序列模式中知识发现问题描述与知识发现方法研究

在分析基于工艺元的典型工艺信息组织模式的基础上,提出一种基于数据挖掘技术的从工艺数据中获取工艺元知识的方法.该方法采用文本聚类的思想扫描工艺数据库,将数据库中工艺描述划分为不同的类提取出常用工艺语句并设计了相应的处理算法,通过改进Apriori方法设计的Apriori-seq算法用于对工艺规程序列进行挖掘获取工艺元.同时,开发出在制造工艺序列数据中进行知识发现的原型系统SCU-KDPS,应用表明本文的研究方法有较高的知识发现效率.     

不完备信息系统中知识发现的新方法

讨论了不完备信息系统中的知识发现问题．带有未知数据的不完备信息系统可以看成集值信息系统．由此提出了不完备信息系统的2种约简方法即概率误差分布约简和平均概率误差约简，以及相应的约简算法．基于约简提出了规则的定义和对象z知识发现的新方法．     

儿童心目中的独立随机序列

本研究以401名9～14岁儿童为被试，考察其心目中的独立随机序列，结果发现：儿童基于已有的概率知识与生活经验等，描述出随机与不随机两类序列，给出的理由可以分为5类。进一步分析表明，依据直觉、动手试验或生活经验的儿童，比运用模糊的概率知识的儿童描述出更多具有随机性的序列。因而，动手试验，收集数据，通过数据感受随机性，进而...     

S-粗集理论与知识发现

基于S-粗集,给出了在知识发现中由数据变化获取新知识的方法.应用S-粗集的迁移运算,给出了属性增加时知识的粗糙度减少的结论.     

基于分布式概念格的序列模式挖掘

给出解决海量数据库序列模式的挖掘问题的算法．首先采用分布式概念格的思想对数据进行划分，根据子全概念生成相应的子形式背景，选择最优的算法对子形式背景上建格（即子格），所有子格建好后，再对子格进行序列模式的挖掘，合并后得到整个数据库的序列模式．     

基于云计算的显性隐性语法知识数据库构建

传统的语法知识数据库构建方法忽视了显性语法与隐性语法之间的关联程度,致使数据库的反馈结果遗漏了隐性语法知识要点,因此基于云计算技术,构建全新的显性隐性语法知识数据库.粒子群算法计算数据的更新特性,获取隐性数据、显性数据的关联程度指标,根据转化模型实现对隐性语法知识的显性转化;利用目标函数获取搜索目标,并根据数据的重要程度排序;基于云计算技术设置分布式处理方式,优化数据库反馈机制,实现对语法知识的全方位反馈.实验测试表明,与传统方法构建的数据库相比,基于云计算的数据库反馈能力更强,搜索得到的语法知识重要程度更高.由此可见,基于云计算构建的数据库,满足现阶段的教学需求.     

数据挖掘与数据库知识发现

数据挖掘是解决数据库中数据急剧增大与利用率低之间矛盾的必然结果。数据库知识发现（ｋｄｄ）技术的应运而生使得人们在实际工作中消耗大量财力和物力的数据得以利用。这也是数据库知识和人工智能技术发展的结果。     

数据挖掘与数据库知识发现

数据挖掘是解决数据库中数据急剧增大与利用率低之间矛盾的必然结果,数据库知识发现（kdd)技术的应运而生使得人们在实际工作中消耗大量财力和物力的数据得以利用,这也是数据库知识和人工智能技术发展的结果。     

基于事务标识符序列的频繁集发现方法

字符串比较是计算机信息处理的重要方法之一。针对现有关联规则挖掘算法不能记忆及利用历史挖掘成果的局限性,提出了将事务数据库转化为项目数据库,构造项目的支持事务标识符有序序列方法。为提高挖掘效率,减少串处理效率较低的负面影响,给出了双序列串比较算法,以及针对串比较的大项目频繁集发现方法。     

具有层次数据域的关系中的知识发现

从数据库发现知识已有很多好的方法 ,本文将研究一种在具有层次数据域的关系数据库中发现知识的新方法.     

