一种基于分形维的快速属性选择算法

属性选择是数据挖掘、文档分类和多媒体索引等领域研究的一个热点问题·利用分形维进行属性选择是一种新的方法,它利用数据集的分形维作为属性的重要性度量·基于分形维的快速属性选择算法(IFAS),利用后向属性选择策略和降维操作的投影特性,根据E维的分形树导出E 1维的分形树(用来计算分形维的数据结构)·因此,只需扫描一次数据集,避免了FDR算法多次扫描数据集的问题·通过图像特征数据集合和合成的分形数据集对两种算法进行性能测试·实验结果显示,IFAS算法明显优于FDR算法·IFAS算法的时间和空间复杂度都为O(n),响应时间与属性维数呈线性关系·     

Web搜索引擎系统的设计与实现

对基于HTTP协议自动检索Web信息和自动管理信息检索范围的方法进行了分析，并验证了协同信息发现的可操作性及效率。     

范例推理中范例自动获取的数据挖掘技术

范例推理作为基于规则推理技术的一个重要补充，已受到人工智能研究 人员的普遍关注，在范例推理中，也有许多相应的知识，它主要包括：范例库、修正知识库，索引模式，相似性判断标准等，这些知识的获取也存在一定的瓶颈问题，通过在范例推理中引入数据挖掘技术，可望部分解决其知识获取的自动化问题，提高智能系统的整体性能，本文着重讨论了在范例推理中使用数据挖掘技术的必要性，提出了二上自动获取范例库的思想与算法，并应用于一个实际的系统之中，实际结果表明，这种思路大大提高了智能系统的开发周期与系统的运行效率。     

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。     

用J2EE建立基于XML的Web服务

论述了Web服务中的一些关键技术,提出了用J2EE建立基于XML的Web服务的方法,并给出详细的实现方案。     

利用XML实现Web信息与关系数据库的转换与共享

在分析和研究了XML的基本特征和结构的基础上，利用三层Web应用程序和XML中数据的层次结构与数据显示相分离的特点，结合ASP技术，实现了互联网上基于Web的页面信息与普通关系数据库中信息的转换和共享。     

一种关系数据库中基于云模型关联规则的提取

为了发现有效的关联规则，属性在比较高的水平被范化，允许相邻属性值或者语言项的重量．这种软划分可以映射人类的想法，同时使发现的知识鲁棒．利用云模型的理论与方法求解数量关联问题，给出了一种云关联规则的定义，并提出了基于云模型理论支持度和置信度的计算方法，最后提出了一种提取算法Cloud model A．这种方法较好地软化了数量属性论域的划分边界，从而使得挖掘出的云关联规则更容易被人理解。     

基于数据挖掘技术的范例库维护

在范例推理系统中,系统的学习会使范例库无限增大,会导致系统的功能不断下降。范例推理学习系统必须有范例库的维护。本文在详细讨论了范例库的维护技术的同时,提出了一个基于数据挖掘技术的维护策略,以保证系统的学习不影响系统性能。     

基于XML的Web数据交换服务平台的设计与实现

依托Web提出了一种以XML文件作为中间结果实现异构平台数据交换的解决方案，满足了电子政务处理过程中对不同形式数据的处理要求．     

应用因子分析法对地面水质污染状况的研究

应用因子分析法对11条河道的地面水质分析数据进行了信息掘取，研究了各河道污染程度的排序、主因子、主要污染因子的组合及污染源的分析．研究结果为环境监测和环境治理部门提供了重要的信息和依据．