一种新型的基于多智能体的KDD系统结构

介绍了数据库中的知识发现（knowledge discovery in database,KDD)及数据挖掘（data mining,DM）研究领域的发展现状，分析了现有DM算法的局限性和KDD过程的复杂性，针对这些，进一步分析了多智能体系统（multi-agent system)可能给KDD系统带来的改善，最后设计了一种分层的，以控制Agent为核心的基于多智能体技术的KDD系统结构。     

知识发现系统进展与结构模型

首先介绍了KDD的基本概念,然后阐述了其国内外发展、面临的挑战与趋向,最后介绍了我们提出的KDD的扩展模型—KDD*、KD(D&K)、ESKD的研究。     

基于Web的数据挖掘技术及其应用

在总结KDD方法和DM技术的基础上，对web挖掘的现状、今后可能采用的技术及其应用进行了分析和讨论。     

Incorporating Domain Knowledge into Data Mining Process： An Ontology Based Framework

0 IntroductionTeosda,yth meyan hya voerg daantiazbaatisoenss t hhaatv ec hmaonrgee t ahnadn glarrogwe cdoatnatibnaus--ously. One of the i mportant research issues is incrementalmining. Otherwise, various researchers have made sugges-tions that domain knowledge should be incorporated intoknowledge discovery ( KDD) process[1]. We focus on somesteps of the KDDprocess-those steps tying up with data min-ing,called a data mining (DM) process .Agrawalet al[2]showed an active data mining process ,…     

数据挖掘技术在物流信息系统中的应用

KDD（＇Knowledge Discoveryin Databases的缩写）是人工智能技术和数据库技术相交叉的一个热门研究领域,已经受到越来越多的关注。数据挖掘（DataMining,简称DM）是KDD的一个十分重要的步骤,其内容涉及数据集成、各种知识模式的提取、知识的评价与表示等。信息化物流网络体系产生的巨大数据流,使企业很难根据这些数据进行准确、高效的决策。数据挖掘技术能够帮助决策者快速、准确地做出决策,实现对物流过程的控制,提高企业的运作效率,降低整个过程的物流成本。     

基于移动数据库的异构数据一致性技术研究

从移动数据库体系结构的演变、数据一致性技术的分类和异构数据同步协议(SyncML)的架构等3个方面介绍了基于移动数据库的异构数据的一致性技术，并结合三者优势提出了DM／SMDS模型，为移动环境下快速、高效地实现数据收敛提供了一种可行的解决方案。     

基于Web的数据挖掘技术及其应用

在总结KDD方法和DM技术的基础上,对web挖掘的现状、今后可能采用的技术及其应用进行了分析和讨论.     

旋转机械智能故障诊断技术的发展趋势

对旋转机械智能故障诊断现状进行分析,展望发展趋势.当前的状态监测与故障诊断(condition monitoring and faults diagnosis,CM&FD)系统普遍存在的智能故障决策准确率偏低、可靠性差的状况显示出,相关研究仍面临着非常严峻的挑战.对数据库知识发现(knowledge discovery in database,KDD)和粗糙集理论的介绍表明,基于粗糙集理论工具的KDD为智能诊断向更科学化的方向发展指明了一条实现的新途径.但它也引发出对在线获得的故障知识应进行知识化保护问题研究的新课题.     

KDD中双库协同机制的研究（Ⅰ）

针对KDD（基于数据库的知识发现）主流发展中存在的典型问题提出了用知识库去 制约与驱动数据库, 并通过数据库改善知识库结构的知识发现的新思想，形成了具有双库协同机制的KDD的开放系统KDD *，从而提高了知识发现的速度、精度和认知自主性，并使知识库在结构上具备了实时维护与自我进化的能力，同时阐述了作为双库协同基础的数据库和知识库在本质上的对应关系。     

评测智能化入侵检测方法的样本库分析

对入侵检测评测样本库的生成方法进行了介绍,给出了KDD CUP’99数据集的样本分布,探讨了httptunnel攻击在KDD CUP’99数据集中的分类情况,通过分析KDD CUP’99数据集的特征属性与SNORT特征项的关联,表明了KDD CUP’99数据集作为智能化入侵检测方法评测样本库是公正而合理的．     

一个数据仓库的设计和实现

介绍了数据仓库的定义、特征与组成部分,通过银行贷款分析实例,详细叙述了数据仓库的多维数据的数据结构与相关技术,同时介绍了ＫＤＤ过程中的数据挖掘技术、方法和应用,指出了设计数据仓库过程中所需解决的难点问题,为银行的贷款风险与利润增长预测提出了可靠的依据。     

分层逐步求精的知识发现KDD模型结构及其应用

知识发现（ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ）作为人工智能、机器学习、模式识别、统计学、数据库和知识库、数据可视化等众多学科相互交叉融合发展起来的新兴研究领域,已引起了学术界和工业界的广大关注．本文提出基于示例学习分层逐步求精的ＫＤＤ模型结构,在借鉴模式识别有关知识的基础上,有机地与领域知识相结合,应用于无约束手写数字识别ＫＤＤ系统,得到较满意的结果．     

KDD在高校教育中的应用

以KDD（KnowledgeDiscoveryinDatabase,数据库中的知识发现）理论为基础,深入剖析当前高校教育技术信息化、网络化的状况,介绍了KDD技术发展状况以及数据挖掘在高校教育中的具体应用,归纳总结了KDD技术在现代教学过程中的应用空间及功能,并提出一些思考。     

CBR及KDD技术在中厚板轧制负荷分配建模中的应用

针对中厚板生产产品规格变化大、轧制条件复杂等特点,提出一种基于案例推理的负荷分配模型,并应用数据库中的知识发现技术进行案例修正,使模型更符合实际轧制情况.     

基于粗糙集理论和层次分析的数据约简

为更有效更迅速地获得大量信息中所包含的潜在知识和规律,有关数据挖掘和数据库知识发现的研究变得更为广泛和深入.结合粗糙集理论的优势和层次分析模型的特点并将两者有机地结合起来,通过在非核属性中引入重要性概念并利用简单相异矩阵,提出了基于粗糙集理论和层次分析的数据约简算法,同时证明了该算法的有效性和完备性.最后,应用该算法解决了医疗决策系统中一个数据约简问题,实现了知识和规律的挖掘,提高了数据约简的合理性.     

基于包含度的粗糙集模型

提出了包含度近似空间的概念，得到了基于包含度的粗糙集模型，从而为知识获取提供了一个新的不确定性方法。     

知识发现技术在政府决策支持系统中的应用

基于知识发现的政府决策支持系统的开发能够为政府做出更合理、更科学的决策提供数据支持。讨论了政府决策支持系统的特殊性,分析了知识发现的系统架构,介绍了基于关联规则的知识发现与数据挖掘技术,提出了用Apriori算法进行政府决策支持系统开发的思路。     

高校科研决策支持系统的开发

主要介绍了基于知识发现的高校科研决策支持系统的开发过程,其中介绍了系统开发的背景、系统开发工具、系统的数据库设计及系统各主要功能模块的设计和功能实现,重点介绍了决策支持模块中关联支持子模块所使用的技术支持及数据挖掘中关联规则挖掘的Apriori算法,并且提出了对系统进一步的改进建议。