基于PrefixSpan思想的增量时序模式挖掘算法

基于PrefixSpan思想的序列模式增量挖掘算法,对更新数据库的频繁模式分三类进行挖掘,利用了原频繁模式基的信息,对局部新增数据进行挖掘,只在候选集的处理中对更新数据库扫描一次。实验表明,该方法与直接用PrefixSpan算法对更新数据库挖掘相比,性能上有较大的提高。     

企业设计知识服务系统的知识获取

为了有效解决设计知识服务系统的知识获取问题，为设计者提供有效、准确的设计知识服务，从而提高设计效率，在分析涟波下降规则方法的基础上，本文提出了基于涟波下降规则的设计知识服务模型，并进一步分析了该系统的知识获取过程。结合不同类型设计知识的特点，通过涟波下降规则有效地实现了经验设计知识的获取，在专家进行设计过程中可以及时对专家的知识进行获取、组织及应用，且通过和用户进行交互，对知识逐步进行处理和加工，使得系统能够向用户提供所需要的知识及服务。     

基于矩阵降维的典型用户文件发现方法

应用聚类技术能够自动地发现典型用户件，但是由于会话向量通常是高维的稀疏向量，因此很难在会话向量之间设计有效的相似度度量．本提出2种基于矩阵降维的典型用户件发现方法．这些方法应用非负矩阵分解技术降低会话-URL矩阵的维数，并通过球形的后．均值算法对用户会话向量的投影向量聚类，由此得到典型用户件．实验结果表明，这些算法能够有效地从用户会话中发现典型的用户件．     

显露模式（Emerging Patterns）的有效挖掘

EPs可以用来在数据库中进行知识发出，也可以捕获时标数据库中的显露趋势或数据类之间的有用对比。由于Apriori属性对EPs不再适用，而且多维数据或小支持度阈值（如0．5％）有太多的侯选项集。对此Naive算法代价太大，这使得EPs的有效挖掘成为一个挑战性问题。为解决这些问题，本文介绍使用精确的描述大型项集集合， 设计只操作边界集的EPs挖掘算法，并且使用边界表示已发现的EPs。     

Rough知识发现在焊接领域中的应用

不同的现场条件、工件情况,选用不同的焊接方法会得到不同的接头质量.本文利用rough知识发现理论,对大量实验数据进行清理,归纳出二维决策表.通过对决策表进行的等价类的划分,推出知识,进而找到不同焊接方法的规律.     

知识发现过程应用--一个原型系统设计

该文设计了一个可用于医疗知识发现的KDD系统原型，并利用数据预处理技术和数据挖掘技术实现了对医疗数据库BCD的数据挖掘过程。     

一种基于m元树结构的序列模式挖掘

提出一种基于m元树结构序列挖掘模式挖掘算法,该算法通过构造m元树结构,利用滑动窗口不断对数据集新旧项目的增删以确保数据库内容的更新.实验与理论分析表明,即使算法输入参数的不同,比如兴趣度、最小支持度等,该算法都是非常有效的.     

领域知识和聚类的关联规则深层知识发现探讨

随着信息技术的发展,社会各个领域对于数据准确度的要求越来越高.在计算机系统数据采集中,进行深层知识体系的开发与建设,技术人员应该强化数据挖掘效率的提高.在知识和聚类信息的采集与整理活动中,提升数据信息采集的平均准确率.开展数据信息的深度挖掘,技术人员应该对不同的数据处理算法进行比较,从而找到最优化的数据挖掘方法,确保数据采集活动符合知识聚合、分离的相关规则.本文从领域知识深层开发的技术细节展开讨论,提出几点有利于提升数据知识挖掘准确性的可行性建议.     

基于Spark平台的热点话题发现算法并行化研究

话题发现中最常用的方法是基于增量式的Single Pass聚类算法,但是其依赖于文档的输入顺序且效率低下。针对这两个问题,提出在多层次话题发现基础上,基于Spark平台的算法并行化,将传统的Kernel K means算法进行并行化处理,以并行化的方式对数据进行初步聚类,并对后续数据进行增量式聚类。实验表明,多层次处理提高了话题的准确性;同时,并行化方式相比传统的话题发现方法,其效率有较大提高。     

知识发现和数据挖掘技术

如何从数据库中挖掘知识已成为数据库系统领域的重要课题，这方面的研究正受到越来越多的关注。本阐述了知识发现和数据挖掘的研究背景，定义和研究动态，介绍了知识发现的处理过程，并对数据挖掘技术进行了分类，讨论了数据挖掘研究的发展趋势。