您的位置: 专家智库 > >

程继华

作品数:14 被引量:237H指数:7
供职机构:厦门大学更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术经济管理文化科学更多>>

文献类型

  • 11篇期刊文章
  • 2篇学位论文
  • 1篇会议论文

领域

  • 12篇自动化与计算...
  • 1篇经济管理
  • 1篇文化科学

主题

  • 12篇数据挖掘
  • 11篇数据库
  • 9篇知识发现
  • 8篇关联规则
  • 2篇多层次关联规...
  • 1篇信息系统
  • 1篇元规则
  • 1篇人事
  • 1篇人事管理
  • 1篇软件设计
  • 1篇数据开采
  • 1篇数据库中知识...
  • 1篇人工智能
  • 1篇模糊关联规则
  • 1篇高校
  • 1篇高校人事
  • 1篇高校人事管理
  • 1篇粗糙集

机构

  • 13篇上海交通大学
  • 1篇郑州大学
  • 1篇厦门大学

作者

  • 14篇程继华
  • 12篇施鹏飞
  • 3篇郭建生

传媒

  • 2篇计算机学报
  • 2篇上海交通大学...
  • 1篇郑州大学学报...
  • 1篇计算机研究与...
  • 1篇计算机工程
  • 1篇小型微型计算...
  • 1篇软件学报
  • 1篇计算机工程与...
  • 1篇计算机工程与...
  • 1篇第六届全国机...

年份

  • 1篇2015
  • 1篇2000
  • 4篇1999
  • 7篇1998
  • 1篇1997
14 条 记 录,以下是 1-10
排序方式:
数据开采的粗糙集方法研究
有效地求解属性集合的最优约减(rcduct)和属性集合的核(Core)是粗糙集理论研究的中心问题之一,该文提出了将属性集合的约减的求解转化为求解集合的覆盖。给出了求解最优约减的启发式搜索算法HRS,对算法HRS进行了分析...
程继华施鹏飞
关键词:数据开采粗糙集
元规则指导的知识发现方法研究被引量:7
1999年
传统的知识发现方法缺乏挖掘的针对性,效率较低,挖掘出的规则数量巨大,需要进行复杂的知识筛选工作;挖掘出的规则用低层次的原始数据表示,难以理解。无规则是对挖掘结果模式的一种表示方法,是将背景知识融入知识发现过程、提高挖掘结果的有趣性和挖掘速度的重要方法。该文研究利用概念表示数据之间的关系,提高规则的可理解性;将概念和无规则相集合,提出了基于概念的无规则指导的知识发现方法,并给出了概念的生成方法和无规则的构造方法。
程继华郭建生施鹏飞
关键词:数据挖掘元规则知识发现数据库
多层次关联规则的有效挖掘算法被引量:105
1998年
数据挖掘(DataMining)被认为是解决“数据爆炸”和“数据丰富,信息贫乏(DataRichandInforma-tionPoor)”的一种有效方法.关联规则(AssociationRules)是数据挖掘的重要研究内容.提出了多层次关联规则的挖掘算法——AR_SET,利用集合“或”、“与”运算求解频繁模式(FrequentItemset),提高了挖掘的效率和速度.实验结果表明,算法AR_SET是有效的,并对AR_SET算法的几个变种进行了讨论.
程继华施鹏飞
关键词:数据挖掘关联规则数据库知识发现
挖掘所关注规则的多策略方法研究被引量:46
2000年
通过数据挖掘 ,从大型数据库中发现了大量规则 ,如何选取用户所关注的规则 ,是知识发现的重要研究内容 .该文研究了利用领域知识对规则的主观关注程度进行度量的方法 ,给出了一个能够度量规则的简洁性和新奇性的客观关注程度的计算函数 ,提出了选取用户关注的规则的多策略方法 .
程继华郭建生施鹏飞
关键词:知识发现数据挖掘数据库
基于子块划分的关联规则的挖掘被引量:6
1999年
关联规则(AssociationRules)是数据挖掘(DataMining)的重要研究内容。提出了基于分块的关税规则挖掘算法PARM(PartitionbasedAssociationRulesMining),通过把数据集合划分为适当的子块,挖掘子块上的频繁模式,进行合并,求解出数据集合上的关联规则,提高了挖掘的速度。算法PARM可用于分布环境中关联规则的挖掘.实验结果表明算法PARM是有效的。
程继华施鹏飞
关键词:数据挖掘关联规则数据库
概念指导的关联规则的挖掘被引量:21
1999年
关联规则是数据依赖关系的有效描述方法,是知识发现研究的重要内容.传统的关联规则挖掘算法缺少挖掘的针对性,挖掘速度慢,挖掘结果难于理解,挖掘结果的数量巨大,需要进行大量的筛选以便抽取出有用规则.文中提出了将概念融入挖掘过程中,提高挖掘的效率和挖掘的针对性的方法,给出了概念指导的关联规则挖掘算法 C G A R M 和大数据库中概念的交互式生成方法.算法 C G A R M 是对基于分类的挖掘算法的拓展.实验结果表明,算法 C G A R M 提高了挖掘结果的有趣性,挖掘速率比传统的多层次关联规则挖掘算法 Cum ulate
程继华施鹏飞
关键词:知识发现数据挖掘关联规则数据库
关联规则的递增修正被引量:1
1998年
关联规则是数据挖掘的重要研究内容.由于数据库中频繁追加新数据,使得已挖掘的关联规则发生变化,递增修正技术用于维护与修正关联规则.讨论了关联规则的递增修正问题,提出了递增修正算法(FIU).FIU算法通过减小支持率,将频繁模式集合扩大,访问新追加的数据,对关联规则进行修正.FIU算法减少了数据的访问,提高了递增修正的速度.分析了支持率和频繁模式集合大小的关系,并对算法FIU和算法FUP进行了比较.
程继华施鹏飞
关键词:数据挖掘关联规则数据库
多层次规则挖掘的约略集方法被引量:7
1998年
约略集理论是一种能处理数据中不确定和噪音的有效数学工具,是数据挖掘的重要方法.结合数据分类层次,提出了利用约略集理论挖掘多层次规则的方法,挖掘过程包含约减的求解、等价类的构造、差别矩阵的建立、规则的挖掘4个阶段,并举例说明了多层次规则的挖掘过程.
程继华施鹏飞
关键词:数据挖掘
快速多层次关联规则的挖掘被引量:31
1998年
知识发现是指对原始数据进行分析,提取出隐含的、有用的规则,是当前快速发展的研究领域,是知识获取的重要方法.关联规则是知识发现的重要研究内容之一.本文提出了一种新的多层次关联规则挖掘算法ML-AR.算法ML-AR在挖掘过程中,只对最低概括层次上的候选频繁模式进行模式的匹配计算,求解出简化的频繁模式集合,最后再求解各个概括层次上的频繁模式集合、算法ML-AR有效地利用了概括的层次关系,减少了模式的匹配计算和对存储空间的占用,提高了挖掘的速度.试验结果表明,算法ML-AR比算法Cumulate的执行速度约快15%.
程继华施鹏飞
关键词:知识发现关联规则数据挖掘人工智能数据库
知识发现的算法及应用研究
程继华
关键词:关联规则数据库数据挖掘知识发现
共2页<12>
聚类工具0