基于分类模型的知识发现机理和方法研究

基于分类模型的知识发现机理和方法研究

ID:37348930

大小:5.80 MB

页数:165页

时间:2019-05-22

基于分类模型的知识发现机理和方法研究_第1页
基于分类模型的知识发现机理和方法研究_第2页
基于分类模型的知识发现机理和方法研究_第3页
基于分类模型的知识发现机理和方法研究_第4页
基于分类模型的知识发现机理和方法研究_第5页
资源描述:

《基于分类模型的知识发现机理和方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、V93S二S3博士学位论文基于分类模型的知识发现机理和方法研究作者姓名:学科专业:学院(系、所):指导教师:蒙祖强计算机应用技术信息科学与工程学院蔡自兴教授中南大学Z-00四年十一月捅望样,与DA.FPR算法一起,这三个算法的有机结合就构成了个性化知识发现的一个完整的解决方法—斗KDA算法。PKDA算法通过层层去除用户不感兴趣信息的方法,最终发现符合用户需要的个性化知识。从而为当前KDD领域中的研究热点之一——“发现用户感兴趣的知识”,作出贡献。从分析进化计算的产生根源入手,探讨了以人类迸化为核心的文化进化机制,首次提出粒度进化计算(GEC),它包括群

2、进化和超群进化,是两者的有机结合。如果说进化计算是模拟达尔文生物进化机制而发展起来的一种计算方法,那么粒度进化计算则是在模仿文化进化机制的基础上,综合了Agent技术以及粒度计算、进化计算的理论和方法而提出的一种智能计算方法。较之生物进化,文化进化速度快、效果佳,其中必蕴藏着非常有效的机制。所以探讨这种进化机制有望为一些复杂问题的解决提供一种新的方法。针对KDD算法存在的早熟收敛性和低效性等问题,在深入分析基于进化计算的KDD算法研究进展和研究成果的基础上,利用粒度进化的基本思想,以MAS为支撑技术,提出并设计了面向分类问题的粒度进化算法(GEA)。G

3、EA算法不但能够把复杂的搜索问题转化为若干个简单的搜索问题,减少问题的计算复杂性,加快收敛过程,提高算法效率,而且使得在进化过程中把Michigan方法和Pittsburgh方法的优点有机地结合起来,有效保持个体的多样性,减少算法陷入局部最优的机会,提高其全局搜索能力。实验表明,粒度进化算法在这面的性能优于已有方法。总之,本文基于分类模型利用粒度计算的基本原理,研究信息系统知识空间的结构特性和代数性质,从而分析知识的形成机理,进一步丰富和完善知识发现的理论体系。在深入研究现有的知识发现方法的基础上,对“发现用户感兴趣的知识”、知识发现算法的早熟收敛和局

4、部知识的产生问题,以及效率和分类准确率问题等进行了研究,提出相应的解决方法。文中,对提出的重要定理和性质,都作了论证和说明;对提出的有关算法,都给出了实验结果及其分析,证实算法的有效性。最后,把本文提出的算法集成起来,开发了一个知识发现原型系统一一MKDD系统,这在附录中作了简单介绍。这些工作不仅对促进KDD的理论和方法的研究具有意义、拓展了传统的知识发现方法,而且在“科技转化为生产力”和我国的商业智能化方面也具有一定应用价值。关键词:知识发现,分类模型,约简,粒度计算,决策树,粗糙集,粒度进化计算,AgentII中南大学博士学位论文ABSTRACTK

5、DD,KnowledgeDiscoveryinDatabase,isanoveltechnologyofintelligentinformationprocessingforknowledgediscoveryinlargedatabase.First,independentofidiographicalgorithms,mechanismofKDDbasedonclassificationmodelisstudiedwithGranularComputationaftersystematicallyreviewingrelatedwork;andru

6、n-of-milllawsaredrownout.Thentheoriginofsomeexistingproblemsisanalysed.Secondly,newtheoryandmethodofKDDareproposedwiththoroug}lresearchesonalotscalculationmethods.Asamsult,PKDD(PersonalizedKnowledgeDiscoveryinDatabase),problemsofefficiencyandaccuracy,prematureconvergenceofsomeKD

7、Dalgorithmsareresearchedandresolved.Theprimaryworkandcontributionsinthisdissertationareasfollows.All-Granular-Space,writtenasAllGS,andSuper-Granular-Space,writtenass_Gs,ofinformationsystemarebuilt;andthenalgebraicsystem,BooleanAlgebra,andlatticeareobtained.Takingadvantageofthepr

8、opertiesoflattice,structuralmodelofAllGS,whichi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。