基于粗糙度的近似概念格动态分类集成学习模型研究与应用

概念格(Galois格)是一种进行数据分类学习的有效工具,然而建格规模庞大使分类效率和准确率受到较大影响.将粗糙度理论应用到概念格分类问题研究中,提出一种新型的近似概念格动态建格和分类挖掘集成学习模型(CACLR).该模型在粗糙度区间根据样本空间分布构建多个相对独立分布且比较精确的近似概念格分类器,能及时消除建格过程中大量与分类知识无关的节点,有效缩减原格规模,融合得到的分类挖掘集成学习模型,具有较好的粗糙分类精度和知识预测学习能力.最后进行CACLR分类集成学习模型在标准UCI数据集中的对比实验,有效验证了该模型的实用价值.     

基于混合自适应遗传算法的工作流挖掘优化

针对目前工作流挖掘算法采用局部策略而无法保证最优挖掘以及算法对噪声敏感的情况,提出了基于混合自适应遗传算法的工作流挖掘优化算法。首先定义了基本工作流网以及变迁的使能和点火规则,描述了过程模型;然后提出了过程模型转换成基本工作流网的算法,给出了衡量事件日志与过程模型的符合性的适应值评价函数;最后根据进化阶段以及个体相似度设计了混合自适应的交叉率和变异率。仿真试验结果表明,该算法与α算法相比具有更高的鲁棒性和对噪声的抗干扰性;与基本遗传算法相比,该算法能显著提高解的质量和收敛速度。     

S-粗集与数据挖掘单位圆特征

给出单向S-粗集(one direction singular rough sets)、单向S-粗集对偶(dual of one direction singular rough sets)的结构。单向S-粗集与单向S-粗集对偶是改进Z.Pawlak粗集得到的,单向S-粗集与单向S-粗集对偶具有动态特性。给出单向S-粗集、单向S-粗集对偶与Z.Pawlak粗集的关系。S-粗集具有三类形式:单向S-粗集、单向S-粗集对偶、双向S-粗集,利用单向S-粗集、单向S-粗集对偶,给出数据内挖掘、数据外挖掘概念,给出数据内挖掘的外同心圆定理、数据外挖掘的内同心圆定理,并给出其应用。S-粗集是粗集理论与应用研究的新分支。     

中国计算机学会第九届全国搜索引擎和网上信息挖掘学术研讨会（SEWM2011）征文通知

第九届全国搜索引擎和网上信息挖掘学术研讨会（SEWM2011）由中国计算机学会主办,河北大学承办。该系列会议每年举行一次,现已成为国内海量网络信息处理与应用领域最主要的学术活动之一。此次会议将为网络信息搜索与挖掘领域的学者交流最新研究成果、进行广泛的学术讨论提供便利,并且将邀请国内外该领域的著名学者做精彩报告,同时将保持SEWM会议的传统,组织搜索和挖掘相关技术的评测。会议还将评出优秀学生论文,颁发证书并给予奖励。     

数据源特性对序列模式挖掘结果的影响

用IBM数据生成工具生成数据考察了客户序列数、平均序列长度、平均事务长度、项目数等数据特性对挖掘结果序列模式个数的影响,得到了单项特性对挖掘结果序列模式个数的影响模型,用以在进行正式挖掘之前,通过数据特性对挖掘结果进行初步判断。     

基于离群点挖掘的RFID冷链温控研究

用RFID技术解决了冷链物流管理中的温度实时监控难题;面对随之而来的数据爆炸问题,结合RFID数据挖掘算法和冷链温控实际需求,提出了RFID离群点快速挖掘算法QOD,并采用剪枝策略使算法进一步优化,随后通过实验证明了算法的准确性;最后展望了RFID冷链温控研究的未来发展方向。     

工作流挖掘技术研究

本文首先对工作流挖掘的相关知识做了介绍,然后对国内外工作流挖掘当前研究进展以及已有成果做了总结,简要介绍了几种有代表性的过程挖掘算法.最后展望了工作流挖掘领域目前存在的挑战性问题.     

基于web日志挖掘的网络教学系统的设计与实现

现有的网络教学系统,虽然自身信息量极其丰富,但教师对学生的学习情况缺乏了解,无法满足学生个性化的学习需求。Web日志全面记录学生网上学习的行为,是解决问题的有效方法,文章设计并实现了Web日志挖掘系统,从中发现相似的学生群体,以及浏览兴趣路径,帮助教师及时调整站点结构提供宝贵的建议参考。     

网格服务挖掘框架与实现

对网格服务挖掘的提出背景进行介绍,阐明网格服务挖掘的定义,提出适应网格服务挖掘的框架结构,并对网格服务挖掘软件架构实现的核心原则进行具体的描述。     

面向医学的本体学习方法

现有的大多数本体都是通过手工构建的。本体的构建是一项费时费力的过程,特别在医学领域更是如此。对此,提出了基于中文分词和文本挖掘技术的自动领域本体构建方法,该方法能大大提高本体构建的效率,保证本体的构建质量。