2.2.2 KDK*过程模型

如前所述,我们首次独立提出基于知识库的知识发现（KDK）,即针对知识库里的事实，采用归纳学习方法产生归纳假设，再用卡尔纳普的归纳逻辑进行假设的验证与评价；针对知识库里的规则，采用广义概念格方法产生归纳假设，再用柯恩的归纳逻辑进行假设的验证与评价。

粗略地讲来:    

KDK*=KDK+双基融合机制

基于双基融合机制的KDK*过程模型（如图6所示）。通过"过程模型逻辑等价定理"的提出与论证，将KDK的发现过程与KDD的挖掘过程沟通起来，用于指导知识库中的事实和规则的归纳发现；并在假设规则的自主性评价过程中体现其优越性。

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 ）。

图6 KDK*系统总体结构模型图

2.2.3 KD(D&K)过程模型

KD (D&K)的总体结钩模型如图7所示。KD(D&K)系统的意义在于：KD(D&K)不是KDD与KDK的简单迭加，而是区别于KDD与KDK而又包容两者的具有全新特征的本质上拓展的新系统。可视为KDD*和KDK*两个结构模型的融合，它有机地沟通了数据库与知识库，综合了基于数据库挖掘的知识与基于知识库挖掘的知识，进而再生新知识；强调知识发现过程中的认知自主性，即突出知识的自动发现，仅在一个发现周期（即一个抽象级）的"始点"与"末端"通过人机交互建立与领域专家的联系；是一个多层递阶、综合集成的知识发现系统。

图7 KD(D&K)结构模型图

KD(D&K)系统的意义在于：KD(D&K)不是KDD与KDK的简单迭加，而是区别于KDD与KDK而又包容两者的具有全新特征的本质上拓展的新系统。可视为KDD*和KDK*两个结构模型的融合，它有机地沟通了数据库与知识库，综合了基于数据库挖掘的知识与基于知识库挖掘的知识，进而再生新知识；强调知识发现过程中的认知自主性，即突出知识的自动发现，仅在一个发现周期（即一个抽象级）的"始点"与"末端"通过人机交互建立与领域专家的联系；是一个多层递阶、综合集成的知识发现系统。

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