我们从KD(D&K)与KDD或KDK的对比分析中(见表1),可见在知识发现系统研究的历史进程中,KD(D&K)的提出确实是一个全新发展阶段的标志。
表1 KD(D&K)与KDD或KDK的对比
KDD或KDK |
KD(D&K) |
(1)知识源:数据库或知识库。 |
(1)知识源:数据库、知识库、两库合成的“再生”,推理机制导出等。 |
(2)知识发现过程:基本上形成封闭系统。 |
(2)通过协调器(R型与S型),使知识库制约与驱动KDD,形成KDD*,即形成KDD的开放系统。 |
(3)KDK:仅据知识库中的事实与规则利用综合归纳推理机制等发现新知识(规则)。 |
(3)在KDK后,通过协调器(T型),激发人机交互以“理解”知识与将先验知识应用于知识发现中。(从而形成KDK*) |
(4)知识发现总体结构:单级、单层KDD(聚焦-规则生成-结果评价-结果)。 |
(4)多个抽象级、不同知识层面的多层递阶、综合集成结构。 |
(5)知识发现方法、技术:KDD相关的数据挖掘方法与技术。 |
(5)KDD* 相关的知识发现方法与技术。在知识表示、评价、优化,可视化,冗余性与相容性处理等方法与技术上均有相应的改进。 |
(6)知识发现机理(核心概念):认知自主性。 |
(6)认知自主性+创见意象等,(赋予“感兴趣度”、“进化知识”以新的意义)。 |
2.2.4 DKD(D&K)过程模型
从KD(D&K)演变而来的分布式综合知识发现系统DKD(D&K)总体结构模型(如图8所示):
图8 DKD(D&K)系统结构示意图
2.2.5 KDD*E过程模型
基于信息扩张机制的KDD*E结构模型(如图9所示)。可视为KDD与信息扩张机制的融合;它在信息扩张机制的指导下对知识发现第二个抽象级后,数据量渐增的过程中出现的若干问题提供解决思路。
图9 KDD*E总体结构模型图
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 下一页
|