一种关系数据库中基于云模型关联规则的提取

为了发现有效的关联规则，属性在比较高的水平被范化，允许相邻属性值或者语言项的重量．这种软划分可以映射人类的想法，同时使发现的知识鲁棒．利用云模型的理论与方法求解数量关联问题，给出了一种云关联规则的定义，并提出了基于云模型理论支持度和置信度的计算方法，最后提出了一种提取算法Cloud model A．这种方法较好地软化了数量属性论域的划分边界，从而使得挖掘出的云关联规则更容易被人理解。     

基于云理论神经网络决策树的生成算法

提出了一种基于五层云神经网络的决策树生成方法.运用五层云神经网络学习变量间的云映射关系,从中生成云决策树.给出了神经网络的学习算法和云决策树的推理方法,这种方法不但具有神经网络的学习能力,而且结合云理论处理知识的不确定性的能力.该方法利用了五层云神经网络学习后的云映射强度,并能实现云决策树的剪枝优化,提高了算法的正确率.     

基于直角多边形近似的空间连接查询

空间查询效率是衡量空间数据库性能的关键,而空间连接查询是最耗时、最重要的这僮查询。本文在分析了空间连接以往工作的基础上,采用一种新的空间近似方法－－直角多边形近似,改进空间对象的近似精度,并用于基于R 树的空间连接方法,给出了连接算法,并用实验验证了方法的有效性。     

一种改进的自映射空间判定树算法

判定树在基于知识的专家系统中非常有用,同时在数据挖掘中也是一种重要的方法.但是目前的判定树判定方法并不能准确、清晰地处理与人类思想和感觉的知识.通过自映射空间模型作为知识表达和处理不确定性的方法以达到改进目前方法的目的.与传统的分类方法相比,自映射空间方法更好地集成了模糊性和随机性.提出了基于自映射空间模型的判定树方法,该方法处理人类思维更加自然.在实际的分类问题过程中,自映射空间方法更加有效、灵活.     

Building a Tax Predictive Model Based on the Cloud Neural Network

Tax is very important to the whole country, so a scientific tax predictive model is needed. This paper introduces the theory of the cloud model. On this basis, it presents a cloud neural network, and analyzes the main factors which influence the tax revenue. Then if proposes a tax predictive model based on the cloud neural network. The model combines the strongpoints of the cloud model and the neural network. The experiment and simulation results show the ef-     

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.     

基于多边形边界约简的在线时序表示算法

时间序列是一类重要的复杂数据类型。首先分析了Douglas-Peucker和多边形约简时序表示算法。然后借鉴滑动窗口思想，提出了基于多边形边界约简的启发式在线时间序列表示算法。该算法具有多边形约简算法很好的近似质量，同时可以在固定数据缓冲空间内在线运算。此外，根据最大允许误差，算法用启发式搜索方法自动获取最佳分段数。在随机时间序列上仿真试验证明算法有很高的逼近质量和较低的计算复杂性。     

基于Web的半结构化信息抽取技术研究

对信息抽取技术的发展和趋势作了一定分析,并讨论了当前半结构化信息检索领域的先进抽取技术。从应用的角度提出一种新的半结构化信息获取方法。该方法包括网页分析过程、映射的自动生成和信息抽取过程。通过建立标记树来进行网页结构分析,利用实例路径归纳学习出用户需求信息的公共路径,将效用的抽取结果提交用户,减少了用户负担,提高了查全率和查准率,为进一步满足Web信息抽取提供了一种新的高效信息抽取工具。     

空间k近邻查询的新策略

有效执行空间k近邻查询是地理信息系统尤其关心的问题,空间近邻查询是基于空间索引的树的遍历过程,苦测量距离和剪枝策略选取适当,可以极大地减少搜索空间所需访问的事点数,基于Rousspoulos等提出的测量距离,提出2个新的近邻搜索剪枝策略,用于空间k近邻查询,给出了搜索算法,并用算例表明该策略具有更好的剪枝效果,提高了空间k近邻查询的效率。     

工业大系统向智能化的发展

为适应现代工业大生产自动化的需要,传统的工业大系统控制和决策理论正在向智能化方向发展。本文在分析现代化工业大系统的结构及其决策、控制、通信技术的基础上,指出了人工智能技术引入工业大系统的必要性,阐述了工业大系统中智能决策支持系统及智能控制系统的基本结构和特点,并展望了智能工业大系统的发展前景。