模糊神经网络分类器在企业建模知识管理中的应用

为了对企业建模活动进行知识管理，开发了基于Web的企业 模型知识库系统，并按照CIM-OSA的思想将参考模型库划分为通用、部分通用和专用三个层次。如何在这三个 层次之间建立合理的分类检索体系成为企业建模知识管理的一个核心问题。文章引入模糊神经网络分类器解决企业参考模型库的模型分类问题，通过一个应用实例进行算法验证，并与基于模糊数据挖掘的分类方法进行比较分析。实验数据表明，模糊神经网络分类器具有很好的性能。     

生物医学文献知识发现研究探讨及展望

采用文本挖掘技术处理海量生物医学科技文献和文本注释型数据库。从而发现创新知识如基因、蛋白质、疾病、药物及其相互关系的研究是当前人工智能和数据挖掘领域研究的热点。本文对生物医学文献知识发现的研究内容、研究成果以及基于文本挖掘的关键技术诸方面进行了系统的分析和阐述。通过分析中医药学数据的特点，提出了基于文本挖掘的中医证候分子生物学知识发现研究，该方法的特点是综合利用中医药学文献和MEDLINE，能够获得创新的证候与基因相关知识。初步实验表明，文本挖掘技术有望为证候的分子水平研究提供辅助和支撑手段。     

客户关系管理中客户知识发现的一种分析方法

研究了客户关系管理(CRM)中的客户知识发现问题。在分析了客户知识发现的含义和客户知识分类的基础上,提出了一种客户知识发现的分析方法。依据该方法,通过采用模糊聚类方法可确定影响CRM效果的关键属性集,进而可归纳发现客户知识的分类规则,并得到有价值的客户知识。最后给出了一个实例分析。     

可拓空间数据挖掘技术及其应用

将可拓学理论与方法应用到空间数据挖掘技术当中，建立起一种基于可拓学的空间数据挖掘的理论、方法和应用体系，并以北京地区泥石流危险度的区划与预报为例说明其应用。     

灰色趋势关联聚类及其在数据挖掘中的应用

分析了数据库中"贫"信息数据的特点,以及"贫"信息数据挖掘问题的要求。应用一般系统理论,结合灰色趋势关联度,研究了灰色趋势关联系统及数学模型。作为该模型的应用,提出了灰色趋势关联聚类方法。以某大型酒业股份公司仅有的少量商品销售数据为数据挖掘对象,应用灰色趋势关联聚类方法,按商品销售增长趋势,对各类商品进行了聚类分析,得到了一种符合销售实际的聚类结果,阐明了灰色趋势关联聚类方法的有效性、方便性和实用性。     

知识发现领域的两大猜想

针对目前知识发现所面临的机遇和挑战,提出了知识发现"逆问题猜想"和知识发现"磁铁效应猜想"。这两个猜想构成相互关联的统一的有机体,本质上是围绕着要解决"海量"这一难题。讨论了猜想研究的基础,实现的可行性以及可能的研究内容。     

信息网络的社区发现及其应用研究

在对信息网络社区发现研究的基本概念进行简单介绍的基础上,将目前的典型算法初步划分为5类,即传统发现方法、基于分割的方法、基于模块性质量优化的方法、基于动态模型的方法与基于谱分析的方法,然后着重对各种发现方法进行分类分析与比较,并以Web信息网络为例简述社区发现的应用,最后指出了目前方法存在的缺陷与未来可能的改进方向。     

人工神经元网络及其在系统仿真中的应用

本文简要地介绍了人工神经元网络的基本概念、主要特征及其发展历史,评述了几种有代表性的神经元网络模型。在此基础上,探讨了人工神经元网络在系统仿真中可能的应用方向。     

基于Rough集的空间属性数据挖掘的研究与实践

介绍了地理信息系统（GIS）的概念，深入研究了空间数据库的特性，探讨了Rough集理论，分析了Rough集合和空间数据的关系，讨论了差别矩阵的概念和算法，应用信息熵和模糊数学模型，给出了空间数据库属性数据的数据约减和数据挖掘算法，最后分析了一个应用事例，从而验证了算法的可行性。     

