面向客户群的服务方案配置规则挖掘方法

产品/服务配置规则获取的主要方式是用数据挖掘技术从设计实例数据库中提取.客户化服务方案配置规则为服务功能需求和方案特征间的关联规则.考虑到常用关联规则挖掘算法Apriori具有运算复杂的缺点,提出基于PIETM(Principle of Inclusion—Exclusion and Transaction Mapping)算法的配置规则挖掘方法,考虑置信度和有趣度指标,提取强关联规则.针对配置实例数据库数据量较大时,配置规则挖掘的效率会降低且会产生大量冗余规则的问题,采用二元语义模型表达定性的服务功能需求,将同类客户群的功能需求进行合并,替换多样化的功能需求,减少规则的冗余.最后以一工程机械制造企业服务方案配置规则挖掘为例,验证了所提方法的有效性.     

数据库中布尔型及广义模糊加权关联规则的挖掘

引入布尔型加权关联规则和广义模糊加权关联规则的概念,并分别给出挖掘这些规则的计算方法．     

关联规则及其在石油期货价格预测中的应用研究

针对Apriori算法及其变种的不足,提出了一种基于支持度计数矩阵和事务数据库布尔矩阵的新算法,利用此算法挖掘石油期货价格历史数据中的频繁项集,根据给定的最小支持度和最小置信度从挖掘结果产生关联规则,对关联规则在石油期货价格预测中的应用进行了探索,并提出了进一步的研究方向.     

基于知识的模糊神经网络的旋转机械故障诊断

提出了一种基于知识的模糊神经网络并用于故障诊断．首先基于粗糙集对样本数据进行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据规则数目进行模糊神经网络结构部分设计,规则的依赖度和条件覆盖度用于设定网络初始权重,而用遗产算法对神经网络输出参数进行优化．这样的模糊神经网络称为基于知识的模糊神经网络．使用该网络对旋转机械常见故障进行诊断,结果表明,和一般模糊神经网络相比,该网络具有训练时间短而诊断率高的特点．     

基于模糊评价的管理数据库的知识挖掘

采用模糊数学中的综合评判方法对学生管理数据库中的成绩进行挖掘，得到学生个人综合素质的分类的相关知识，同时对模糊评判中评判标准，模糊关系矩阵的确定及模糊算法进行研究。得出比较满意的结论。     

基于多维模糊关联规则的道路交通阻断分析方法

交通阻断成因复杂,与气象环境、道路线形、车辆状态以及交通环境等多因素相关。由于缺乏对造成交通阻断相关因素间潜在关联的研究,交通阻断管控一直是公路管理,特别是高速公路管理的难点。本文提出了一种基于多维模糊关联规则的道路交通阻断分析方法,发掘交通阻断的潜在规律和各因素间的关联关系。首先在国家现有相关划分体系和大量交通阻断(事件)案例的基础上,根据道路管理实际需求,建立了交通阻断多维属性模型,然后利用基于FCM的模糊关联规则,挖掘阻断因素的多维属性的依存关系,得到面向道路交通阻断分析的多维模糊关联规则。通过研究成果的实践应用,证明关联规则可以为道路交通阻断预防和管理提供有效支持,在道路交通阻断分析领域有着良好的应用前景。     

同一水平下模糊规则信息熵的描述

给出了模糊知识系统及模糊决策逻辑公式的定义,在此基础上描述了模糊决策逻辑公式及模糊知识系统下模糊规则的信息熵,讨论了模糊规则信息熵的相关性质;其次,利用模糊规则信息熵对模糊规则进行了分类、评价,从而为建立合理的模糊系统提供了一种有效的判定方法;最后,通过实例验证了所提出理论的正确性.     

一种新型的广义规则推理算法

数据挖掘是指从大型数据库的海量信息中有效进行知识发现的过程,而其效能的高低主要取决于搜索机制所依据的算法.有鉴于此,提出了一种基于个体免疫与群体进化机制于一体的一种高效的全局优化搜索算法,即基于免疫规划的广义规则推理算法.与已有算法所不同的是,广义规则推理算法不仅仅着眼于发现一些有关分类方面的信息,而是利用背景理论和先验知识在知识表示与运行效率之间相均衡的基础上,着重新知识的发现和对高级规则的预测.理论分析和仿真实验表明,广义规则推理算法有利于进化群体的相对稳定和整体性能的提高,并可以在规则提取过程中保持较高的精确度.     

