2.3 新技術(shù)方法

這里所論的技術(shù)方法主要包括:數(shù)據(jù)挖掘算法、數(shù)據(jù)預(yù)處理方法、知識(shí)表示方法、知識(shí)評(píng)價(jià)方法、知識(shí)優(yōu)化方法等。

按照知識(shí)發(fā)現(xiàn)的發(fā)展歷程，我們來展開對(duì)相應(yīng)的技法的描述如下所示：

由理論基礎(chǔ)、內(nèi)在認(rèn)知機(jī)理和新結(jié)構(gòu)模型派生出十種新技術(shù)方法。即：1) 源于KDD*的挖掘關(guān)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(shí)與規(guī)則的KDK*歸納發(fā)現(xiàn)新算法；4) 源于KD（D&K）的關(guān)聯(lián)規(guī)則的自動(dòng)評(píng)價(jià)系統(tǒng)方法；5) 基于小波神經(jīng)網(wǎng)絡(luò)的混沌模式的挖掘算法；6) 因果關(guān)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(guān)聯(lián)規(guī)則挖掘算法。這些用于處理結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)和半結(jié)構(gòu)化數(shù)據(jù)和知識(shí)庫的知識(shí)發(fā)現(xiàn)的新技法，經(jīng)與原有技法的大量的實(shí)驗(yàn)對(duì)比，均表現(xiàn)出較大的優(yōu)勢(shì)，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(kuò)展性是由KDTICM這一新理論決定的。

新技術(shù)方法的新穎性與先進(jìn)性：限于篇幅限制，下面僅給出四個(gè)例子加以說明。

2.3.1源于KDD*的挖掘關(guān)聯(lián)規(guī)則的Maradbcm算法(以下簡(jiǎn)稱M算法)

基于雙庫協(xié)同機(jī)制和KDD*模型，我們提出了一種全新的挖掘關(guān)聯(lián)規(guī)則的M算法，其主要步驟如下：

數(shù)據(jù)預(yù)處理：這里主要是用戶選擇真實(shí)數(shù)據(jù)庫，對(duì)真實(shí)數(shù)據(jù)庫中的連續(xù)屬性進(jìn)行離散化，形成發(fā)掘數(shù)據(jù)庫（n個(gè)表，table1,table2,…,tablen）

調(diào)用啟發(fā)協(xié)調(diào)算法的步驟

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)       //激發(fā)KDD進(jìn)程進(jìn)行定向挖掘

x:=x+1

求取

從中產(chǎn)生K_x

if K_x¹f

for every r_iÎK_x

求取intensity(r_i)

if intensity(r_i)_i在可達(dá)矩陣中所對(duì)應(yīng)的元素等于1 then

delete r_i from K_x   

else

KDD_process(r_x)       //激發(fā)KDD進(jìn)程進(jìn)行定向挖掘

轉(zhuǎn)步驟10）

顯示新產(chǎn)生的規(guī)則

結(jié)束

procedure KDD_process(r_x:array of Integer)     

execSQL()                      // 執(zhí)行SQL語句進(jìn)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)  // 調(diào)用維護(hù)型協(xié)調(diào)器，進(jìn)行重復(fù)、冗余、矛盾、從屬、循環(huán)等的處理

該項(xiàng)內(nèi)容已獲國家發(fā)明專利《一種基于雙庫協(xié)同機(jī)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