从数据中挖掘知识

解释了数据挖掘的含义,从数据挖掘的知识类型及作为进行阐述,对每种知识的主要挖掘技术作了介绍,最后介绍一种用模糊关系的聚类挖掘方法。     

数据挖掘技术与数据库知识发现

本文主要介绍数据挖掘技术（DataMining）与数据库知识发现（Knowledge Discovery in Database，KDD）的概念、数据挖掘算法、数据挖掘技术流程、数据挖掘技术的应用现状。并阐述了数据挖掘与数据库知识发现的区别、联系与面临问题。     

数据库的知识发现

数据库的迅速发展使得人们不仅用数据库来进行查询和检索,而且帮助人们从数据中抽取带有结论性东西,文中介绍了数据库知识发现的研究内容,方法、研究重点,并叙述了它在数据库发展中的作用。     

基于模糊推理的管理数据库的知识挖掘

通过对学生管理数据库中学生的成绩，采用模糊数学中的多重多维模糊推理方法，首先建立了学生成绩数据的模糊推理规则及相应的隶属函数，给出与其对应的多重多维模糊推理模型，在此基础上对学生管理数据库中学生成绩数据进行知识挖掘，给出了学生个人综合素质的分类。与此同时，我们对模糊推理中隶属函数的构造方法、模糊推理过程中合成算子的选择及模糊向量的处理进行了研究，得出了比较满意的结论。     

关联规则挖掘在数据仓库中的应用研究

从数据库知识发现的角度，介绍了数据仓库中数据挖掘模型的设计原理，提出了单层次结构的关联规则挖掘的一种设计原理和实现方法。     

数据库的知识发现

数据库的迅速发展使得人们不仅用数据库来进行查询和检索,而且帮助人们从数据中抽取带有结论性东西．文中介绍了数据库知识发现的研究内容、方法、研究重点,并叙述了它在数据库发展中的作用．     

多数据库挖掘的研究

多数据库技术的进步导致大量的多数据库系统的开发，为了决策的目的，许多跨国（省）公司急需挖掘他们那些分布在子公司的数据库，不过，现有的多数据库挖掘依然沿用单个数据库挖掘技术，即，首先将相关的数据库中的数据并入一个集合，然后挖掘这个集合，这会破坏一些有用的模型，像‘一个公司的70%子公司认为一个45-65的已婚顾客通常至少有3部车’，这种模型是有助于该公司的总体规划，另一方面，多数据库挖掘和单个数据库挖掘之间存在本质的不同，例如，多数据库挖掘考虑总公司和子公司的多层次应用，在这个报告中，设计了一个多数据库挖掘过程及可能遇到的问题，同时了简要地论证了多数据库挖掘的重要性，多数据库挖掘和单个数据库挖掘之间的不同之处，以及现有的多数据库挖掘技术的缺陷。     

基于知识发现技术的神经网络专家系统

为了克服传统专家系统的３大缺陷，在讨论专家系统新技术的基础上，探讨如何在专家系统中融入知识发现的技术，提出一个新的系统框架，在其中使用的一些知识发现算法包括历史数据库中的数据挖掘及知识库中的知识发现，对此新的专家系统框架给予了实验。结果是：系统运行后，既可以发现新知识，又可以改进原有规则。这样大大提高了系统知识获取的能力，而且也求精了知识库。     

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．     

数据库中的知识发现

通过对数据库中知识发现和数据挖掘基本概念的分析,总结了数据库中知识发现的实现过程。其具体步骤包括对知识发现应用领域及终端用户的目标理解、创建一个目标数据集、数据的整理和预处理、降维和转换、挖掘等。     

数据挖掘方法与应用

数据挖掘是近十来年出现的新技术,它已用于企业决策支持,市场策略制定等,并将成为决策支持系统的一个重要组成部分。本文从KDD处理过程、数据挖掘技术和应用等方面对数据挖掘进行了较详细的讨论。     

基于粗糙集的经济空间数据发掘与知识发现

为了获取区域经济发展的潜在规律和规则,提出一种处理经济空间数据库的信息方法,即利用粗糙集理论对经济空间数据库进行离散化处理后建立决策表,再通过对知识的简化和属性值的约简,从中进行数据发掘和知识发现.以此对江苏省2003年的部分经济指标数据进行了实证探讨.     

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。     

粗集在知识发现中的应用

粗集作为一种数据分析理论，能有效地从不确定性的数据中发现知识，是目前在知识发现领域研究的热点之一。首先对粗集理论做了简单介绍，在此基础上论述了粗集作为一种数学工具在知识发现领域中的重要问题，并提出粗集的进一步可能发展方向。     

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。     

空间数据库的数据挖掘

分析了传统数据挖掘方法面临的问题,介绍了空间数据挖掘的基本特征和空间数据库的知识发现过程,论述了几种空间数据挖掘的方法。     

知识发现中概率统计与粗集方法的比较

对知识发现中,概率统计方法与粗集理论方法在评价系统参数的重要性,分类隶属度与条件概率,输入条件与决策结果的依赖关系等方面进行了比较, 提出了将概率统计方法和粗集理论相结合,由确定性粗集的近似空间扩展到了不确定性的概率粗集的近似空间,为确定性和不确定性知识表达系统提供一个统计粗集模型。     

数据挖掘中的序列模式

探讨了数据挖掘中序列模式的概念和作用，并对其实现过程所用程序流程的方式进行了说明，讨论了几种不同的实现算法。