基于协方差的FP-Growth算法在ERP中的研究与应用

文章简要介绍了关联规则挖掘技术,通过对经典算法FP-Growth在某鞋业ERP系统中的应用分析,发现了FP-Growth算法挖掘的部分数据无用的缺陷,提出了一种增加协方差兴趣度阈值的改进算法—CovFP-Growth算法.该算法采用协方差的概念,能够更准确地挖掘出交易集中不同产品间的紧密相关性,减少产生的无用规则,为ERP的产品预测计划决策提供了良好的理论依据和实现方法.     

基于优势关系粗糙集方法的通用航空产业重点发展项目分类研究

构建了一种基于优势关系粗糙集方法的通用航空产业重点发展项目分类模型。该模型根据多标准决策分析(Multi-criteria Decision Analysis,MCDA)中的分类研究思想,结合GE矩阵评价方法,利用基于优势关系的粗糙集方法,从项目竞争力与项目吸引力两个方面建立指标体系,构建了通用航空产业重点发展项目分类模型。以陕西通用航空产业重点发展项目分类为案例,验证了该模型可以很好地解决局部信息缺失条件下的通用航空产业重点项目分类评价问题。     

Developing an efficient knowledge discovering model for mining fuzzy multi-level sequential patterns in sequence databases

Sequential pattern mining from sequence databases has been recognized as an important data mining problem with various applications. Items in a sequence database can be organized into a concept hierarchy according to taxonomy. Based on the hierarchy, sequential patterns can be found not only at the leaf nodes (individual items) of the hierarchy, but also at higher levels of the hierarchy; this is called multiple-level sequential pattern mining. In previous research, taxonomies based on crisp relationships between any two disjointed levels, however, cannot handle the uncertainties and fuzziness in real life. For example, Tomatoes could be classified into the Fruit category, but could be also regarded as the Vegetable category. To deal with the fuzzy nature of taxonomy, Chen and Huang developed a novel knowledge discovering model to mine fuzzy multi-level sequential patterns, where the relationships from one level to another can be represented by a value between 0 and 1. In their work, a generalized sequential patterns (GSP)-like algorithm was developed to find fuzzy multi-level sequential patterns. This algorithm, however, faces a difficult problem since the mining process may have to generate and examine a huge set of combinatorial subsequences and requires multiple scans of the database. In this paper, we propose a new efficient algorithm to mine this type of pattern based on the divide-and-conquer strategy. In addition, another efficient algorithm is developed to discover fuzzy cross-level sequential patterns. Since the proposed algorithm greatly reduces the candidate subsequence generation efforts, the performance is improved significantly. Experiments show that the proposed algorithm is much more efficient and scalable than the previous one. In mining real-life databases, our works enhance the model's practicability and could promote more applications in business.     

具有模糊属性的关联产生式发掘算法及应用

本文通过不确定性推理的分析，提出了模糊关联的概念，用模糊概念表示事务数据之间的关联关系，研究了模糊关联的性质，给出了模糊关联产生式的发掘算法及应用的实例．     

基于GFM-VAR的我国通用航空产业演进阶段识别及政策强度有效性分析

为揭示通用航空产业系统演化的动态和有序规律,挖掘产业形成和可持续发展的阶段识别证据,针对产业演化数据的信息不完全和连续聚类特性,基于灰色系统理论和最优分割理论构建通用航空产业演进阶段识别的灰色生成序列最优分割模型(Grey sequence generation-Fisher Model,GFM),并运用VAR模型分析通航产业政策强度的有效性。首先运用灰色系统理论的(位置加权)几何平均强化缓冲算子(W)GASBO((Weight)Geometry average strengthening buffer operator)扩张演化数据波形特征并生成灰色序列矩阵;运用最优分割理论的组内离差平方和最小判断原则判定通用航空产业演化的有序递进阶段;然后,通过我国2004~2013年通用航空产业演进阶段的实证研究,发现:我国通用航空产业演化以2010年为分界点,先后经历了初创和成长两个阶段;基于VAR模型的脉冲响应函数确定我国通航产业政策强度受“倒逼出台”、“时滞限制”的影响呈弱有效性;基于政策强度(WGASBO算子)的灰色生成序列最优分割模型更有效、更具有可行性。     

Attribute reduction based on generalized fuzzy evidence theory in fuzzy decision systems

Attribute reduction is viewed as an important issue in data mining and knowledge representation. This paper studies attribute reduction in fuzzy decision systems based on generalized fuzzy evidence theory. The definitions of several kinds of attribute reducts are introduced. The relationships among these reducts are then investigated. In a fuzzy decision system, it is proved that the concepts of fuzzy positive region reduct, lower approximation reduct and generalized fuzzy belief reduct are all equivalent, the concepts of fuzzy upper approximation reduct and generalized fuzzy plausibility reduct are equivalent, and a generalized fuzzy plausibility consistent set must be a generalized fuzzy belief consistent set. In a consistent fuzzy decision system, an attribute set is a generalized fuzzy belief reduct if and only if it is a generalized fuzzy plausibility reduct. But in an inconsistent fuzzy decision system, a generalized fuzzy belief reduct is not a generalized fuzzy plausibility reduct in general.     

