服务Agent的设计与实现

将Web服务与Agent相结合代表了Web技术的发展方向之一。服务Agent能够管理一组密切相关的Web服务,并智能化地向外界提供综合的、集成的服务功能。服务Agent的能力建立在内部定义的一组规划基础上。在BDIAgent的基础上,本文提出了一种服务Agent的结构定义;提出了基于目标规划的语义模型和基于ECA规则规划的语法模型,用以进行基于事件驱动的规划选择和执行;实现了支持服务Agent建模的可视化工具;最后介绍一个应用实例。     

An approach to mining bundled commodities

Although bundled commodities are largely existed in supermarket, there are few investigations about bundled commodities mining. In this study, interval-valued association rules as a novel and possible approach to solving the bundled commodities mining issue, is proposed. Properties research based on interval-valued association rules is conducted, and an interval-valued rule pattern: F, ,  is constructed, where F denotes set of interval-valued ruses, and denote the disjunctive operation and conjunctive operation, respectively. Furthermore, one of the properties satisfied by the interval-valued rules: A  C = B  C and A  C = B  C  A = B, where A, B, C are there different rules, is validated and utilized to mine the bundled commodities. Finally, a large-scale software engineering project relative to interval-valued rule mining is implemented to merge flight testing information about aircrafts which validates the technique of mining bundled commodities can be discovered a special relation between objects. These initial investigations provide a researchable framework for bundled commodities mining.     

基于属性和规则的访问控制模型

针对分布式服务环境中用户数目大量增长和资源访问策略复杂多样化的问题,分析目前访问控制模型的应用局限性,提出多用户服务模式中一种基于属性和规则的访问控制模型。该模型引入复合属性表达式和复合权限的概念,制定授权约束规则,为用户分配多组角色。给出模型实例,并将其与其他模型进行比较。     

一种改进的Conf-H-Mine算法

对关联规则和约束关联规则的算法进行了研究和分析,基于候选集的约束算法需要反复扫描数据库,并产生大量的候选集,在挖掘低支持度、长模式的规则时效率低下。针对算法的缺陷,该文提出了一种Conf-H-Mine算法,采用Conf-H-Struct结构存储事务集合,不产生候选集,优化了关联规则的挖掘。实验结果证明了该算法的有效性。     

关联规则挖掘在税收执法管理中的应用

针对税收执法数据量大和频繁模式树FP_TREE算法在挖掘海量数据时需要占用大量内存的缺点,提出一种基于二叉频繁模式树FP_Btree的关联规则算法。算法用二叉树存储数据,减少对数据库的访问次数。采用先求出先建立的二叉频繁模式树的频繁模式,减少算法的内存占用量。该算法已应用于某市税收执法数据分析中,能找出执法过错行为的潜在规律,提高税收执法管理的科学性、实效性。     

基于遗传算法的多关系数据挖掘的研究

多关系数据挖掘的研究领域涉及多个学科,它在由多张表构成的关系数据库中进行知识发现。遗传算法是模拟生物的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。该文将遗传算法应用于多关系数据挖掘,组合使用Apriori方法可从多张表中高效地挖掘出有意义的关联规则。     

基于相似关系的决策系统的知识获取算法

本文基于一种相似关系下的粗糙集模型,给出了一些基本性质,讨论了该相似关系下的决策系统的知识获取算法。该算法可以避免因数据离散化的处理而产生的信息系统相似度的误差。     

基于聚类分析和关联规则的降雨分析与实现

随着数字图像处理技术的发展,多角度、深层次挖掘卫星云图数据信息己成为一种必然发展趋势。根据卫星云图的特点应用了多种图像特征提取算法,包括图像的一、二阶距,分形维数特征和灰度梯度共生矩阵等算法。给出了K—means的改进算法,算法的出发点是确保发现聚类中心的同时使同一类内的相似度大,而不同类之间的相似度小。文中又引入了“事务模式”这一全新概念,基于它对Apriori算法改进后,算法用于云图和雨量数据间的关联规则挖掘,不仅获得了较好的实验结果,也满足了效率需求。     

基于FP-growth算法的学生选课关联规则分析

关联规则技术是数据挖掘的最重要的组成部分之一,它用于发现大量数据中项集之间的有意义的关联和相关联系。本文介绍了使用关联规则挖掘算法FP-growth分析学生选课数据的方法。     

SVM+BiHMM:基于统计方法的元数据抽取混合模型

提出了一种SVM BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM BiHMM算法的抽取效果优于其他方法.