区间值模糊目标信息系统的规则提取

在区间值信息系统中定义了一种新的变精度相容关系,研究了这种相容关系诱导的极大变精度相容类;提出了基于极大变精度相容类的区间值模糊目标信息系统的粗糙集模型;进一步讨论了利用粗糙隶属函数获得决策规则的方法,最后通过实例说明了方法的可行性.     

模糊信息系统的代数结构及其约简

模糊粗糙集理论是一种处理不确定性信息的重要的数据挖掘方法。为了建立模糊信息系统的约简建立理论基础,该文首先利用三角范数及其余范数给出了模糊集合近似算子的一般形式,进而定义了上、下可定义模糊集合,证明了它们分别构成完全分配格,并对其结构进行了刻画。在此基础上定义了模糊信息系统及其约简,讨论了它与经典的信息系统的约简的关系,为进一步研究模糊信息系统及其约简理论奠定了基础,同时也丰富了模糊集理论。     

不完备信息系统的直觉模糊决策粗糙集

在不完备信息系统中把缺失值视为已知属性值集合的幂集,根据集合的性质定义了不完备信息系统中对象间的相似度和相异度,它们可以分别看作直觉模糊关系的隶属度和非隶属度,由此可以得到新的直觉模糊相似关系以及直觉模糊相似关系的截关系.用直觉模糊相似关系的截关系代替经典决策粗糙集模型中的等价关系,得到一种基于不完备信息系统的直觉模糊...     

一种信息系统属性约简新方法

针对现实中的信息系统的不完备缺失属性,以及无法使用Paw lak粗糙集解决属性约简的情况,在经典的Paw lak粗糙集的基础上,引入一般关系下的粗糙集模型,并给出了基于一般关系的信息系统属性约简的定义.为了使不完备信息系统可以得到更好的属性约简,通过对非对称相似关系进行改进,提出了一种基于改进非对称相似关系的粗糙集模型,在此基础上给出了一种新的不完备信息系统的属性约简算法,并用实例说明了其有效性.     

不完备模糊信息系统

以不完备模糊信息系统为研究对象，建立了其中的模糊相容关系及模糊粗糙上、下近似集。在此基础上，探讨了论域上的模糊覆盖问题并提出了覆盖的3种运算形式；定义了2种新的模糊粗糙熵以讨论不完备模糊信息系统中的不确定性因素，证明了不确定因素的变化与度量强度之间的重要关系；建立了一种度量部分模糊知识依赖的新方法，获得了一些新的定理结果证明。     

模糊信息系统及其相应的关系数据库

从模糊信息系统的角度出发,对于各种类型的模糊关系数据库的现状,系统地进行归类、分析、同时也通过一些例子说明利用目前的RDB来实规模糊数据库所存在的难点和问题。     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

模糊聚类分析的两种方法

主要介绍了模糊聚类方法,并各用一算例来解释本文介绍的两种模糊聚类方法.     

模糊聚类分析的两种方法

主要介绍了模糊聚类方法,并各用一算例来解释本文介绍的两种模糊聚类方法.     

模糊聚类分析的两种方法

主要介绍了模糊聚类方法,并各用一算例来解释本文介绍的两种模糊聚类方法。     

概念树方法在F--KDD中的应用研究

数据采掘是数据库中知识发现的核心,详细描述了数据采掘中概念树方法在模糊性问题中的应用.     

不完备模糊决策信息系统中的知识约简

知识约简是粗糙集理论研究中的一个重要内容,可辨识矩阵是属性约简的一个很重要的方法,本文把这种方法推广到不完备模糊决策信息中,定义了相似关系下的可辨识矩阵,提出了不完备模糊决策信息系统中相似关系的可辨识矩阵属性约筒的算法,最后用实例验证了算法的可行性.     

基于不完备模糊决策信息系统的知识约简

知识约简是粗糙集理论研究中的一个重要内容,可辨识矩阵是属性约简的一个重要方法,把这种方法推广到不完备模糊决策信息中,定义了相似关系下的可辨识矩阵,提出了不完备模糊决策信息系统中相似关系的可辨识矩阵属性约简的算法,最后用实例验证了算法的可行性.     

知识发现的逻辑系统综述

针对知识工程与知识发现的逻辑基础理论问题,从逻辑学发展出发,论述并构思了与计算机相关的逻辑系统结构,阐述了现代逻辑对于计算机科学技术的发展所产生的重要影响,表明现代逻辑是人工智能和知识工程学科的重要理论基础.     

关于知识发现系统的扩展性研究

在总结和分析目前基于数据库的知识发现的理论、技术和方法现状的基础上,对知识发现的发展趋势进行了探索,介绍了在作者先前提出的基于双库协同机制的知识发现理论的基础上,就整个知识发现过程的机理、ＫＤＤ扩展性结构和运行机制所进行的深入研究。     

基于支持向量机的决策系统知识发现

从规则获取和类别预报两方面研究支持向量机(SVM)方法在决策系统知识发现中的应用。对于规则获取，用SVM对决策系统进行条件属性约简并提取特征对象，进而基于较少的特征对象提取规则，使得规则获取的难度和速度都有所改善；对于类别预报，利用SVM对决策系统的对象进行分类，得到一个简单的判决函数。该判决函数可以完成对样本的类别预报，起到与决策规则类似的作用，而且此方法比传统方法简单易行。实验表明，将SVM方法用于决策系统的知识发现，不仅简便可行，而且可以提高速度。对于较大的决策系统更能体现出该方法的优越性。     

一种基于用户过程的知识发现建模方法

从开发真正实用的知识发现（KDD）集成系统的目的出发,指出对用户知识发现活动的全面支持是KDD系统成功的关键．通过对知识发现过程的系统分析,建立起面向用户的过程模型．实践证明,对用户工作的良好理解对于开发新型KDD集成系统具有重要的指导意义．     

知识发现系统内在机理

介绍了杨炳儒教授独立提出的知识发现系统内在机理中的3个机制--双库协同机制、双基融合机制、信息扩张机制,及在其上构建的KDD*,KDK*,KD(D&K),EsKD结构模型.并介绍了在知识表示方法、发现算法与自动评价方法等方面的创新性成果.     

集值不完备信息系统上的一种知识约简的方法

讨论了集值不完备系统上的两种基本关系：相容关系和拟序关系,论证得到了基于辨识矩阵的集值不完备系统知识约简的方法.在此基础上,讨论了知识约简的算法,并通过实例得到了证实.     

现代信息数据的挖掘与发展

数据挖掘作为一项从海量数据中提取知识的新技术引起学术界和产业界的极大重视。笔概括了数据挖掘的几种常见模式．如依赖模式、层次模式、序列模式等,并对这几种数据挖掘模式的特点进行了比较;阐述了从数据中提取知识的几种挖掘算法,如决策树、神经网络方法、遗传算法等;展望了数据挖掘模式和挖掘算法的发展趋势。