数据库知识发现造句

造句与例句手机版

数据库知识发现技术及应用
基于粗集理论的数据库知识发现的属性约简算法
以上提及的算法在我们的数据库知识发现软件系统knowlegeinside中都得到了实现。
数据挖掘技术与统计学、数据库技术、数据库知识发现等学科与密切的联系，也有明显的不同。
摘要介绍了数据库知识发现( kdd )活动的展开要求，著重从它的技术处理流程来分析它的特性及其存在价值与意义。
随着数据量的增加,数据挖掘工具处理海量数据的能力问题显得日益突出。数据挖掘通常又称数据库知识发现。
数据库知识发现( knowledgediscoveryindatabases , kdd )是从大量数据中发现潜在规律、提取有用知识的方法和技术。
数据挖掘就是从大量数据中提取和挖掘知识，故又称为数据库知识发现。关联分析发现关联规则是数据挖掘中最活跃的领域。
近年来，数据库知识发现kdd受到了国内外的普遍关注，已经成为信息系统和计算机科学领域研究中最活跃的前沿领域。
本文还分析了移动agent和数据库中的知识发现，建立了用于workshopims质量跟踪管理子系统中分布式环境下的数据库知识发现模型。
用数据库知识发现造句挺难的，這是一个万能造句的方法
本文围绕如何根据农业领域的数据特性实现其知识发现，展开研究和讨论，提出了基于粗糙集理论的农业数据库知识发现方案。
数据库知识发现( kdd )是涉及统计学、数据库等学科的一门相当活跃的研究领域，是从数据集中识别出有效的、新颖的、潜在有效的以及最终可理解的模式的非平凡过程。
最后，针对农业领域的数据特性和挖掘的具体任务，结合前几步的研究结果提出了一种基于粗糙集理论的农业数据库知识发现系统模型。
本文第二章建立了基于多agent的水稻栽培数据库知识发现系统( makdsrcd )的体系结构，并在此基础上构建出用于描述系统各构成实体功能及系统运行过程的系统模型。
数据库知识发现通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种技术从各种数据库中提炼出先前未知的、平凡的、具有潜在应用价值的信息或模式，从而揭示出蕴涵在这些数据背后的内在联系和本质规律，指导人们有效地利用数据库中的数据并为正确决策提供依据。
本文以广西“粮食作物(水稻)两高一优模式栽培技术集成与咨询系统研究”为背景，以基于专家系统( es )的水稻优质高产栽培模拟优化决策咨询系统的知识获取问题为导向，针对水稻栽培数据库的特点，从系统工程角度引入面向agent的分析与设计思想，提出一种用多agent从水稻栽培数据库中发现知识的人机合作、半自动的知识获取方法，实现利用多agent的自主性、反应性和社会性，提高水稻栽培数据库知识发现系统的智能水平、数据挖掘效率和人机交互能力，实现人机之间、各子系统之间基于知识的柔性综合集成，为水稻栽培知识发现提供了一条新的可行途径。
随着互联网和信息系统的迅猛发展和广泛应用，人们可以轻易地获得海量的数据，并且这些数据还在日益不断地增长中，对这样的数据仍然采用传统的人工处理方法变得不切实际，于是希望计算机能够自动地帮助我们处理这些海量的数据，并提取出隐含的有价值的知识，辅助管理和决策，这就需要研究者对机器学习，特别是数据库知识发现作更加深入和广泛的研究。
随着商业零售业的高速发展,商业上迫切需要在原有业务系统的基础上有一套比较通用的商业辅助决策支持系统。使用粗糙集的数据分析工具,比较适合大规模的商业数据库知识发现的需要。
数据挖掘与数据库知识发现( knowledgediscoveryindatabases , kdd )是当前涉及人工智能、数据库、统计学等学科的一门相当活跃的研究领域，是从数据中提取人们感兴趣的、潜在的、可用的知识，并表示成用户可理解的形式。
数据库中的知识发现研究仍然处于起步阶段，它在农业领域中还有许多问题值得探讨。本文所提出的基于粗糙集理论的农业数据库知识发现方案试图为我国农业数据库的知识发现领域提供一种新的认识和尝试性方法。