基于增量式遗传算法的分类规则挖掘

分类知识发现是数据挖掘的一项重要任务 ,目前研究各种高性能和高可扩展性的分类算法是数据挖掘面临的主要问题之一。将遗传算法与分类规则挖掘问题相结合 ,提出了一种基于遗传算法的增量式的分类规则挖掘方法 ,并通过实例证明了该方法的有效性。此外 ,还提出了一种分类规则约简方法 ,使挖掘的结果更简洁。

一种基于粗集理论的分类规则挖掘的实现方法

研究各种高性能和高可扩展性的分类算法是数据挖掘面临的主要问题之一。基于粗集理论的分类规则挖掘是一种重要的方法 ,在分析有关算法的基础上提出一种改进方法 ,并通过实例证明了该方法的效率有所提高。此外 ,还提出了一种分类规则约简方法 ,使挖掘的结果更简洁、更易理解。

一种综合范例推理和规则推理的发现技术

提出一种新的范例推理 (CBR)和规则推理 (RI)集成的混合构造方法 ,该方法利用 RI的结果为新的查询范例的各属性设置相关权重 ,提高

应用人机交互的遗传算法挖掘股票投资风险规则

介绍了人机交互的遗传算法的基本原理 ,论述了用人机交互的遗传算法挖掘股票投资风险规则的算法思想和关键问题 ,包括规则的表示与编码、适应度函数的定义以及交叉、变异和选择操作 ,提出了基于人机交互遗传算法的股票投资风险规则挖掘算法 .应用该算法从股票交易数据库中挖掘一段时间内股票涨跌与其属性之间的关系 .实验结果表明该算法是可行的和有效的 .人机交互的遗传算法对于挖掘股票投资风险规则以及求解人机合作的“可操作性”问题 。