資源描述：
《基于分類模型的知識(shí)發(fā)現(xiàn)機(jī)理和方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、V93S二S3博士學(xué)位論文基于分類模型的知識(shí)發(fā)現(xiàn)機(jī)理和方法研究作者姓名：學(xué)科專業(yè)：學(xué)院(系、所)：指導(dǎo)教師：蒙祖強(qiáng)計(jì)算機(jī)應(yīng)用技術(shù)信息科學(xué)與工程學(xué)院蔡自興教授中南大學(xué)Z-00四年十一月捅望樣，與DA．FPR算法一起，這三個(gè)算法的有機(jī)結(jié)合就構(gòu)成了個(gè)性化知識(shí)發(fā)現(xiàn)的一個(gè)完整的解決方法—斗KDA算法。PKDA算法通過(guò)層層去除用戶不感興趣信息的方法，最終發(fā)現(xiàn)符合用戶需要的個(gè)性化知識(shí)。從而為當(dāng)前KDD領(lǐng)域中的研究熱點(diǎn)之一——“發(fā)現(xiàn)用戶感興趣的知識(shí)”，作出貢獻(xiàn)。從分析進(jìn)化計(jì)算的產(chǎn)生根源入手，探討了以人類迸化為核心的文化進(jìn)化機(jī)制，首次提出粒度進(jìn)化計(jì)算(GEC)，它包括群
2、進(jìn)化和超群進(jìn)化，是兩者的有機(jī)結(jié)合。如果說(shuō)進(jìn)化計(jì)算是模擬達(dá)爾文生物進(jìn)化機(jī)制而發(fā)展起來(lái)的一種計(jì)算方法，那么粒度進(jìn)化計(jì)算則是在模仿文化進(jìn)化機(jī)制的基礎(chǔ)上，綜合了Agent技術(shù)以及粒度計(jì)算、進(jìn)化計(jì)算的理論和方法而提出的一種智能計(jì)算方法。較之生物進(jìn)化，文化進(jìn)化速度快、效果佳，其中必蘊(yùn)藏著非常有效的機(jī)制。所以探討這種進(jìn)化機(jī)制有望為一些復(fù)雜問(wèn)題的解決提供一種新的方法。針對(duì)KDD算法存在的早熟收斂性和低效性等問(wèn)題，在深入分析基于進(jìn)化計(jì)算的KDD算法研究進(jìn)展和研究成果的基礎(chǔ)上，利用粒度進(jìn)化的基本思想，以MAS為支撐技術(shù)，提出并設(shè)計(jì)了面向分類問(wèn)題的粒度進(jìn)化算法(GEA)。G
3、EA算法不但能夠把復(fù)雜的搜索問(wèn)題轉(zhuǎn)化為若干個(gè)簡(jiǎn)單的搜索問(wèn)題，減少問(wèn)題的計(jì)算復(fù)雜性，加快收斂過(guò)程，提高算法效率，而且使得在進(jìn)化過(guò)程中把Michigan方法和Pittsburgh方法的優(yōu)點(diǎn)有機(jī)地結(jié)合起來(lái)，有效保持個(gè)體的多樣性，減少算法陷入局部最優(yōu)的機(jī)會(huì)，提高其全局搜索能力。實(shí)驗(yàn)表明，粒度進(jìn)化算法在這面的性能優(yōu)于已有方法?？傊?，本文基于分類模型利用粒度計(jì)算的基本原理，研究信息系統(tǒng)知識(shí)空間的結(jié)構(gòu)特性和代數(shù)性質(zhì)，從而分析知識(shí)的形成機(jī)理，進(jìn)一步豐富和完善知識(shí)發(fā)現(xiàn)的理論體系。在深入研究現(xiàn)有的知識(shí)發(fā)現(xiàn)方法的基礎(chǔ)上，對(duì)“發(fā)現(xiàn)用戶感興趣的知識(shí)”、知識(shí)發(fā)現(xiàn)算法的早熟收斂和局
4、部知識(shí)的產(chǎn)生問(wèn)題，以及效率和分類準(zhǔn)確率問(wèn)題等進(jìn)行了研究，提出相應(yīng)的解決方法。文中，對(duì)提出的重要定理和性質(zhì)，都作了論證和說(shuō)明；對(duì)提出的有關(guān)算法，都給出了實(shí)驗(yàn)結(jié)果及其分析，證實(shí)算法的有效性。最后，把本文提出的算法集成起來(lái)，開發(fā)了一個(gè)知識(shí)發(fā)現(xiàn)原型系統(tǒng)一一MKDD系統(tǒng)，這在附錄中作了簡(jiǎn)單介紹。這些工作不僅對(duì)促進(jìn)KDD的理論和方法的研究具有意義、拓展了傳統(tǒng)的知識(shí)發(fā)現(xiàn)方法，而且在“科技轉(zhuǎn)化為生產(chǎn)力”和我國(guó)的商業(yè)智能化方面也具有一定應(yīng)用價(jià)值。關(guān)鍵詞：知識(shí)發(fā)現(xiàn)，分類模型，約簡(jiǎn)，粒度計(jì)算，決策樹，粗糙集，粒度進(jìn)化計(jì)算，AgentII中南大學(xué)博士學(xué)位論文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
