2.3 新技術方法

這里所論的技術方法主要包括:數據挖掘算法、數據預處理方法、知識表示方法、知識評價方法、知識優化方法等。

按照知識發現的發展歷程，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*的挖掘關聯規則的Maradbcm算法；2) 基于遺傳算法與梯度下降法聚類算法；3) 基于事實與規則的KDK*歸納發現新算法；4) 源于KD（D&K）的關聯規則的自動評價系統方法；5) 基于小波神經網絡的混沌模式的挖掘算法；6) 因果關聯規則的挖掘算法；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）的分布式數據庫（水平、垂直分片）關聯規則挖掘算法。這些用于處理結構化數據、非結構和半結構化數據和知識庫的知識發現的新技法，經與原有技法的大量的實驗對比，均表現出較大的優勢，并在不同程度上解決了一些固有的問題；其表現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*的挖掘關聯規則的Maradbcm算法(以下簡稱M算法)

基于雙庫協同機制和KDD*模型，我們提出了一種全新的挖掘關聯規則的M算法，其主要步驟如下：

數據預處理：這里主要是用戶選擇真實數據庫，對真實數據庫中的連續屬性進行離散化，形成發掘數據庫（n個表，table1,table2,…,tablen）

調用啟發協調算法的步驟

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KDD進程進行定向挖掘

x:=x+1

求取

從中產生K_x

if K_x¹f

for every r_iÎK_x

求取intensity(r_i)

if intensity(r_i)_i在可達矩陣中所對應的元素等于1 then

delete r_i from K_x   

else

KDD_process(r_x)       //激發KDD進程進行定向挖掘

轉步驟10）

顯示新產生的規則

結束

procedure KDD_process(r_x:array of Integer)     

execSQL()                      // 執行SQL語句進行定向搜索

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)  // 調用維護型協調器，進行重復、冗余、矛盾、從屬、循環等的處理

該項內容已獲國家發明專利《一種基于雙庫協同機制的KDD*方法及系統》（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