面向证券投资的动态知识发现系统设计与实现

针对传统证券投资技术分析方法所存在的不足，通过对粗集理论、神经网络学习机理的研究。提出了面向证券投资的动态知识发现系统的基本框架．基于此框架，设计出面向证券投资的动态知识发现系统，并详细阐述了系统的各组成部分的设计思想及实现．最后结合实例，验证了系统的有效性、可行性．     

从数据挖掘到专家挖掘

在简要分析传统数据挖掘方法不足的基础上,提出专家挖掘的必然性和重要性.作为一个新的研究领域,首先介绍了专家挖掘的基本概念,接着给出了其过程模型、主要方法与技术,并通过与数据挖掘方法的比较,分析了专家挖掘与数据挖掘互为驱动的知识发现的优势,最后结合案例说明专家挖掘的可行性.     

基于神经网络的交通信息融合预测方法

为了更加准确地预测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于神经网络的融合预测方法。这种方法根据预测数据各属性的特点，将数据构造为多个相关的时间序列。在此基础上，对各序列采取不同的处理方法，然后利用神经网络进行融合，得到最终的预测结果。这种方法可用于数据动态预测的各种领域。实验结果表明，采用这种方法可以有效地改善数据预测的误差。     

基于映射簇的Web数据挖掘研究

传统特征选择算法在多维Web数据中由于其数据对象自身固有的稀缺性而常常失效。在典型多维Web数据挖掘应用中，不同数据对象集合对于不同雏度集合而言可能聚类会更好，且在每个簇的具体子空间中维度数将可能非常大。事实上，为所有簇查找出单个的小雏度集合是不可能的。本文应用映射簇的概念来明确簇与雏度的关系，将聚类问题转化为映射簇问题，从而简化计算提高挖掘效率。最后给出相应的算法。     

基于免疫聚类算法的离群数据挖掘

离群数据挖掘是数据挖掘研究的重要内容,在实际生活中获得广泛应用.论文结合了免疫算法全局搜索的优点和K-均值方法局部收敛速度快的特点,提出了一种基于免疫聚类算法的离群数据挖掘方法,有效地克服了传统聚类方法对初始化敏感、容易陷入局部最优等缺点,使聚类结果能够快速收敛到全局最优,有效地检测离群数据.实验结果表明,该方法实用有效的.     

基于知识网络的专家领域知识发现及表示方法

从知识网络的角度，对专家领域知识的发现及表示方法进行了研究。在分析知识内在关联的基础上，对专家领域知识进行网络建模，包括知识点建模及其关联关系建模。通过对模型进行网络分析，发现其中的群组（Clique）和子群组（Sub—Clique）。对群组和子群组中的知识点进行知识聚合，可获得知识核和知识子核，从而实现专家领域知识的准确获取和表示。该方法描述的专家领域知识可用专家领域知识网络结构图、知识表等形式表示出来，具有客观、准确等特点。文章最后给出了一个验证实例。     

基于复杂网络的知识转移模拟与分析

借助复杂网络的理论与方法,提出了知识转移网络模型,研究了网络结构对组织中知识转移的作用.对无标度网络、小世界网络、规则网络和随机网络四种典型网络上的知识转移过程进行了模拟,并分析了结果.通过计算三个指标来度量知识转移的效果:知识增长速度v、知识水平方差系数C和Moran系数MC.经过比较研究发现,无标度网络具有明显的结构特性优势,能够提升知识转移的效果.     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

自组织数据挖掘与人工神经网络方法比较研究

着重分析了自组织数据挖掘与人工神经网络方法对系统的先验知识的利用 ,算法过程以及推广能力方面的差别 ,显示了自组织数据挖掘方法具有能同时利用关于系统的先验知识和来自观察数据样本的信息的良好性能 ,并指出 ,这应当成为研究复杂系统的一条重要途径.     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪的算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点。提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度。     

人工神经网络BP算法的数据处理方法及应用

利用人工神经网络建立了具有时间序列的对象的预测模型，并提出了基于本模型的数据处理方法，在此基础上，对吉林省榆树县大坡镇两家村的人均收人作了预测。证实了本模型的正确性和科学性.