模糊聚类分析在KDD中的应用研究

应用模糊聚类算法确定关键条件属性集,探索教师教学质量评估数据库中评估等级同评估项目之间的规则知识。

基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用

基于模糊粗糙集理论,提出了一种综合数据挖掘方法,并将其应用于空间负荷预测中。基于规则约简方法提出了循环采样方法,采用数据库知识获取技术按采集的样本属性值将样本聚类,根据聚类中心对连续取值的属性设定模糊值,根据决策属性的包含度对模糊粗糙规则进行筛选,并采用数据库知识获取技术实现了用地类型的转换。算例结果表明该方法简单灵活,可用于短期、中期和长期空间负荷预测中。

一种有效聚类算法的研究和实现

提出了一个基于数学形态学的三维空间聚类算法。该算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状。由于该算法基于数学形态学,所以易于实现其高性能并行算法。采用实例将算法与普通聚类算法进行了性能比较。

数据库关键条件属性集确定方法及应用

在大数据库中确定关键条件属性集，是使用基于粗集理论的集合论生成分类规则算法的重要步骤。该文在简述分类规则形成算法的基础上，对确定关键条件属性集的模糊聚类算法进行了较详细的讨论，并给出该方法应用的一个实例。

数据挖掘的基本过程及方法

知识发现与数据挖掘是人工智能、机器学习与数据库技术相结合的产物。随着科学数据大量积累和各种数据库的普遍使用,人们又逐步认识到海量数据的利用十分困难、效率低下,而且从中难以获得有价值的指导性意见。另一方面,更多带规律性的信息和知识又往往被大量原始数据淹没。在这种情况下,数据挖掘技术就应运而生,出现在众多学科领域,成为一种强大的化学信息技术。

航空电子企业中数据挖掘技术的应用

以Oracle数据库为源头在微软SQL Server Analysis Services平台上通过建立数据挖掘模型并在航空电子企业中得到实践与应用。