维护型协调器的功能是模拟“心理信息修复” 这一认知心理特征，从而实现知识库的实时维护。由于维护型协调器对KDD过程的介入，可以在对于重复性、一致性、冗余性、从属性、循环性等给予准确定义的基础上，利用超图等理论工具，实时地、尽

早地将重复、矛盾、冗余的知识进行处理，从而做到只对那些有可能成为新知识的假设进行评价，最大限度地减少了评价工作量；同时，可对知识库进行实时维护。在实际的专家系统中，最终成为新知识的假设占原假设的比例是很小的，大量假设会是重复和冗余的，因此维护型协调器的引入将提高KDD的效率。该协调器是通过维护协调算法来实现的，图3将给出该算法的流程图：

图3维护协调算法流程图

2.1.2 双基融合机制的实现技术

双基融合机制是由三个协调器来具体实现的。该项内容已正式申报国家发明专利《一种融入R型协调器的KDK系统》(200510086965.8)、《一种融入R型与S型协调器的KDK系统》（200510086964.3）和《一种基于双基融合机制的的KDK*系统》（200510086966.2）（见附件 ）。

1)R型协调器：通过综合归纳推理来发现新知识.知识库的组成包括事实和规则两部分.

2)S型协调器：KDK发现的规则（特别是难于决断的知识）在进行评价前，先将其送入KDD*过程中进行定向挖掘，用KDD*的发掘结果先行评估，若此条规则在KDD*过程中也可被发现，则认为该规则有效的几率较大；反之，则认为此知识缺乏数据支持.

3)T协调器：在规则已被KDK过程确认后，将产生一个定向搜索进程，搜索知识库中对应位置是否有此生成规则的重复、冗余和矛盾.这样可以对知识库进行实时维护，做到只对那些最有可能成为新知识的假设进行评价，从而最大限度的减少评价量.

2.2 新过程模型构造方法

目前知识发现研究的主流是寻求在各类数据库和应用背景下高性能、高扩展性的挖掘算法。对挖掘的过程（结构）模型的研究较少，如何从根本上改进数据挖掘流程是当前知识发现研究所面临的一个极富挑战性的问题。在原创性的三个机制的基础上，我们用系统论与认知科学的思想和方法（特别是模型化的方法）来研究复杂的知识发现过程，相应的过程（结构）模型的描述如下所示： 

由内在认知机理的研究成果诱导出决定知识发现过程信息流程与挖掘线路的七个新过程（结构）模型----是将原有的知识发现过程模型融合上述的三个机制而产生的。即：①KDD*=KDD+双库协同机制；②KDK*=KDK+双基融合机制；③KD(D&K)=KDD*+KDK*；④基于KD(D&K)又演变出分布式综合知识发现系统DKD（D&K）模型；⑤KDD*E=KDD*+信息扩张机制；⑥用于复杂类型数据挖掘的发现特征子空间模型DFSSM;⑦基于KDTICM及DFSSM还提出了图像挖掘过程模型IMDFSSM。以下分述之：

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23]  下一页