基于内在机理的知识发现理论及其应用PDF|Epub|txt|kindle电子书版本网盘下载

基于内在机理的知识发现理论及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

绪 论1

目 录1

第一篇基础篇5

第1章知识发现的逻辑基础6

1.1概论6

1.1.1形式系统简介6

1.1.2相关的逻辑简介8

1.1.3推理机制14

1.2.1基于语言场与语言值结构的描述框架20

1.2.2单一语言场因果关系定性推理20

1.2因果关系定性推理20

1.2.3综合语言场因果关系定性推理21

1.3广义细胞自动机与广义归纳逻辑因果模型23

1.3.1细胞自动机模型23

1.3.2广义因果细胞自动机与广义归纳逻辑因果模型24

1.3.3基于广义因果细胞自动机的广义因果归纳推理模型25

第2章知识发现的方法论基础27

2.1新的知识表示方法27

2.1.1语言场与语言值结构28

2.1.2因果状（变）态在语言场中的描述29

2.1.3标准样本空间中语言值的量化表示与因果知识表示29

2.1.4非标准样本空间中语言值的量化表示30

2.2新的预处理方法——基于语言场理论的连续属性离散化方法31

2.1.5基于语言场的知识表示方法31

2.2.1属性的划分32

2.2.2离散化算法实现33

2.3 KDD中的数据挖掘方法概览34

2.4数据挖掘新算法之一——基于广义归纳逻辑因果模型的因果关联规则挖掘40

算法40

2.4.1在标准样本空间中的因果关联规则挖掘方法40

2.4.2在一般样本空间中，单一语言场下的因果关联规则挖掘方法41

2.4.3在一般样本空间中，综合语言场下的因果关联规则挖掘方法42

2.5.1小波神经网络学习算法43

2.5数据挖掘新算法之二——基于小波神经网络的混沌模式挖掘算法43

2.5.2小波神经网络对混沌模式的提取45

2.6 KDK中新的知识发现方法46

2.6.1 基于事实的KDK建模与挖掘算法47

2.6.2基于规则的KDK建模与挖掘算法49

2.7专家知识的归纳获取53

2.7.1机理研究54

2.7.2算法研究55

2.7.3环境研究55

2.7.6结论56

2.7.5应用研究56

2.7.4技术研究56

第3章知识发现的哲学基础58

第二篇理论篇63

第4章知识发现系统的内在机理64

4.1 引言64

4.1.1 KDD技术研究和应用所面临的挑战65

4.1.2内在机理研究的意义——对知识发现主流发展的影响66

4.2双库协同机制69

4.2.1双库协同机制的提出69

4.2.2双库协同机制的内涵69

4.2.3双库协同机制的理论框架70

4.2.4进一步讨论86

4.3双基融合机制91

4.3.1双基融合机制的内涵91

4.3.2双基融合机制的理论框架91

4.3.3三个协调算法96

4.4信息扩张机制106

4.4.1信息扩张机制的内涵106

4.4.2动态挖掘进程中规则参数演化规律106

4.4.3动态挖掘进程中，关联规则的取舍方法和可理解性讨论110

4.4.4实例验证113

4.4.5知识发现系统的认知复杂性116

4.4.6动态挖掘进程研究中的几个可能的专题方向118

第5章 内在机理诱导出的新结构模型121

5.1 KDD*（KDD*？KDD＋双库协同机制）121

5.1.1 KDD*的结构模型121

5.1.2 KDD*双库协同机制的技术实现123

5.1.3 KDD*的特征127

5.1.4 KDD*的多智能体实现128

5.2 KDK*（KDK*？KDK＋双基融合机制）133

5.2.1 KDK*的结构模型133

5.2.3实例验证134

5.2.2 KDK*中双基融合机制的技术实现134

5.3 KD(D K)(KD(D K)？KDD*+KDK*)136

5.3.1 KD（D K）系统的总体结构模型136

5.3.2 KD（D K）的动态知识库系统138

5.3.3 KD（D K）的特征138

5.4信息扩张机制诱导出的扩展性结构模型139

5.4.1 KDD*E总体结构模型139

5.4.2 KD（D K）*概述141

第6章内在机理与新结构模型派生出的新技术方法142

6.1挖掘关联规则的新算法——Maradbcm算法142

6.1.1引论142

6.1.2 Maradbcm算法的实现143