Credit rating analysis using adaptive fuzzy rule-based systems: an industry-specific approach

This paper presents an analysis of credit rating using fuzzy rule-based systems. The disadvantage of the models used in previous studies is that it is difficult to extract understandable knowledge from them. The root of this problem is the use of natural language that is typical for the credit rating process. This problem can be solved using fuzzy logic, which enables users to model the meaning of natural language words. Therefore, the fuzzy rule-based system adapted by a feed-forward neural network is designed to classify US companies (divided into the finance, manufacturing, mining, retail trade, services, and transportation industries) and municipalities into the credit rating classes obtained from rating agencies. Features are selected using a filter combined with a genetic algorithm as a search method. The resulting subsets of features confirm the assumption that the rating process is industry-specific (i.e. specific determinants are used for each industry). The results show that the credit rating classes assigned to bond issuers can be classified with high classification accuracy using low numbers of features, membership functions, and if-then rules. The comparison of selected fuzzy rule-based classifiers indicates that it is possible to increase classification performance by using different classifiers for individual industries.     

数据挖掘过程中连续属性离散化新方法研究

在知识发现和机器学习领域里,许多数据挖掘方法如基于粗集的数据挖掘工具等需要使用离散的属性值,但实际观测到的大多是连续性属性数据,这对许多新型数据挖掘工具的研究带来了不便.本文针对以上问题,在综合分析目前连续属性离散化方法的基础上,提出了一种基于数据分布特征的连续属性离散化新方法,并用经典算例验证了此算法,实验结果表明该方法具有合理性和可行性.     

基于实证方法的航空产业升级效果评价指标体系构建研究

本文提出了基于实证方法的航空产业升级效果评价指标体系的构建框架。该框架通过元分析法对相关文献进行筛选,建立了航空产业升级效果评价的初步指标体系;通过问卷调查的方式收集专家价值判断数据,以数据平均值判断指标重要性,删除评价重要性较低的指标;对剩余指标进行主成分分析,删除因子载荷系数较小、对产业升级效果评价影响较弱的指标;通过相关性分析将指标体系中对航空产业升级影响较弱的指标筛除,以克服信息冗余问题。最后,结合专家经验知识,依据主成分分析中的数据方差计算出指标信息量贡献比率为80%,从而验证了所构建指标体系的科学性;并通过算例验证了该指标体系的可行性。     

可拓数据挖掘研究进展

可拓学研究用形式化模型解决矛盾问题的理论与方法,可拓数据挖掘是可拓学和数据挖掘结合的产物,它探讨利用可拓学方法和数据挖掘技术,去挖掘数据库中与可拓变换有关的知识,包括可拓分类知识、传导知识等可拓知识.随着经济全球化的推进,环境的多变促使了信息和知识的更新周期缩短,创新和解决矛盾问题越来越成为各行各业的重要工作.因此,如何挖掘可拓知识就成为数据挖掘研究的重要任务.研究表明,可拓数据挖掘将具有广阔的应用前景.将介绍可拓数据挖掘的集合论基础、基本知识和目前研究的主要内容,并提出今后需要进一步探讨的问题及其发展前景.     

轴辐式枢纽网络系统的关键枢纽设施识别问题研究

作为轴辐式枢纽网络关键因素的节点,尤其是起到中转作用的枢纽节点是网络稳定运行的重要环节。当这些节点被中断时,将对整个网络产生严重的影响。最直接的表现方式即是网络运行成本的急剧上升。因此本文研究如何识别对网络成本具有决定性影响的关键节点。首先,提出枢纽功能性中断问题和模型,并通过禁忌搜索算法进行求解。最后通过中国航空实例验证模型和算法在实际应用中的有效性。结果显示模型和算法能够有效识别出中国航空网络较重要的关键城市以及相对影响较弱的城市。可以为资源有限情况下,中国航空网络中各城市防御设施的合理分级和部署,为重点保护城市的鉴别提供依据和帮助。