可拓空间数据挖掘技术及其应用

将可拓学理论与方法应用到空间数据挖掘技术当中，建立起一种基于可拓学的空间数据挖掘的理论、方法和应用体系，并以北京地区泥石流危险度的区划与预报为例说明其应用。     

数据挖掘方法的研究

数据库中的知识发现即数据挖掘是致力于大型数据分析中的半自动工具的研究。讨论了数据挖掘中一些常用的方法 ,特别是频繁发生模式中层次搜索及其在不同领域中的应用。讨论了数据挖掘查询编译成算法的可能性 ,并列举了数据挖掘及知识发现中现存的一些问题。     

基于Rough集的空间属性数据挖掘的研究与实践

介绍了地理信息系统（GIS）的概念，深入研究了空间数据库的特性，探讨了Rough集理论，分析了Rough集合和空间数据的关系，讨论了差别矩阵的概念和算法，应用信息熵和模糊数学模型，给出了空间数据库属性数据的数据约减和数据挖掘算法，最后分析了一个应用事例，从而验证了算法的可行性。     

数据挖掘技术在钢铁行业的应用

数据挖掘技术的核心是从大量运营数据中挖掘出潜在有效的规律为宏观决策服务。结合涟源钢铁集团公司决策支持系统的建设经验,探讨数据挖掘技术在钢铁行业的应用,重点介绍数据挖掘在销售、生产、质量控制等领域的应用,并详细列举数据挖掘在生产和质量控制领域的实例。     

空间目标的雷达识别技术

空间雷达目标识别在航天技术和战略预警中具有广阔的应用前景 ,它也是目前雷达目标识别技术应用较为成功的领域。总结了目前国内外该领域已有的研究成果 ,结合空间目标的动力学特性和电磁散射特性 ,探讨了在窄带和宽带雷达信号体制下的各种空间目标识别方法 ,并展望了该领域的技术发展趋势。     

基于微粒群和子空间的离群数据挖掘算法研究

传统的离群数据挖掘方法大多数是利用全局的观点看待离群数据,很难发现低维子空间中的偏移数据.利用微粒群算法(PSO)具有简单,容易实现并且没有许多参数需要调整等优势,提出了一种基于PSO和子空间的离群数据挖掘算法(OM-PSO).该算法首先将子空间看作微粒,根据偏离数据所在子空间的稀疏系数,采用带有变异算子的PSO算法来搜索子空间,并将子空间中的数据看作为局部偏离数据,即离群数据;最后采用离散化的天体光谱数据作为数据集,实验结果验证了该算法的有效性.     

粗糙集方法在作战仿真数据挖掘中的应用

粗糙集是数据挖掘的一种工具,目前已被成功地应用于数据挖掘、决策分析、过程控制、模式识别与机器学习等领域。在作战仿真系统中,产生了大量的数据,用粗糙集方法对作战仿真结果数据进行挖掘,可以得出一些有参考价值的规则,可证明粗糙集技术在军用仿真系统中有着广阔的应用前景。     

基于Agent的多领域战争空间实践

信息化战争模拟不能仅仅考虑火力作战损耗，需要更加注重对军事、政治、经济、社会、舆论等各个领域的综合建模仿真。为此，我们在多年研究信息化战争模拟和战争复杂性的基础上，在虚拟全球战争空间研究构想指导下，采用CAS理论，基于进化的思想，运用Agent建模方法在多领域中对上述研究构想进行了探索性实践。对多领域战争空间Agent建模实践的内涵、外延、特点等内容进行了论述，并给出了原型设计，为本课题的长期研究奠定了基础，指明了方向。     

因素空间理论与知识表示的数学框架（续）：反馈外延的精细化与概念内涵的表？

本文是文献「１－３」的继续，本文及后续论文仍锂系统地研究因素空间理论及其在知识表示中的应用。首先讨论反馈外延的精细化问题，介绍两种提高精度的方法。剖分法和三角模法。然后，研究概念内涵的表达问题，给出概念外延与概念内涵的相互转化方法。     

空间通信设施模型与仿真

由于技术进步，各空间机构广泛的合作以及商用空间领域的开展，使空间任务变得复杂多样。通过以往地面站和卫星跟踪系统已经难以适应今后空间呈现出的由卫星群、空间站、航天飞机以及各类探测传感器网络构成的复杂的通信格局，从而迫切需要建立空间通信基础设施来为空间任务提供通信服务。通过对空间任务通信需求和特点进行分析，结合目前卫星通信技术的现状，提出一种环状层次可扩展的空间通信基础设施构架，并对其进行了分析仿真证明其合理性．     

Generalization-based discovery of spatial association rules with linguistic cloud models

Extraction of interesting and general spatial association rules from large spatial databases is an important task in the development of spatial database systems. In this paper, we investigate the generalization-based knowledge discovery mechanism that integrates attribute-oriented induction on nonspatial data and spatial merging and generalization on spatial data. Furthermore, we present linguistic cloud models for knowledge representation and uncertainty handling to enhance current generalization-based method. With these models, spatial and nonspatial attribute values are well generalized at higher-concept levels, allowing discovery of strong spatial association rules. Combining the cloud model based generalization method with Apriori algorithm for mining association rules from a spatial database shows the benefits in effectiveness and flexibility.     

