可拓知识与可拓数据挖掘

规范了可拓信息与可拓知识基本概念,即在信息和知识的概念上扩充了变化的信息和变化的知识;明确了可拓数据挖掘概念以及可拓推理新概念;证明了可拓数据挖掘两个定理和可拓推理公式;提出的从挖掘静态知识的数据挖掘扩展到挖掘变化知识的可拓数据挖掘,为数据挖掘开辟了新的研究方向,并通过实例进行了说明。     

挖掘变化知识的可拓数据挖掘研究

规范了可拓信息与可拓知识基本概念，即在信息和知识的概念上扩充了变化的信息和变化的知识。明确了可拓数据挖掘概念以及可拓推理新概念。证明了可拓数据挖掘两个定理和可拓推理公式。提出的从挖掘静态知识的数据挖掘扩展到挖掘变化知识的可拓数据挖掘，为数据挖掘开辟了新的研究方向，并通过实例进行了说明     

可拓学在数据挖掘中的应用初探

可拓学在数据挖掘中的应用是多方面的,其特点是挖掘“不行变行" 的规律。可拓方法丰富了数据挖掘的内容,为多值型关联规则的建立提供了新的工具。提出的可拓数据挖掘模式,有利于利用现存数据更好地为决策服务。     

基于可拓数据挖掘的用户需求获取研究

为了准确、有效地获取潜在的用户需求信息,文章提出了一种基于可拓数据挖掘的关联规则挖掘方法,通过将用户需求按不同需求分类,构成具有不同功能属性的用户需求集；利用粒子群算法挖掘出用户需求集中的关联规则,结合可拓变换原理,推理出新的关联规则知识,通过实例验证了方法的有效性和可行性.     

可拓知识库系统及其应用

知识库系统是一种专门存储、管理大量知识的机构。文章以可拓学的理论和方法为指导,提出可拓知识表示法和可拓知识库系统的特点与构架。给出了可拓知识表示的形式化语义,其基本单元是知识物元;阐述了矛盾问题求解的形式表示,其核心是问题的物元模型,通过可拓算子把不相容问题转化为相容问题;相关方式推理是可拓知识库系统推理机的特点,是传统规则推理的推广。可拓知识库采用可拓知识表示方法,是传统知识库的一个超集;可拓知识库系统由目标库、条件库、公用知识库、分类知识库、推理机与知识库管理系统组成。     

可拓实数与可拓复数

引进了可拓实数和可拓复数等概念,给出了可拓实数和可拓复数刻划定理,建立了可拓实数和可拓复数度量空间,该空间是完备的,在该空间上可讨论可拓实数列和可拓复数列的极限、度量收敛和水平收敛,还可进一步研究可拓实函数和可拓复函数的连续性和可拓连续性,从而丰富了可拓数学的内容和方法,为可拓数学的研究开辟了一条新的途径,为可拓分析学的进一步研究打下了一定基础。     

大数据及其应用的矛盾问题与可拓学

大数据应用面临众多机遇与挑战。本文分析了大数据研究与应用中的矛盾问题,介绍了处理矛盾问题的可拓学及基于可拓学的创新方法;以数据质量的矛盾问题分析为例,本文展示了可拓学处理矛盾问题的思路,探讨、展望了可拓学对大数据应用中矛盾问题处理的支持。     

可拓积分研究

在可拓集合论、可拓测度论的基础上给出了可拓积分的概念，研究了它的四个性质，并找到了可测函数的可拓积分fh（u）dp=k的一个充分必要条件。     

基于可拓理论的不相容问题的求解初探

传统的人工智能方法在处理矛盾问题、策略的生成方面有许多不足.如何更准确地表示知识和智能化的推理已成为当今研究的热点和难点问题.可拓学的的创立为知识表示和推理的理论研究提供一条新的途径,用可拓学思想对知识进行表示,对不相容问题进行分析,并给出了检查含圈矛盾知识的算法.     

