|
2.3 新技術方法
這里所論的技術方法主要包括:數(shù)據(jù)挖掘算法、數(shù)據(jù)預處理方法、知識表示方法、知識評價方法、知識優(yōu)化方法等。
按照知識發(fā)現(xiàn)的發(fā)展歷程，我們來展開對相應的技法的描述如下所示：
由理論基礎、內(nèi)在認知機理和新結構模型派生出十種新技術方法。即：1) 源于KDD*的挖掘關聯(lián)規(guī)則的Maradbcm算法；2) 基于遺傳算法與梯度下降法聚類算法；3) 基于事實與規(guī)則的KDK*歸納發(fā)現(xiàn)新算法；4) 源于KD（D&K）的關聯(lián)規(guī)則的自動評價系統(tǒng)方法；5) 基于小波神經(jīng)網(wǎng)絡的混沌模式的挖掘算法；6) 因果關聯(lián)規(guī)則的挖掘算法；7) 源于DFSSM的Web文本分類挖掘算法；8) 源于DFSSM的Web文本聚類挖掘算法；9) 圖象信息挖掘算法（相似模式等）；10)源于KD（D&K）的分布式數(shù)據(jù)庫（水平、垂直分片）關聯(lián)規(guī)則挖掘算法。這些用于處理結構化數(shù)據(jù)、非結構和半結構化數(shù)據(jù)和知識庫的知識發(fā)現(xiàn)的新技法，經(jīng)與原有技法的大量的實驗對比，均表現(xiàn)出較大的優(yōu)勢，并在不同程度上解決了一些固有的問題；其表現(xiàn)出來的高效性和可擴展性是由KDTICM這一新理論決定的。
新技術方法的新穎性與先進性：限于篇幅限制，下面僅給出四個例子加以說明。
2.3.1源于KDD*的挖掘關聯(lián)規(guī)則的Maradbcm算法(以下簡稱M算法)
基于雙庫協(xié)同機制和KDD*模型，我們提出了一種全新的挖掘關聯(lián)規(guī)則的M算法，其主要步驟如下：
數(shù)據(jù)預處理：這里主要是用戶選擇真實數(shù)據(jù)庫，對真實數(shù)據(jù)庫中的連續(xù)屬性進行離散化，形成發(fā)掘數(shù)據(jù)庫（n個表，table1,table2,…,tablen）
調(diào)用啟發(fā)協(xié)調(diào)算法的步驟
x=2
for every riÎKx
求取intensity(ri)
if intensity(ri)
delete ri from Kx
else
KDD_process(rx) //激發(fā)KDD進程進行定向挖掘
x:=x+1
求取
從中產(chǎn)生Kx
if Kx¹f
for every riÎKx
求取intensity(ri)
if intensity(ri)i在可達矩陣中所對應的元素等于1 then
delete ri from Kx
else
KDD_process(rx) //激發(fā)KDD進程進行定向挖掘
轉步驟10）
顯示新產(chǎn)生的規(guī)則
結束
procedure KDD_process(rx:array of Integer)
execSQL() // 執(zhí)行SQL語句進行定向搜索
calculate support(ri), confidence(ri), LS(ri)
if support(ri)>minSup and confidence(ri)>minCon and LS(ri)>minLS then
interruptive_coordinator(ri) // 調(diào)用維護型協(xié)調(diào)器，進行重復、冗余、矛盾、從屬、循環(huán)等的處理
該項內(nèi)容已獲國家發(fā)明專利《一種基于雙庫協(xié)同機制的KDD*方法及系統(tǒng)》（ZL 01145080.0）（見附件 ）。
上一頁 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 下一頁
|