Research of united model of knowledge discovery state space and its application

1.INTRODUCTION Atpresent,complextypedatamining,suchasmulti media,audio,video,image,Webpage,spatial tem poraldataetc.,isreceivingmoreandmoreattention frombothresearchandbusinesscommunity.Howto exploittheexistingminingtechniquesofstructured datatocomplextypesofdata?Canweproposeacom montheoreticalframeworkforminingbothstructured dataandcomplextypesofdata?Wethinkitisurgent forustotrytoanswertheabovequestions.Fromdifferentperspectives,suchasevidencetheo ry,roughsetetc.,someresearchershaveprop…     

Research on time series mining based on shape concept time warping

Time series is an important kind of complex data, while a growing attention has been paid to mining time series knowledge recently. Typically Euclidean distance measure is used for comparing time series. However, it may be a brittle distance measure because of less robustness. Dynamic time warp is a pattern matching algorithm based on nonlinear dynamic programming technique, however it is computationally expensive and suffered from the local shape variance. A modification algorithm named by shape DTW is presented, which uses linguistic variable concept to describe the slope feather of time series. The concept tree is developed by cloud models theory which integrates randomness and probability of uncertainty, so that it makes conversion between qualitative and quantitive knowledge. Experiments about cluster analysis on the basis of this algorithm, compared with Euclidean measure, are implemented on synthetic control chart time series. The results show that this method has strong robustness to loss of feature data due to piecewise segment preprocessing. Moreover, after the construction of shape concept tree, we can discovery knowledge of time series on different time granularity.     

生物医学文献知识发现研究探讨及展望

采用文本挖掘技术处理海量生物医学科技文献和文本注释型数据库。从而发现创新知识如基因、蛋白质、疾病、药物及其相互关系的研究是当前人工智能和数据挖掘领域研究的热点。本文对生物医学文献知识发现的研究内容、研究成果以及基于文本挖掘的关键技术诸方面进行了系统的分析和阐述。通过分析中医药学数据的特点，提出了基于文本挖掘的中医证候分子生物学知识发现研究，该方法的特点是综合利用中医药学文献和MEDLINE，能够获得创新的证候与基因相关知识。初步实验表明，文本挖掘技术有望为证候的分子水平研究提供辅助和支撑手段。     

从数据挖掘到专家挖掘

在简要分析传统数据挖掘方法不足的基础上,提出专家挖掘的必然性和重要性.作为一个新的研究领域,首先介绍了专家挖掘的基本概念,接着给出了其过程模型、主要方法与技术,并通过与数据挖掘方法的比较,分析了专家挖掘与数据挖掘互为驱动的知识发现的优势,最后结合案例说明专家挖掘的可行性.     

动态社团发现研究综述

为适应当前动态网络数据的发展,对动态网络中的社团结构进行检测、追踪和预测,对国内外关于动态网络社团发现与演化的相关文献进行了综述。归纳了动态网络的社团发现算法,清晰了社团演化事件的定义,并梳理了社团发现与演化算法的应用场景。通过文献梳理,提出将来动态社团的研究应注重在大数据集上的算法优化、在多语境下的信息挖掘和在多场景下的应用性。     

粗糙网络及其应用

粗糙图理论是知识发现、知识挖掘的新的理论工具。对粗糙图理论做进一步的研究,首先给出了有向粗糙图的定义,并进一步定义了粗糙网络及粗糙网络中的类流,又讨论了有向粗糙图及粗糙网络的表示形式。通过推广传统最大流算法,给出了粗糙网络中的类最大流算法,并将其应用于新的一类关系挖掘问题中。     

贸易自由化如何影响技术创新质量?--基于空间计量模型的实证检验

贸易自由化为前沿技术引进和知识溢出提供渠道支撑,成为后发经济体技术创新质量提升的重要引擎,但也可能会触发本土防御性技术创新行为,贸易自由化如何影响技术创新质量的问题有待进一步考察。为此,基于2009-2018年我国30个省份的面板统计数据,本文采用空间计量模型实证检验了贸易自由化对技术创新质量的影响及其空间效应。结果发现:第一,贸易自由化不仅直接促进本地区技术创新质量的提升,而且存在空间溢出效应间接驱动其他地区技术创新质量的提升,但随地理距离的增加,这种空间溢出效应呈现倒U型波动衰减的态势。第二,贸易自由化对技术创新质量的影响具有技术创新质量等级、贸易自由化类型和区域范畴三大异质特征。第三,我国技术创新质量呈现显著的空间β收敛态势,贸易结构的优化能够促进技术创新质量同比增长率的提升,从而间接驱动技术创新质量区域收敛发展,但整体的驱动力还十分有限。结果表明,要顺应贸易自由化发展趋势,扩大区际贸易交流,做好"贸易自由化+技术创新质量"这篇文章。     

基于数据仓库的决策支持系统框架

数据仓库技术是在充分地开发信息资源的迫切要求下产生并迅速发展起来的一个国际前沿研究新领域 .本文分析传统决策支持系统开发中存在的问题 ,探讨数据仓库技术在决策支持系统建立中的应用 ,提出基于决策支持系统的基本结构框架 ,并讨论系统建立中数据仓库的数据组织与设计、数据挖掘层次空间的建立、知识发现方法等技术关键 ,最后进一步阐述系统的建立方法 .