首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--专家系统、知识工程论文

基于多层关联规则的概念分层知识库中知识发现的研究

中文摘要第1-4页
Abstract第4-9页
第一章 绪论第9-16页
   ·研究背景与意义第9-10页
   ·数据挖掘第10-13页
     ·数据挖掘定义第10-11页
     ·KDD过程第11-12页
     ·KDD的主要研究方向第12-13页
   ·专家系统中知识获取的瓶颈问题第13-14页
   ·拟解决的问题第14-15页
   ·本论文的结构第15-16页
第二章 知识发现研究第16-35页
   ·数据库中知识发现(KDD)研究第16-18页
     ·KDD的定义第16-17页
     ·KDD的特点第17-18页
   ·范例库中知识发现(KDC)研究第18-21页
     ·范例推理(CBR)第18页
     ·基于知识发现的范例推理第18-20页
     ·范例库中知识发现的主要目标第20-21页
   ·知识库中新的知识发现(KDK)研究第21-24页
     ·基于属性的知识表示方法第23页
     ·产生式规则形式的规则发现算法第23-24页
   ·知识发现的种类第24-25页
   ·知识发现的方法第25-34页
     ·统计方法第25-27页
     ·机器学习方法第27-30页
     ·计算智能方法第30-33页
     ·可视化数据挖掘第33-34页
   ·小结第34-35页
第三章 概念分层研究第35-47页
   ·概念分层(Concept Hierarchy)的基本概念第35-38页
     ·几个定义第36-38页
     ·概念分层树的组织第38页
   ·概念分层的类型第38-40页
     ·模式分层第38-39页
     ·集合分组分层第39页
     ·操作导出的分层第39页
     ·基于规则的分层第39-40页
   ·基于概念分层的知识表示第40-43页
     ·层次分类系统第40-41页
     ·分类和编码问题第41-43页
   ·离散化和概念分层的产生第43-45页
   ·概念分层在KDK中的作用第45-46页
   ·小结第46-47页
第四章 多层关联规则挖掘算法研究第47-63页
   ·单层关联规则(Single-Level Association Rules)第47-54页
     ·发现关联规则的背景第47-48页
     ·关联规则的定义第48-49页
     ·关联规则的典型算法第49-52页
     ·关联规则算法的分析第52-54页
   ·多层关联规则(Multiple-Level Association Rules)第54-56页
     ·一致支持度第54-55页
     ·递减支持度第55-56页
   ·一种混合分类模型的关联规则树第56-60页
     ·背景知识第57-58页
     ·关联规则树分类模型第58-60页
   ·关联规则冗余性的处理第60-62页
   ·小结第62-63页
第五章 知识发现在专家系统中应用研究第63-80页
   ·专家系统的知识获取第63-67页
     ·专家系统第63-65页
     ·知识获取第65-66页
     ·知识获取和知识发现的融合第66-67页
   ·专家系统的知识表示第67-72页
     ·医学领域(糖尿病关联)知识的概念分层表示第67-71页
     ·概念分层树的编码第71-72页
   ·概念分层知识库中知识发现方法第72-78页
     ·多层关联规则挖掘方法在概念分层知识库中应用第72-75页
     ·混合层(Mixed Hierarchies)关联规则挖掘第75-76页
     ·交叉层(Cross Hierarchies)关联规则挖掘第76-78页
   ·知识检验第78页
   ·知识发现与专家系统的集成方式第78-79页
   ·小结第79-80页
第六章 概念分层知识库中知识发现(KDCHK)系统设计第80-91页
   ·体系结构第80-82页
   ·KDCHK操作流程图第82-83页
   ·应用举例第83-89页
   ·小结第89-91页
第七章 总结与展望第91-93页
   ·总结第91-92页
   ·展望第92-93页
参考文献第93-102页
发表论文和参加科研情况说明第102-103页
致谢第103页

论文共103页,点击 下载论文
上一篇:锦屏二级水电站深埋特长引水隧洞岩爆模拟及预测研究
下一篇:地震记录信噪比估算方法研究