基于DS理论的不确定空间co-location模式挖掘

 提出一种基于DS理论的co-location挖掘方法.先将数据集按照空间对象分类,然后从分类后的子数据集中依次提取该空间对象的实例,与其他空间对象数据集中的各个实例进行配对,将找到的各实例关系记录到一个新的关系表中,作为使用DS理论求解的基础.从一个新的角度来研究co-location挖掘技术,在DS理论的基础上重新定义了参与度,基于新定义的参与度来求解co-location模式.     

dGridTopk-FCPM:一种基于模糊理论和d-网格的Top-k空间co-location模式挖掘方法

空间co-location模式是指在空间中相互邻近且频繁出现的空间特征的集合。由于传统的co-location模式挖掘使用单一的距离阈值来定义空间邻近关系,忽略了距离变化对空间邻近关系带来的影响,并且最小频繁度阈值的设定对于没有数据相关专业知识的用户来说存在一定的困难。针对上述问题,该文提出了一种基于模糊理论和d-网格的邻近隶属度计算方法,该方法可以避免计算Euclid距离并且可以利用d-网格快速找到满足模糊邻近关系的极大团,然后结合Top-k思想,挖掘出频繁度最大的k个空间co-location模式。实验结果表明:该方法具有更高效的性能和更细致的计算结果,并且通过比较召回率,发现该方法得到的频繁度最大的k个模式与传统co-location模式挖掘算法得到的频繁度最大的k个模式大部分相同,说明提出的模糊度量和挖掘算法具有较大的实用价值。     

一种语义集成框架的研究与实现

提出一种基于本体的数据集成框架,给出了底层数据源模式分解、匹配和本体生成的方法.通过改进模式路径映射算法建立了本体与源模式的映射规则,从而较好地解决了将用户提交的基于本体的查询分解到各个数据源执行的查询分解技术.     

基于本体的数据挖掘在CRM决策分析中的应用研究(英文)

电子商务客户关系管理中,实现基于语义层面上的挖掘是提高用户数据挖掘质量的一个关键性问题,本文融合了本体和数据挖掘技术,提出了基于本体的数据挖掘决策分析模型,利用基于本体的数据挖掘方法从语义层面上实现了对用户数据的挖掘,实现了用户数据的高效率和高精度挖掘,并根据挖掘结果进行决策分析,根据分析结果为用户提供基于RSS聚合的个性化服务.     

基于MAS的Web用户数据预处理

数据预处理是采用基于Web的使用挖掘发现用户模式的第一步.由于Web用户数据来源的不同,不仅导致用户的识别困难,用户访问页面的完整性也难于得到保证,这给下一步的用户模式发现带来了问题.本文提出了一个基于MAS的数据预处理方法:在客户端采用Agent精确捕获用户浏览行为,构造用户访问图;在服务器端的Agent保存服务器生成页面,并根据客户端Agent返回的数据完整获得用户的访问内容,为有效实现用户模式发现提供了保证.     

一种基于投影FP-growth的co-location模式挖掘算法

空间co-location模式代表了一组空间属性的子集,它们的实例在地理空间中频繁地关联。针对如何利用关联规则挖掘算法来快速地挖掘co-location模式的问题,通过采用FP-CM算法与投影频繁模式树(PFP_tree)及其他技术相结合的方法,提出了一种基于投影FP-growth的co-location挖掘算法,简称PFP_CM算法。这个新算法主要对产生最大频繁模式的方法、模式过滤的方法、访问数据库的次数、避免大量的表实例连接操作的方法进行改进。最后通过大量的实验,验证了该算法的高效性和正确性,同时,将其用于对三江并流地区珍稀植物的共生物种进行挖掘。     

空间co-location模式挖掘算法介绍及应用

当前挖掘空间co-location模式所遇到的困难在于,空间对象的实例分布在连续的空间中并拥有复杂的空间关系,大部分的计算时间需要用来生成co-location模式的表实例.分析了co-location模式挖掘的实质,以及近年来提出的co-location模式挖掘的全连接算法和无连接算法,并对这两种算法在性能上加以比较.在此基础上,结合三江并流国家基金项目,用这两种算法挖掘出了共生植被及其分布情况,为生物学家的科学研究提供了有利的帮助.     

从动态空间数据库中挖掘共生关系和竞争关系

空间co-location模式挖掘是空间数据挖掘的一个重要研究方向.空间co-location模式是空间特征的一个子集,它们的实例在空间中频繁关联,模式中的各个特征之间是位置共存的关系.然而,除了位置共存之外,这些特征可能还具有进一步的关系,例如相互依存的共生关系、争夺同一个环境资源的竞争关系.从动态空间数据库中挖掘隐含在空间co-location模式中的共生关系和竞争关系,挖掘目标分别为强共生模式和竞争对.给出了强共生模式和竞争对的定义,提出了挖掘强共生模式和竞争对的新颖的算法及剪枝策略.并在"合成+真实"数据中验证了算法的效率以及挖掘结果的意义.     

基于凝聚层次聚类的co-location模式挖掘

空间的co-location模式代表一组空间对象的子集,它们的实例在空间中频繁地关联,它是空间数据挖掘的重要研究方向.本文首先介绍co-location模式挖掘的基本算法,然后提出一种新的挖掘算法,算法先对空间数据进行凝聚层次聚类,在聚类结果上挖掘co-location模式,最后对这种新的算法作实验评估.     

