2.2.2 KDK*過程模型
如前所述,我們首次獨立提出基于知識庫的知識發現（KDK）,即針對知識庫里的事實，采用歸納學習方法產生歸納假設，再用卡爾納普的歸納邏輯進行假設的驗證與評價；針對知識庫里的規則，采用廣義概念格方法產生歸納假設，再用柯恩的歸納邏輯進行假設的驗證與評價。
粗略地講來:
KDK*=KDK+雙基融合機制
基于雙基融合機制的KDK*過程模型（如圖6所示）。通過"過程模型邏輯等價定理"的提出與論證，將KDK的發現過程與KDD的挖掘過程溝通起來，用于指導知識庫中的事實和規則的歸納發現；并在假設規則的自主性評價過程中體現其優越性。
該項內容已正式申報國家發明專利《一種融入R型協調器的KDK系統》(200510086965.8)、《一種融入R型與S型協調器的KDK系統》（200510086964.3）和《一種基于雙基融合機制的的KDK*系統》（200510086966.2）（見附件 ）。
圖6 KDK*系統總體結構模型圖
2.2.3 KD(D&K)過程模型
KD (D&K)的總體結鉤模型如圖7所示。KD(D&K)系統的意義在于：KD(D&K)不是KDD與KDK的簡單迭加，而是區別于KDD與KDK而又包容兩者的具有全新特征的本質上拓展的新系統。可視為KDD*和KDK*兩個結構模型的融合，它有機地溝通了數據庫與知識庫，綜合了基于數據庫挖掘的知識與基于知識庫挖掘的知識，進而再生新知識；強調知識發現過程中的認知自主性，即突出知識的自動發現，僅在一個發現周期（即一個抽象級）的"始點"與"末端"通過人機交互建立與領域專家的聯系；是一個多層遞階、綜合集成的知識發現系統。
圖7 KD(D&K)結構模型圖
KD(D&K)系統的意義在于：KD(D&K)不是KDD與KDK的簡單迭加，而是區別于KDD與KDK而又包容兩者的具有全新特征的本質上拓展的新系統。可視為KDD*和KDK*兩個結構模型的融合，它有機地溝通了數據庫與知識庫，綜合了基于數據庫挖掘的知識與基于知識庫挖掘的知識，進而再生新知識；強調知識發現過程中的認知自主性，即突出知識的自動發現，僅在一個發現周期（即一個抽象級）的"始點"與"末端"通過人機交互建立與領域專家的聯系；是一個多層遞階、綜合集成的知識發現系統。
上一頁 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 下一頁
|