6.1.3 Maradbcm算法的性能分析144

6.2.1引论146

6.2.2评价函数146

6.2.3编码、交叉和突变策略146

6.2挖掘聚类规则的新算法146

6.2.4基于双库协同机制的数值域划分算法（数据聚类算法）描述147

6.3.2针对KDK算法的S型协调算法流程148

6.3.3 KDK*粗框架的程序流程图148

6.3.4实例验证148

6.3.1针对KDK算法的R型协调算法流程148

6.3基于事实与规则的KDK*归纳发现算法148

6.4 KDD*下的因果关联规则的自动评价算法151

6.4.1引论151

6.4.2因果关系自动推理机制与评价知识库的构建153

6.4.3认证逻辑的分析方法与应用153

6.4.4 评价算法（评价规则Ai？Si）154

6.4.5实例运行检验155

6.4.6与相关工作的比较155

6.5 KDD*下的知识自动评价系统方法156

6.5.1客观评价指标（第一层次）156

6.5.2主观评价指标（第二层次）157

6.5.4实例说明159

6.5.3综合评价指标（第三层次）159

6.5.5小结160

第7章KDTLM中引发出的新型实用智能系统162

7.1引论162

7.2基于知识发现的专家系统（ESKD）163

7.2.1 引言163

7.2.2基于知识发现的专家系统（ESKD）总体结构图164

7.2.3基于知识发现具有双库协同机制的动态知识库系统166

7.2.4 ESKD的功能特征168

7.2.5 ESKD的应用示例168

7.3.1传统智能决策支持系统的系统结构170

7.3基于信息挖掘的智能决策支持系统（IDSSIM）170

7.3.2基于信息挖掘的新型智能决策支持系统（IDSSIM）171

7.4基于信息挖掘的智能预测支持系统（IFSSIM）173

7.4.1复杂不确定性系统预测173

7.4.2基于信息挖掘的智能预测支持系统178

7.5基于知识发现的计算机辅助创新智能系统（CAIISKD）180

7.5.1发明问题解决理论（TRIZ）180

7.5.2 TRIZ的发展与计算机辅助创新理论181

7.5.3基于知识发现的计算机辅助创新智能系统（CAIISKD）183

第8章基于复杂类型数据的知识发现（信息挖掘）186

8.1.2 Hilbert空间187

8.1.1基于复杂类型数据的知识表示方法187

8.1 总体结构模型DFSSM187

8.1.3基于复杂类型数据的知识发现系统的总体结构模型（DFSSM）191

8.2 Web挖掘194

8.2.1 Web挖掘简介194

8.2.2 Web文本挖掘195

8.2.3 Web访问信息挖掘203

8.3多媒体信息挖掘综述206

8.4基于气象数据（多媒体信息）的相似模式的挖掘209

8.4.1引言209

8.4.2认知过程与知识发现的相似性211

8.4.3相似模式数据挖掘原理212

8.4.4相似模式数据挖掘的算法214

第三篇应用篇217

第9章 基于KDTLM的知识发现软件系统（ICCKDSS）218

9.1系统简介218

9.2数据挖掘子系统（KDD*SS）219

9.2.1 KDD*SS的主要技术特征219

9.2.2 KDD*SS功能模块图220

9.2.3 KDD*SS部分功能模块描述222

9.2.4 KDD*SS操作流程图226

9.3.3各功能模块描述228

9.3.2系统模块228

9.3.1系统主要技术特征228

9.3 Web文本挖掘子系统228

9.4 Web访问信息挖掘子系统233

9.4.1主要内容233

9.4.2各功能模块描述233

9.5智能门户搜索引擎235

9.5.1系统简介235

9.5.2系统各功能模块236

第10章KDTLM与ICCKDSS的几类典型应用239

10.1农业应用系统的运行实例239

10.1.2面向施肥的知识发现系统240

10.1.1知识发现在农业生产规划中的应用240

10.1.3面向植保的知识发现系统248

10.2现代远程教育网的信息挖掘实例255

10.2.1 Web文本挖掘系统255

10.2.2 Web日志挖掘系统258

10.2.3智能搜索引擎259

10.3气象数据处理与信息挖掘实例262

10.3.1气象数据的处理与相似模式的挖掘262

10.3.2气象预测模型268

附录A名词术语缩略语列表272

参考文献273