基于本体的XML数据集成及映射关系的研究

文章在集成异构分布式XML数据源时,提出一种基于本体的数据模型来描述XML数据的语义信息,以实现带有一定逻辑推理功能的智能查询。即通过一系列映射规则将XPath的局部路径与本体中的概念及角色关联起来,将用户查询重写为基于XML的XPath查询,本系统的目标是使用户可对Web上各XML数据源进行基于本体的查询。     

基于本体的XML数据集成及映射关系的研究

文章在集成异构分布式XML数据源时,提出一种基于本体的数据模型来描述XML数据的语义信息,以实现带有一定逻辑推理功能的智能查询.即通过一系列映射规则将XPath的局部路径与本体中的概念及角色关联起来,将用户查询重写为基于XML的XPath查询,该系统的目标是使用户可对web上各XML数据源进行基于本体的查询.     

基于本体的数字图书馆服务模式研究

从本体的内涵、本体的功能、本体的构建等方面阐释了本体思想,详细介绍了基于本体的数字图书馆知识服务模式的构建,以期帮助用户在数字图书馆的海量信息中及时、准确地找到自己所需要的知识。     

基于本体的临床试验数据语义查询

临床试验数据的描述中多自然语言、多专业医学术语的特点使得用户难以通过自定义的关键字快速定位所需的资源。该文采用基于本体的方法实现对于临床试验数据的语义查询。该系统的实现步骤如下:使用OWL(Web on-tology language)构建基于ICD-10和ICMJE标准的本体,包含疾病和临床试验类;从Clinical Trials注册库获取临床试验数据,标注为本体中的临床试验类实例;建立临床试验实例与疾病实例的联系;借助SPARQL实现对于临床试验数据结构化的查询。使用上述方法,用户能够通过疾病实例和相关属性的关键字,表达结构化的语义查询条件,精确定位所需的临床试验。与传统的仅基于关键字匹配的查询方法相比,该方法所表达的查询条件能够更加准确地描述用户的查询需求。     

基于语义Web的股票信息表示模型

在分析查找互联网股票信息存在问题的基础上,给出了一个基于语义Web的股票信息表示模型.首先利用语义Web定义股票本体,给出了相应的RDF模式描述,对本体进行评估.其次,通过分析用户股票信息需求,利用构建的股票本体,给出基于语义Web的模型的体系结构,建立了一个能根据用户请求提供所需要的股票信息的股票信息表示模型;最后通过实例验证了该模型的有效性.     

面向资源融合网格的语义数据融合

网格中的数据资源多种多样,为用户提供具有语义支持的、按需访问的数据服务是资源融合网格中数据融合的关键问题。本文提出了基于本体的语义数据容融合方法ODSF;该方法中的基本元素是数据对象,通过数据对象和领域本体之间的映射关系来表达数据对象的语义,使用嵌套关系模型来表达数据对象的模式信息,通过一个网格节点中集成的所有数据对象作为下一个节点的数据对象来实现数据资源由粗到细的融合;定义了ODSF的语义模型,给出了虚拟数据库的查询执行过程和算法,可以为使用者提供具有语义支持、服务质量保障的数据访问服务;通过原型系统验证了ODSF中理论和关键技术的正确性和可行性。     

基于并行计算的空间co-location模式挖掘

提出适合并行计算的空间数据分区算法,并在此基础上提出基于并行计算的空间co-location挖掘算法.在三类数据集上做了大量的实验.实验结果表明,基于并行计算的算法在很大程度上提高了挖掘的效率,为进行空间大数据的挖掘提供了有效且快速的方法.     

基于背景知识的本体进化框架设计

随着应用环境和用户的需求不断变化,本体必须不断进化.目前本体进化工作要解决的最重要的问题是如何确定新的数据信息与进化本体中已存知识之间的正确关系.基于背景知识的本体进化框架,利用背景知识挖掘出新旧数据信息之间的关系,改善了整个本体进化过程.     

基于语义的XML数据清洗框架

在XML数据清洗中,模式约束语言提供的信息不能满足准确数据清洗过程对于领域知识的需要;同时,传统的树编辑算法在对XML实例数据进行清洗时,由于缺乏对XML结构信息的语义描述,造成了大量的数据匹配错误.基于此,引入参考本体和领域本体分别对上述问题进行解决,给出了模式约束的度量指标和一个XML结构感知算法,并构建了一个基于语义的XML数据清洗框架.     

基于隐私保护的语义数据集成

设计隐私保护策略本体,提出一个基于智能体和本体的数据集成的架构,包括知识浏览器、全局本体、局部本体、映射和上下文、隐私保护知识库、隐私策略本体、数据挖掘本体、数据挖掘智能体、集成智能体等,可在保护用户隐私的基础上有效地实现分布异构环境的语义数据集成.并介绍了一个反洗钱领域隐私保护数据集成的实例.     

基于抽取规则和本体映射的语义搜索算法

针对目前语义搜索过程中存在效率低、 用户推荐误差大等问题, 提出一种基于抽取规则和本体映射的语义搜索算法. 首先根据用户语义搜索要求抽取语义中的元素和属性, 解决数据利用率低的缺陷; 然后建立语义模型, 构建本体之间的元素及属性之间的映射, 消除用户需求和计算机之间的语义偏差; 最后将语义搜索算法应用于用户个性化推荐系统. 实验结果表明, 该语义搜索算法有效提高了搜索效率, 降低了用户个性化推荐误差.