图像关联规则模型及其应用

传统的低维图像关联规则没有考虑纹理要素以及对象的重复出现次数、对象的面积大小,与此相关的图像知识无法挖掘出来。该文提出的七维图像关联规则模型7D_AR功能比传统的低维图像关联规则更加完备,可以很好地解决以上问题。通过概念提升及删除无关维,由七维图像关联规则模型7D_AR可以演化出维数小于七维的各种关联则。     

多关系数据挖掘方法研究

目前大多数数据挖掘方法是从单关系中发现模式,而多关系数据挖掘（MRDM）则可直接从关系数据库的多表中抽取有效模式。MRDM可以解决原有命题数据挖掘方法不能解决的问题,它不仅有更强的信息表示能力,可以表示和发现更复杂的模式,还可以在挖掘进程中有效地利用背景知识来提高挖掘效率和准确率。近年来,借鉴归纳逻辑程序设计（ILP）技术,已经形成许多多关系数据挖掘方法,如关系关联规则挖掘方法、关系分类聚类方法等。     

意见领袖在舆情传播动力学中影响的研究

针对现有舆情传播模型中传播者群体单一,且缺乏对不同态度意见领袖的影响力的研究,提出了具有积极正面、消极负面、普通中立三种不同态度传播人群的S3IR舆情传播模型。基于该模型建立平均场方程,对其进行传播动力学分析;利用Facebook与LastFM Asia真实数据集建立真实社交网络,采用蒙特卡洛算法仿真舆情传播过程,在两个真实社交网络中对S3IR模型进行了可行性验证;对S3IR模型与SIR模型进行了对比研究;通过控制意见领袖数量以及对比舆情在集聚程度不同的网络中的传播过程,探讨了意见领袖数量以及网络集聚程度对舆情传播的影响;控制受意见领袖影响的积极正面传播者与消极负面传播者的感染率,探讨了意见领袖感染力对舆情传播的影响。实验表明,S3IR模型可行且有效;积极正面或消极负面意见领袖数量越多,感染力越强,社交网络集聚程度越大,则越容易带动同向传播者增多,加快舆情传播。     

基于Web挖掘与IIPP技术融合的IDSS研究

随着Internet的迅猛发展,面对信息的海量增长,本文分析了传统的智能决策支持系统,并简述了Web挖掘及其分类,结合智能信息推拉技术,提出了将Web挖掘与智能信息推拉技术融合的IDSS 的研究.     

基于广义后缀树的事件流频繁情节在线挖掘算法

现有的事件序列频繁情节挖掘多采用Apriori—like算法，此方法无法应用于事件流数据发掘。针对采用滑动窗口的事件流频繁情节发现问题，提出一种广义后缀树结构，在新事件加入时对情节树进行动态维护：为提高时空效率，采用频繁情节发生列表逐层构建的方法实现对搜索空间的划分．通过监控边界情节以发现频繁情节的变化。实验结果表明了算法的有效性和优越性。     

基于生成子的频繁项集聚类算法

如何有效地约简频繁项集的数量是目前数据挖掘研究的热点。对频繁项集进行聚类是该问题的解决方法之一。由于生成子是全体频繁项集的无损精简表示,故对生成子进行聚类与对全体频繁项集进行聚类具有相同的效果。提出了一种基于生成子的频繁项集聚类算法。首先,利用最小描述长度原理,讨论了选择生成子进行聚类的合理性;其次,给出了生成子的剪枝策略及挖掘算法;最后,在一种新的项集相似性的度量标准的基础上,给生成子的聚类算法。实验结果表明,该方法可有效地减少项集的数量,并具有较高的挖掘效率。     

粗糙集概念与运算的布尔矩阵表示

建立了属性集与布尔矩阵以及逻辑方程组的解之间的关系;在此基础上给出了粗糙集理论中概念与运算的布尔矩阵表示;最后证明了属性约简在布尔矩阵和代数两种不同表示下是等价的。     

KDD技术在复杂不确定性系统预测中的应用研究

针对复杂不确定性系统的特性,将知识发现理论方法与传统的预测理论方法结合起来,讨论了适用于预测的知识发现的理论与挖掘方法,构建了基于知识发现的多目标、多因素集成化预测模型(IFMK),并通过对油气储量、产量和需求量的预测验证了预测模型的有效性与实用性。     

基于信息挖掘的智能决策支持系统的结构设计

讨论了基于信息挖掘的智能决策支持系统( Intelligent Decision Support System Based on Information Min-ing, IDSSIM) 的总体结构模型和各子系统功能描述。IDSSIM 完善并扩充了现有智能决策系统的功能, 改变了现有智能决策支持系统的运行机制, 将领域专家的知识获取、推理机制、KDD * 挖掘和Web 挖掘有效地融入智能决策支持系统中, 从而形成了一类具有双网、六库、综合集成、多层递阶和模型驱动的新型智能决策支持系统。IDSSIM 对智能决策支持系统的主流发展起着重要的推动作用, 有望形成新一代的智能决策支持系统模型。     

Edgeflow数字图像边缘检测

在对数字图像的处理中,边缘检测是其重要内容.常用的图像边缘检测方法,如检测梯度的最大值法,检测二阶导数的零交叉点法,统计型方法以及小波多尺度边缘检测法等,都存在难以确定合理的参数阈值的问题.由此提出了Edgeflow方法,综合了亮度、纹理和相位等各种图像特征信息,以方向相反的边缘流相遇的位置确定对象的边缘,解决了传统基于边缘的图像分割算法难以确定合理阈值的问题.论述了基于边缘流图像分割算法的原理,对该算法进行了调整,并设计出一套预测编码模型来实现.实验结果表明:Edgeflow方法参数调整少,检测效果好.