我們從KD(D&K)與KDD或KDK的對比分析中(見表1),可見在知識發現系統研究的歷史進程中,KD(D&K)的提出確實是一個全新發展階段的標志。
表1 KD(D&K)與KDD或KDK的對比
KDD或KDK |
KD(D&K) |
(1)知識源:數據庫或知識庫。 |
(1)知識源:數據庫、知識庫、兩庫合成的“再生”,推理機制導出等。 |
(2)知識發現過程:基本上形成封閉系統。 |
(2)通過協調器(R型與S型),使知識庫制約與驅動KDD,形成KDD*,即形成KDD的開放系統。 |
(3)KDK:僅據知識庫中的事實與規則利用綜合歸納推理機制等發現新知識(規則)。 |
(3)在KDK后,通過協調器(T型),激發人機交互以“理解”知識與將先驗知識應用于知識發現中。(從而形成KDK*) |
(4)知識發現總體結構:單級、單層KDD(聚焦-規則生成-結果評價-結果)。 |
(4)多個抽象級、不同知識層面的多層遞階、綜合集成結構。 |
(5)知識發現方法、技術:KDD相關的數據挖掘方法與技術。 |
(5)KDD* 相關的知識發現方法與技術。在知識表示、評價、優化,可視化,冗余性與相容性處理等方法與技術上均有相應的改進。 |
(6)知識發現機理(核心概念):認知自主性。 |
(6)認知自主性+創見意象等,(賦予“感興趣度”、“進化知識”以新的意義)。 |
2.2.4 DKD(D&K)過程模型
從KD(D&K)演變而來的分布式綜合知識發現系統DKD(D&K)總體結構模型(如圖8所示):

圖8 DKD(D&K)系統結構示意圖
2.2.5 KDD*E過程模型
基于信息擴張機制的KDD*E結構模型(如圖9所示)?梢暈镵DD與信息擴張機制的融合;它在信息擴張機制的指導下對知識發現第二個抽象級后,數據量漸增的過程中出現的若干問題提供解決思路。

圖9 KDD*E總體結構模型圖
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
|