从数据中挖掘模糊规则及其系统实现

针对一类多输入单输出模糊逻辑系统，提出一种简单而有效的方法从数据库中挖掘模糊规则．该方法产生的模糊规则库具有良好的完备性和鲁棒性，从仿真实验可以看出利用数据挖掘方法建立的模糊系统具有更好的逼近能力．为了使该方法在应用上具有良好的通用性，设计和实现了基于组件技术的数据挖掘系统．     

知识库中精确知识的判定算法

研究了知识库中挖掘它所包含的精确知识的方法，给出知识库的相关概念及精确知识的定义，讨论了一种在所定义的知识库中提取并判定精确知识的算法．     

基于水光电力系统时序生产模拟模型的水光优化配比研究

基于考虑系统负荷、新能源发电出力等时序变化特性的时序生产模拟法,建立了水光电力系统时序生产模拟模型;从系统结构性、经济性、灵活性与可靠性方面综合确定最佳水光容量配比,并通过金沙江上游川藏段水光系统验证了模型的合理性。金沙江上游川藏段光伏电站与水电站出力具有较好的年内、日内互补特性;对于2030年水平年,考虑枯期水电留存,913.6万kW水电配套400万kW光伏的方案综合性能更优,其新增非水可再生电量约60亿kW·h。     

用于数据挖掘的粗集产生多重知识库的方法

提出了一种用于数据挖掘的粗集产生多重知识库的方法．该方法基于粗集理论的简化和决策矩阵．首先从知识表示系统中消除冗余属性,产生简化表,形成简化的知识表示系统,提高学习的有效性和精确性．然后从简化表中推导出决策矩阵,通过决策矩阵获取最小决策规则,计算包括所有必需属性的简化集合,给出计算最小决策规则和计算多重简化的算法．最后由相应的简化对最小决策规则进行分组形成多重知识库,给出产生多重知识库的算法．     

从另一个角度看AICC准则

基于另一种观点,本文对线性回归模型和自回归时间序列模型分别推导出ＡＩＣＣ和ＡＩＣＣ＾＊选阶准则,同时对ＡＩＣＣ准则在大样本情况选阶缺乏准确率的原因给予理论解释。统计模拟结果进一步证实了本文的论点。     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。     

基于关联规则的数据挖掘在供水管网故障诊断中的运用

找出引起供水公司管网故障的原因是供水公司进行客户服务的关键。在介绍关联规则基本概念的基础上，进一步研究了关联规则在供水公司管网故障诊断中的运用情况，并得到一些有用的规则，为管理者和分析人员提供了决策支持。     

可靠性统计与数据挖掘

讨论了可靠性统计与数据挖掘之间的关系．指出了用统计的理论与方法去进行数据挖掘在目前情况下仍不失是一种重要的方法。     

Apriori算法的一种变形

关联规则是数据挖掘的主要技术之一.本文针对目前最经典的关联规则挖掘Apriori算法的局限性,提出了一种只扫描一遍事务数据库的效率较高的Apriori_Tid-1算法,并给出了一个具体的实例,最后给出了该算法的实现.     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。