2.3 新技术方法

这里所论的技术方法主要包括:数据挖掘算法、数据预处理方法、知识表示方法、知识评价方法、知识优化方法等。

按照知识发现的发展历程，我们来展开对相应的技法的描述如下所示：

由理论基础、内在认知机理和新结构模型派生出十种新技术方法。即：1) 源于KDD*的挖掘关联规则的Maradbcm算法；2) 基于遗传算法与梯度下降法聚类算法；3) 基于事实与规则的KDK*归纳发现新算法；4) 源于KD（D&K）的关联规则的自动评价系统方法；5) 基于小波神经网络的混沌模式的挖掘算法；6) 因果关联规则的挖掘算法；7) 源于DFSSM的Web文本分类挖掘算法；8) 源于DFSSM的Web文本聚类挖掘算法；9) 图象信息挖掘算法（相似模式等）；10)源于KD（D&K）的分布式数据库（水平、垂直分片）关联规则挖掘算法。这些用于处理结构化数据、非结构和半结构化数据和知识库的知识发现的新技法，经与原有技法的大量的实验对比，均表现出较大的优势，并在不同程度上解决了一些固有的问题；其表现出来的高效性和可扩展性是由KDTICM这一新理论决定的。

新技术方法的新颖性与先进性：限于篇幅限制，下面仅给出四个例子加以说明。

2.3.1源于KDD*的挖掘关联规则的Maradbcm算法(以下简称M算法)

基于双库协同机制和KDD*模型，我们提出了一种全新的挖掘关联规则的M算法，其主要步骤如下：

数据预处理：这里主要是用户选择真实数据库，对真实数据库中的连续属性进行离散化，形成发掘数据库（n个表，table1,table2,…,tablen）

调用启发协调算法的步骤

x=2

for every r_iÎK_x

求取intensity(r_i)

if intensity(r_i)

delete r_i from K_x   

else

KDD_process(r_x)       //激发KDD进程进行定向挖掘

x:=x+1

求取

从中产生K_x

if K_x¹f

for every r_iÎK_x

求取intensity(r_i)

if intensity(r_i)_i在可达矩阵中所对应的元素等于1 then

delete r_i from K_x   

else

KDD_process(r_x)       //激发KDD进程进行定向挖掘

转步骤10）

显示新产生的规则

结束

procedure KDD_process(r_x:array of Integer)     

execSQL()                      // 执行SQL语句进行定向搜索

calculate support(r_i), confidence(r_i), LS(r_i)

if support(r_i)>minSup and confidence(r_i)>minCon and LS(r_i)>minLS then

interruptive_coordinator(r_i)  // 调用维护型协调器，进行重复、冗余、矛盾、从属、循环等的处理

该项内容已获国家发明专利《一种基于双库协同机制的KDD*方法及系统》（ZL 01145080.0）（见附件 ）。

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