多智能体技术在基于双库协同机制的知识发现KDD*模型设计中的应用

KDD^*模型是基于双库协同机制的知识发现新模型，是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD^*的智能性，设计了一个基于Multi-agent技术的智能数据挖掘系统，利用多智能体技术，实现了数据预处理，数据挖掘，知识的自动获取，基础数据库与知识库的同步进化与协调，知识的评价与表示等功能。     

基于Agent的数据挖掘在CRM中的应用

针对已有的数据挖掘系统缺乏智能性，提出了一个基于Agent的智能数据挖掘系统模型，此模型把Agent本身的特点自然地引入到数据挖掘中，使整个挖掘过程具有了智能性．企业根据挖掘到的信息来分析和预测客户的将来行为，从而有针对性地为客户提供服务，降低决策风险，提高企业竞争力。     

基于扩展元模型的智能动态工作流建模方法

为了提高工作流的智能性和动态性,对原有的工作流过程元模型进行扩展,提出一个基于该扩展元模型的智能动态工作流模型.该工作流模型引入控制规则来约束流程的实例化,并引入一个独立于工作流系统的规则协调器来对流程规则进行解析,实现了流程的智能动态变化.研究结果表明,建立在智能动态工作流模型上的工作流管理系统不仅具有智能性和动态性,在通用性以及柔性方面也有很大的提高.     

基于多Agent的数据挖掘系统模型

在传统的数据挖掘体系框架中引入Agent联邦技术,提出一种基于Agent联邦的挖掘系统模型,由Agent联邦来完成数据准备、数据挖掘以及结果评估和解释等工作,使整个挖掘过程实现了知识性、智能性.文章重点讨论了各个联邦的功能和具体构成.     

基于多Agent的智能教学系统模型

随着人工智能技术的不断发展和完善,人工智能领域的理论(尤其是Agent技术)不断地应用于教育教学过程中,从而给网络教学系统的研究与应用开辟了新的思路。结合Agent的智能性,笔者构建了一个基于多Agent的智能教学系统的模型,模拟人类在教学活动中的智能活动过程,通过建立多个彼此协调运作的Agent,来使系统能够根据学生的个性特征和认知能力,灵活地系统学习,从而实现个别化教学。     

基于智能Agent技术的网络教学系统设计与实现

本文分析了当前网络教学系统存在的主要缺陷,引入智能Agent技术,提出了基于智能Agent技术的网络教学系统模型,将系统中一个复杂的任务分解为多个子任务,每个子任务由相互协作的Agent来执行,通过Agent之间的交互来完成任务,深入分析了Agent之间的基本通讯行为、通讯机制,研究了Agent之间协作的基本理论,提高了现有教育教学网络系统的智能性、适应性和可扩充性,改善了网络教与学的效果,实现了真正的网络教育.     

商务智能中基于时间序列的模型数据挖掘技术应用研究

商务智能中应用时间序列的模型数据挖掘技术成为客户智能体系的重要组成部分。在满足市场需求的同时,促进时间序列的模型数据挖掘技术的不断发展。通过对数据挖掘技术的特点及类型、商务智能、数据挖掘两者之间的关系为研究点,对时间序列的模型进行的建模及数据序列模型数据挖掘技术的实践应用进行系统的分析。     

智能Agent在计算机辅助教学中的应用研究

针对现有智能计算机辅助教学中存在的智能性低、交互性不好以及缺乏有效引导的缺点,引入了一种新的基于多Agent的智能化计算机辅助教学模型.该模型通过构建多个Agent体系结构,有效结合了智能Agent具有的自治能力以及实用性和灵活性,使教育教学活动更加人性化,同时该新模型将教、学、管理三方面分开,可以较成功地解决网上教学所要求解决的通用性和一致性问题.     

智能化网络管理方案的研究

介绍了SNMP网络管理模型的实现原理，探讨了网络管理的智能方案，提出一个网络管理方案，对用户进行基于IP的身份认证，实现对用户授权控制．通过建立管理数据的数据库和网络状态评估标准库，结合数据挖掘和智能推理的方法，实时对网络运行状态综合评估、故障定位和自动排错或给出排除方案，从而实现网络管理的智能化．     

基于GIS和遗传算法的公路智能选线

为了解决传统的交互式公路CAD系统不能完成公路选线决策等智能性任务的问题,将GIS(地理信息系统)的空间数据挖掘技术以及智能进化算法-遗传算法引入到公路选线过程中,通过对象组件技术进行空间数据挖掘,以获取选线环境知识,建立了基于GIS的空间环境知识模型;通过确立遗传进化策略、遗传算子,建立了基于遗传算法的路线平面优化模型,借助选线环境知识,对路线遗传种群进行评价和选择,以获得最优方案.结果表明:公路智能选线系统算法具有全局搜索、自适应性和快速收敛的特点;优选方案有效地兼顾了地形、地质、生态和安全等因素,可作为交互设计的初始方案.