速度下降.为此,改进了传统KNN算法,将训练文本中相似度大的文本合并,称为一簇,并计算簇的中心向量.待分类文本先与每一簇的中心向量计算相似度,当相似度达到某个阈值时,再与簇中的每个文本计算相似度,在一定程度上减少了相似度计算次数,降低了算法的时间复杂度.根据同一特征出现在文本中的位置不同应具有不同的权重改进了传统的TF-IDF计算公式.     

基于信息扩张机制的意外规则处理新方法研究

文中利用知识发现领域中的信息扩张机制,研究提出一种对意外规则取舍和理解的新处理方法--三度(规则支持度、可信度、充分性因子)变化趋势分析,再结合规则前件、后件的支持度的历史变化规律的呈现和分析,得到可保留的规则.并帮助用户充分理解规则,合理运用规则.这项研究对知识发现的后处理与可实现性、实用性起着重要的作用.