基于大型数据库的KDD系统及应用研究

本文介绍了KDD的产生与发展的过程 ,并探讨论述了KDD的定义、若干基本概念及KDD对知识的处理过程。文中还对数据挖掘的方法和功能进行了初步的分类并列举了KDD在国民经济、军事及社会生活等方面的应用。

计算智能方法在KDD系统中的应用与研究

该文论述了KDD系统中计算智能方法的性质和特点,并且提出了神经网络和遗传算法技术在具体的数据挖掘过程中的应用模型,另外,从精确性、鲁棒性等方面对算法的优劣进行了比较。

一种新型的基于多智能体的KDD系统结构

介绍了数据库中的知识发现 (knowledgediscoveryindatabase ,KDD)及数据挖掘 (datamining ,DM )研究领域的发展现状 .分析了现有DM算法的局限性和KDD过程的复杂性 .针对这些 ,进一步分析了多智能体系统(multi-agentsystem)可能给KDD系统带来的改善 ,最后设计了一种分层的、以控制Agent为核心的基于多智能体技术的KDD系统结构 .

KDD系统在制片人决策过程中的应用

今全球已进入数字化、信息化、网络化时代,数据影响着各个行业的发展。互联网时代下的制片公司,他们并不缺乏产品思维,而是缺乏作品思维。他们过于的看重数据的力量,一味地去迎合观众口味,而忽视了电影内容本身。同样是利用大数据国外打造的影视作品却能可观的成绩,他们的共同点就是对数据的深入挖掘与解读。也就是我所要探讨的KDD系统。电影既是商品也是艺术,一味地去迎合观众的口味,难免会制造出媚俗质量低的电影。作为制片人,我们需要重视的不是数据本身,而是根据自身的需求,通过KDD系统,对数据进行深入的挖掘,得到数据背后的有利用价值和意义的知识。

KDD的研究进展及其哲学思考

KDD是基于数据库的知识发现,是与人工智能有关的数理逻辑的一种实际应用。在KDD的基础上又有一些新的系统开发出来,对大规模知识库和数据库的建立与开发具有重大意义。在哲学上,对人工智能与人类思维之间的关系,也给人不少启迪。

数据挖掘中关联规则更新算法的研究

在实际应用中,数据库不是静止的,它会随着数据记录的增加而不断地改变,因此,对于已经挖掘出来的关联规则的维护问题在KDD系统成为一个新的挑战。本文主要对典型的关联规则更新算法FUP及FUP 进行分析、探讨和评价。