【摘要】语义网为我们提供了应用智能手段处理网络数据的可能。而伴随着语义网的研究,关联数据逐渐成为语义网尝试中主要使用的数据类型,出现了以关联数据集为中心节点的语义网模型。然而随着关联数据集数量的增长,如何将从多来源关联数据集中检索得到的结果进行排序成为了值得关注的问题。要发挥关联数据的开放性和智能性优势,就必须解决来自多个关联数据集的检索结果排序的问题。本文首先较为详细的介绍了关联数据在语义网研究 […]

【摘要】随着互联网时代的蓬勃发展,以及物联网、云计算等新兴技术的涌现,大数据时代已经到来。如何有效地从大数据中挖掘知识,释放数据中隐含的巨大经济价值、科研价值和社会价值,成为当今学术界和产业界研究的重大课题。粗糙集理论是由波兰数学家PawlakZ.提出的一种数据推理方法,这个理论工具在研究不精确知识表达、不完整数据、学习、归纳等方面非常强大,尤其在知识分类和知识发现方面的数据挖掘具有强大的能力。属 […]

【摘要】粗糙集理论是一种处理不确定、不精确和不完备知识的数据分析工具,其中近似和约简是粗糙集研究的重要方向.直觉模糊集是模糊集的推广,能更客观地刻画模糊现象.本文以直觉模糊决策系统为背景,结合直觉模糊集理论,构造了直觉模糊粗糙集的五类上下近似算子,设计了直觉模糊决策系统的三种属性约简算法.具体内容如下：直觉模糊粗糙近似一直备受关注.本文分别基于α,β-相似关系和直觉模糊相似关系构造了直觉模糊粗糙集 […]

【摘要】数据挖掘中有很多发现知识模式的方法，本文主要研究了其中的朴素贝叶斯分类模型。数据挖掘在当今互联网时代正发挥着越来越重要的作用，对人们的生产生活、社会的发展和经济的进步都有着巨大的推动作用。分类问题作为数据挖掘中最重要的问题之一也受到各界学者们的关注。朴素贝叶斯分类模型是一种被广泛知晓的分类问题解决方案，但其依然拥有着自身的局限性，即类条件独立性假设：不同的条件属性之间在类决策属性已知的条件 […]

【摘要】现如今,我们正身处在一个“大数据”的时代,每天产生的大量数据之中隐藏着各种各样有价值的信息。如何从海量数据中高效地挖掘出有用的信息,是数据挖掘技术研究的热点问题。决策树算法因其简单高效在数据挖掘的分类领域被广泛采用。由于冗余和不一致数据的存在,对决策树算法在分类效率和分类准确率两方面产生了一定程度的影响,并且普遍采用的单变量决策树算法生成的决策树规模较大。因此,本文将粗糙集理论中的属性约简 […]

【摘要】知识是人类认知能力的重要基石,同时也是人工智能学科的基础研究问题之一。随着计算机技术与Internet的迅速发展,各个领域中的数据和信息产生了爆炸式地增长,而且这些数据和信息具有动态、高噪音、分布不均匀以及高维等特点。利用以往常规的知识推理方法在大知识库上进行有效推理,方法不仅耗时,而且难以有效地获得问题合理的解。粒计算模型利用其自身模拟人类智能的特点。在求解问题时,通过选择合适的粒度,降 […]