面向可拓建筑设计的数据准备流程与方法

 为面向可拓建筑设计进行可拓数据挖掘, 以可拓建筑设计数据为对象, 探讨将其转化为高质量的结构数据的流程与方法。根据跨行业数据挖掘标准流程(CRISP-DM), 建立包括基元化表达、数据表设计、数据筛选、数据形式变换、变量标准化处理和变量维数约简6 个步骤的数据准备流程, 并根据建筑学专业特点, 结合可拓学、几何学、统计学理论, 设计各步骤的操作方法, 构建出完整的数据准备流程与方法。案例检验结果表明, 按照该流程及其操作方法, 可有效地将可拓建筑设计数据转化为统一格式、高信度、量化且可运算的结构数据。     

《数学规划》课程教学中可引入的若干数据挖掘问题

数据挖掘技术用于在海量数据中发现有用的知识，它涉及许多领域，其中数学规划方法成为数据挖掘领域的重要工具．对《数学规划》课程教学中可以引入的分类、特征选择、聚类和回归等数据挖掘基本问题进行了讨论．     

一种基于核学习的非均衡数据分类算法

提出一种基于核学习的采样算法来处理支持向量机(support vector machine,SVM)在非平衡数据集上的分类问题,其核心思想是首先在核空间中对少数类样本进行上采样,然后通过输入空间和核空间的距离关系寻找所合成样本在输入空间的原像,最后再采用SVM对其进行训练,从而有效克服在不同空间处理训练样本所带来的数据不一致问题.另一方面,该算法在增加少数类样本数量,减小数据失衡程度的同时有效拓展了少数类样本所形成的凸壳,从而能够更为有效纠正最优分类超平面偏移问题,使获得的结果分类器具有更好的泛化性能,实验结果证明了该算法的高效性.     

一种基于条件熵的粗糙集属性约简算法

粗糙集(Rough set)理论是一个新的数据挖掘方法，其主要思想是保持分类能力不变的情况下，通过属性约简，达到发掘知识并简化知识的目的。本文在理解和分析基于粗糙集理论的数据挖掘算法基础上针对属性约简提出了一个基于条件熵的启发式算法。     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。     

基于量化相对约简格的分类规则发现

分类是数据挖掘中的一个重要问题．概念格通过概念的内涵和外延及泛化和例化之间的关系来表示知识,因而适用于从数据库中挖掘规则的问题描述．在量化的相对约简格基础上,提出一种新的分类规则发现算法,该算法的生成结果剔除了冗余的分类规则,算法在时间性能、空间性能等方面均有较大的提高．     

基于粗糙信息颗粒的数据挖掘方法研究

大型的数据库和数据仓库中的数据往往是有噪声和不一致的,应用经典的粗糙集理论对其进行数据挖掘处理时,效果不够理想.引入信息颗粒的概念,给出了属性子集引导的信息颗粒的构造方法及基于信息颗粒的知识描述,并应用粗糙集的扩展模型讨论知识的粗糙度问题,提出了基于粗糙信息颗粒的属性约简算法,该算法在给定最小置信度阈值的情况下,可实现对不一致数据集的简洁知识提取.图1,表2,参8.     

WEB使用记录挖掘研究

随着WWW上资源的与日俱增，如何使用有效的方法从中获取所需的信息，成为研究人员所面临的一个重要问题、WEB数据挖掘是将传统的数据挖掘技术和理论应用于对WWW资源进行挖掘的一个新兴研究领域、该文介绍了WEB数据挖掘的概念和分类，重点分析了WEB使用记录挖掘的基本原理、方法和过程，同时指出了WEB使用记录挖掘未来有价值的研究方向。     

面向属性的粗集数据挖掘方法研究

指出粗集理论的主要思想是在保持分类能力不变的情况下,利用等价类,通过属性约简和决策规则约简,达到挖掘知识并简化知识的目的.但约简问题是一个NP问题,只能通过启发式算法实现.针对这一问题,提出了属性约简和决策规则约简的启发式算法,构成了一个基于粗集理论的挖掘集成算法.最后通过实例表明,该集成算法能够以较高的效率发现良好的分类规则.